- تحریم نمنه دی؟

پی نوشت: انتشارات وایلی در این صفحه برای ادیتورهای ژورنالهای خود توصیه میکند که مقالات ارسال شده از کشورهایی مثل ایران که شامل تحریم هستند را با دقت بیشتری بررسی کنند و در صورت نیاز درخواست کمک از وکیل و بخش حقوقی نمایند!!!
انگار که مثلا جرمی مرتکب شدیم مقاله نوشتیم فرستادیم!
لینک: https://authorservices.wiley.com/ethics-guidelines/index.html

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

ترکیب ترنسفرمرها با گراف و جریان داده بر روی تویتر:
https://www.linkedin.com/posts/philipvollet_datascience-deeplearning-analytics-activity-6701363886358192128-k9sh

مقاله بدی نیست وقت داشتید یه نگاه بکنید. نویسنده اش هم نمیدونم کیه.
@ai_python

استارتاپ لیگوکاپ
محصول لیگوکاپ پلتفرم مدیریت برگزاری مسابقات است. در واقع زیرساخت کامل برگزاری چالش یا مسابقه رو راه اندازی کردیم و می خوایم پروژه ML و Gesture Recognition رو با کمک شما متخصصان و علاقه‌مندان به این حوزه برای تکمیل این پروژه به صورت مشارکتی به اتمام برسونیم.
توضیح کوتاه از پروژه
تشخیص حرکات ورزش‌های فیزیکی مثل آمادگی جسمانی و ... از طریق فیلم‌برداری گوشی موبایل به صورت real time.
برای دریافت جزئیات به شماره 09132736412 پیام بدین.

#سخت_افزار
#بیومتریک

یک راه آسان برای راه اندازی تشخیص عنبیه چشم به صورت سخت افزاری و کاربردی برای استفاده در دنیای واقعی خواندن و مطالعه این مقاله و پیاده سازی راه کارهاش.
Open Source Iris Recognition Hardware and Software
with Presentation Attack Detection

This paper proposes the first known to us open source hardware and software iris recognition system with presentation attack detection (PAD), which can be easily assembled for about 75 USD using Raspberry Pi board and a few peripherals. The primary goal of this work is to offer a low-cost baseline for spoof-resistant iris recognition, which may (a) stimulate research in iris PAD and allow for easy prototyping of secure iris recognition systems, (b) offer a low-cost secure iris recognition alternative to more sophisticated systems, and (c) serve as an educational platform. We propose a lightweight image complexity-guided convolutional network for fast and accurate iris segmentation, domain-specific human-inspired Binarized Statistical Image Features (BSIF) to build an iris template, and to combine 2D (iris texture) and 3D (photometric stereobased) features for PAD. The proposed iris recognition runs in about 3.2 seconds and the proposed PAD runs in about 4.5 seconds on Raspberry Pi 3B+. The hardware specifications and all source codes of the entire pipeline are made available along with this paper.

لینک مقاله در ادامه :
https://arxiv.org/pdf/2008.08220.pdf

کمک نیاز بود می تونید پیام دهید.

کانال
https://xn--r1a.website/Machinelearning_Kartal/42563

عشقه تراختور

گروه DLeX و آزمایشگاه سامانه‌های پردازش هوشمند رایانه‌ای دانشگاه تبریز با همکاری یکدیگر مدرسه تابستانی زیر را برگزار میکند. دارای مدرک معتبر و امضای همه اساتید سخنران برای شرکت کنندگان این رویداد گواهی صادر خواهد شد

جهت ثبت نام در این مدرسه تابستانی از طریق این لینک اقدام کنید.

https://evnd.co/BaDFs

🔰 @DLeX_AI
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

A nice paper with a great team.
Don't forget teamwork.
Sclera Segmentation Benchmarking Competition 2020
https://www.researchgate.net/publication/343828259_SSBC_2020_Sclera_Segmentation_Benchmarking_Competition_in_the_Mobile_Environment
@MeysamAsgariC
#Biometrics
#Horizon2020
#AMBER
#SSBC_2020

