TTA - аугментация во время теста

аугментация котиков
TTA — test-time augmentation — аугментация во время теста.
Это способ увеличить качество классификатора за счёт усреднения предсказаний для изображений и их аугментаций.

( Читать дальше )

Использование Raspberry Pi и TensorFlow для автоматической сортировки деталей LEGO


Вдохновившись сортировщиком огурцов, Paco Garcia сконструировал автоматический сортировщик деталей LEGO, используя одноплатный компьютер Raspberry Pi и нейронную сеть Inception V3, реализованную и обученную на TensorFlow.

Принцип работы:
Камера делает фотографию кирпичика LEGO, нейронная сеть на TensorFlow выполняет классификацию детали и на основании этого система решает в какой бокс нужно направить деталь.

Подробности реализации

( Читать дальше )

Внимательное изучение данных - это необходимость

отличие научной  и индустриальной работ в области машинного обучения
Свежая статья Питера Уордена (Pete Warden) — «Почему вам необходимо улучшить свои тренировочные данные и как это сделать? (Why you need to improve your training data, and how to do it) снова поднимает серьёзный вопрос, касающийся практического применения алгоритмов машинного обучения для решения реальных задач.
Автор обращает внимание, что в научной среде, основной упор делается на разработку и исследование работы новых моделей, в то время как в индустрии — больше всего времени тратится на подготовку и обработку самих данных.

( Читать дальше )

Использование свёрточной сети на Raspberry Pi для подсчёта пчёл

детектирование пчёл
Вручную разметив фотографии пчёл и используя нейросетевую архитектуру u-net на одноплатнике Raspberry Pi, автору удалось подсчитывать пчёл на входе в улей.

Частичное обучение


Так как с камеры можно получить большое количество изображений, то можно воспользоваться интересным трюком: частичным обучением, оно же — обучение с частичным привлечением учителя (Semi-supervised learning).

В основе этого трюка лежит очень простой подход:

( Читать дальше )

Использование TensorFlow для распознавания ваших объектов


Чтобы научить нейронную сетку на TensorFlow распознавать нужные вам объекты, вам понадобится несколько сотен изображений этих объектов. Эти изображения можно найти и скачать из интернета, либо сделать собственные фотографии.

( Читать дальше )

Лекция Яндекса о технологиях беспилотных автомобилей


Лекция Антона Слесарева (руководитель проекта беспилотных автомобилей компании Яндекс) о важных компонентах стека технологий, необходимых для работы беспилотного автомобиля.

( Читать дальше )

PiTextReader - система чтения текстов на Raspberry Pi


При помощи одноплатного компьютера Raspberry Pi 3, можно собрать свою собственную систему распознавания и чтения.
Подобная система может позволить людям с нарушением зрения «читать» тексты с конвертов, писем и других предметов.


( Читать дальше )

Проект по распознаванию домашних животных от Microsoft

идентификация кошки
В американских фильмах, мы часто видим, как люди, живущие в своём доме, прорезают во входной двери дополнительную дверку с заслонкой, чтобы их кошка или собака могли самостоятельно уйти гулять.
И вроде бы всё хорошо, но ведь через эту дверку может забраться чужой кот и натворить всяких бед.

Microsoft продемонстрировала проект на базе Windows 10 IoT Core и плате MinnowBoard MAX (или Raspberry Pi 3), к которой подключаются пара PIR-датчиков, web-камера и пара сервомашинок, что позволяет полностью автоматизировать дверь для животных.

( Читать дальше )

AIY Vision Kit - DIY-проект от Google

AIY Vision Kit
Компания Google, представила маленький DIY-набор на основе Raspberry Pi Zero W.
AIY Vision Kit — это набор из картонной коробки, камеры и специальной платы VisionBonnet, которая несёт на себе Intel® Movidius™ MA2450 — специальный процессор обработки изображений, способный работать с нейронными сетями (позволяет работать со скоростью до 30 кадров в секунду, обеспечивая отличную производительность).

( Читать дальше )

Замена клавиатуры - распознавание движения руки


Для распознавания движения в воздухе, Federico Terzi собрал портативное устройство на базе контроллера Arduino, акселерометра MPU-6050 и bluetooth-модуля HC-06.

Для распознавания паттернов движения, использовался Python и библиотека машинного обучения Scikit-learn.

( Читать дальше )