Do you work in #biometrics? Want to hear about our #research findings in the areas of human interactions with mobile devices, security and privacy? Join us #webinar on 20th October check out details here: https://t.co/CiqL7Q6tpy #cybersecurity #security #privacy #project

#Fast_Publication

Fast Publication in Computer Science
Elsevier aims to offer you the fastest possible speed of publication, without compromising on the quality of our peer-review process. This is a promise the editorial and publishing teams work hard to keep. It’s just one of the many reasons you should submit your research to one of Elsevier’s Computer Science journals.



https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals/fast-publication



https://xn--r1a.website/Machinelearning_Kartal/42567

یکی از بیشترین سوالاتی که پرسیده میشه اینه که از کجا و چطور باید شروع کنم (یادگیری عمیق) توی این پست می‌خوام به این سوال پاسخ بدم (تاریخ : ۱۴ آذر ۱۳۹۹)

افرادی که این سوال رو می‌کنند معمولاً دو دسته هستند اونهایی که آکادمیک بصورت خیلی جدی دنبال کردند و تئوری قضیه رو بلدند و اونهایی که هیچ دیدی از تئوری ندارند و بخاطر ترند بودن وارد میشوند.

چندتا فرض : ۱- لینوکس و پایتون رو بلد هستید (پایتون سطح متوسط و لینوکس همون LPIC 1 هم کفایت می‌کنه)
۲- با خوندن کتاب مشکلی ندارید
۳- قرار هست کلا بیخیال یادگیری به زبان فارسی بشید

این لیست کتابهایی هست که پیشنهاد می‌کنم :

1- The hundred-page machine learning (Andriy Burkov)

این کتاب برای کسایی هست که یادگیری ماشین رو خیلی خیلی کم میشناسند، قبل از این که بخواید وارد بشید لازمه اول مطمئن بشید همون چیزی هست که فکرشو می‌کردید.

2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)

نیازی به تعریف نداره بهترین کتاب برای شروع کد زدن بدون ریاضیات پیچیده، بهمراه تئوری کافی.

اینجا مرحله‌ای هست که دانشگاهی و آموزشگاهی و ... و خیلی از افرادی که دارند کار می‌کنند (حدود ۹۵٪) میزنن جاده خاکی یا درحال پیاده‌سازی ایده‌ها و روش‌های مختلف هستند یا درحال خوندن مقالات روز دنیا، اینکه شما چقدر تسلط دارید و چقدر عالی مدل‌هارو ایجاد می‌کنید ی بحث هست اما اینکه آیا واقعاً این مدل می‌تونه به تمام مشتریان شما در زمان مناسب پاسخ بده و .... بحث مهمتری هست.

3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)

برای شروع کتاب خوبی هست، البته مطالبی که توی کتابهای قبلی خوندید رو می‌تونید فقط نگاهی بندازید.

4- Machine Learning Engineering (Andriy Burkov)

مباحث مربوط به سرویس دهی و ... از یک جایی به بعد نیاز به ML engineer داره اما لازمه شما با این مباحث آشنایی کامل داشته باشید مخصوصاً اگر قراره پروژه خودتون رو راه بندازید.

5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)

این بخش خیلی خیلی مهمه، قرار نیست تا ابد هر چندوقت یکبار بشینید و بصورت دستی دیتا جدید رو ترین کنید و همه مراحل رو پیش بگیرید باید از data pipeline ها استفاده کنید (چیزی که خیلی خیلی کم دیده می‌شه)

6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)

شاید هیچ وقت لازم نشه روی این سخت‌افزارها سرویس دهنده باشید، اما چیزهایی که توی این کتاب قرار هست یاد بگیرید واقعاً واجب هست.

7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)

تا اینجا بصورتی بود که خسته کننده نباشه و کدینگ و ... هم پیش بره اما کم کم باید وارد مباحث تئوری و ریاضیات هم شد.

8- d2l.ai

بخش تئوری این کتاب شامل کلی tips and tricks می‌شه که جالب هستند.

9- deeplearningbook.org

همه‌ی تئوری‌ها و ریاضیاتی که پیچوندید رو باید بالاخره یاد بگیرید :)

امیدوارم این لیست مفید باشه، سعی کردم کتابهایی که خوب هستند یا خودم خوندم و نتیجه گرفتم رو فقط معرفی کنم وگرنه این لیست ادامه دار بود.

امیدوارم مفید باشه 🌹
#چطور_شروع_کنیم

#دانشجو
#روز_دانشجو
#دانشگاه
#روشن_فکر
#student_day
دانشجوی روشن و آزاد اندیش، آزاد از هر گونه تعصب مذهبی و سیاسی، سازنده یک کشور خوب هست.
روزتون مبارک دانشجوهای هم فکر

با تشکر
جلیل نورمحمدی خیارک

https://xn--r1a.website/Machinelearning_Kartal/42568

چندین موقعیت دکترا در سراسر اروپا
مرسی از مهدی عزیز بابت اشتراک در کانالش ( @research_news)

دوستان توجه کنید این موقعیت دکترا پذیرش اش خیلی آسونه و زبان هم لازم نداره....
در واقع چون نمی توانند از کشور خود دانشجو بردارن شانس ایرانیا در این رقابت ها بالاست. شرایط حقوق اش هم عالیه نسبتا به فاندهای دیگر.
حمایت اش هم عالیه .... هر کلاس و کنقرانس بخوای می فرستد... رفتم می گما 😁😁 (جلیل نورمحمدی خیارک)
APROPOS - Approximate Computing for Power and Energy Optimisation
project is hiring 15 "Early Stage Researchers" for PhD positions in
several locations across Europe (Finland, Sweden, The Netherlands,
Austria, Switzerland, Italy, France, Spain, The UK) in 36 month contracts.

See the ESR positions at https://projects.tuni.fi/apropos/ and apply
by January 31 if you are eligible. Queries to info.apropos@tuni.fi<mailto:info.apropos@tuni.fi

En 🇺🇲: Happy New Year 2021
تۆرکجه 🇮🇷: تزه میلادی اؽل مۆبارک اۆلسون 2021
فارسی 🇮🇷: سال نو میلادی مبارک باد
#سال_نو #تزه_اؽل #میلادی #مبارک #موتلو
#happy #happynewyear #newyear #christmas
https://www.instagram.com/p/CJe43ydlP-B/?igshid=69xtrhbild1k

اگر در حوزه بیومتریک فعالیت می کنید دعوت می شود که در سمینار زیر شرکت کنید.

Dear colleague and friend!
This gentle reminder to hope you will join us for EAB’s FREE 13th lunch time Online Seminar for an intriguing topic delivered by Pr. Adam Czajka: ” Is That Eye Dead or Alive? Recognition of Presentation Attacks in Iris Biometrics ”!
The event will be run virtually on our proprietary BBB Platform on Tuesday January 12, 2021 at 12:30 pm CET.

If you have not done so yet and wish to attend, please pre-register immediately at: https://eab.org/events/registration/235.

Program details are visible here: https://eab.org/events/program/235
با تشکر
جلیل نورمحمدی خیارک

https://xn--r1a.website/Machinelearning_Kartal

مقالات تیمی که دوستان اخیرا در سال 2020 نوشتن برایم جالب بود که باهاتون به اشتراک بگذارم.
البته بنده هم با این تیم با اکثرا اعضاشون افتخار همکاری داشتم. با بعضی ها دوستی با بعضی هاشون کار علمی. بالاخره چون سطح علمی شان برایم ثابت شده هست جا داشت اشتراک بگذارم و از این کار ایده بگیرید و اگر سوالی داشتید نویسنده ها در گروه زیر هست می توانید مطرح کنید اونجا و جواب بگیرید.

https://xn--r1a.website/joinchat/Ndag9EZKfp1bELn8GoeWcA


TopicBERT: A Transformer transfer learning based memory-graph approach for multimodal streaming social media topic detection
M Asgari-Chenaghlu, MR Feizi-Derakhshi, MA Balafar, C Motamed
https://arxiv.org/abs/2008.06877 2020
BERTERS: Multimodal Representation Learning for Expert Recommendation System with Transformer
N Nikzad-Khasmakhi, MA Balafar, MR Feizi-Derakhshi, C Motamed
https://arxiv.org/abs/2007.07229 2020
A multimodal deep learning approach for named entity recognition from social media
M Asgari-Chenaghlu, MR Feizi-Derakhshi, L Farzinvash, C Motamed
https://arxiv.org/abs/2001.06888 2020

ExEm: Expert Embedding using dominating set theory with deep learning approaches
N Nikzad-Khasmakhi, MA Balafar, MR Feizi-Derakhshi, C Motamed
https://arxiv.org/abs/2001.08503


https://xn--r1a.website/Machinelearning_Kartal

امروز یک سمینار در حوزه بیومتریک بود عنوان اش
Prof. Andrzej Czyzewski from Gdansk University of Technology on: “Verification of Banking Clients Based on Multimodal Biometrics”.

از پرفسور سوال پرسیدم و این جواب رو دادند: که شاید برای کار تحقیقاتی به عنوان ایده جدید به کار بگیرید:
Thank you for your presentation, Have you checked the reliability of the multimodal system which you proposed? 2- How did you use one DNN method for extracting features from all modalities? did you merge all data together or separately? 3- Based on your experience do you think that Iris and face can be good multimodal to use in mobile applications? 4- What kind of method have you used for PAD?

If you ask about the reliability of the whole multimodal system, it was not the target of the first projekt - we focused on reliability of individual modalities and on comparing them. The global effectiveness is the target of the present project. The modalitoes are processed separately. The global decision system, nalely the fusion module will be base on the rules, not on DNN. We just started engineering mobile version of the system. We do not use iris recognition in this context. Presentation attack detection are addressed in face recognition (we use 3D cameras) and coice (Mr. Zaporowski is talking now about this topic). Andrzej Czyzewski
کانال :

https://xn--r1a.website/Machinelearning_Kartal

چند روز پیش یه سوال در مورد سگمنتیشن پرسیده بودم در یکی از گروه های فعال دیپ لرنینگ جوابی برایش یافتم که دوست داشتم به اشتراک بگذارم:

دوستان سلام
#نرم_افزار انوتیشن برای #سگمنتیشن تصویر که خروجی تصویر بگیریم ازش چی پیشنهاد می دهید؟ خیلی ها رو چک کردم خروجی تصویر نمی دادن. ممنون می شم اشتراک بگذارید.
خیلی ها گفتن که نرم افزاری که خروجی تصویر بده نداریم. ولی من تونستم یک تولز( CVAT )خیلی خوبی پیدا کنم و در لینوکس با موفقعیت ازش خروجی گرفتم.:
نحوه اجرا و نصب :
https://github.com/openvinotoolkit/cvat/blob/develop/cvat/apps/documentation/installation.md#windows-10

کانال:
https://xn--r1a.website/Machinelearning_Kartal

مرسی گوگل که آرزومو براورد کردی. دیگه نابینایان عزیز هم می تونند دنیا رو حس کنند.

When I became 22-year old I start thinking of a #machine to help blind people I couldn't achieve. But it was always a dream for me to do it.Thanks,
@Google
for making my wishes true.

Google AI to create a set of AI-powered spectacles that help blind and visually-impaired people to see. The glasses extract visual information about images of people, belongings, and public transport, and then speak about them out loud. Let’s have a brief discussion on this technique. Reference :
https://www.i2tutorials.com/googles-artificial-intelligence-powered-smart-glasses-help-the-blind-to-see/?fbclid=IwAR3nsRIyxQiVj6tFWARk9qzt_opii-PiDC5t6A7J05uLWTLU8nB9zIcTNtI

#python #machinelearning #artificialintelligence #datascience #computervision #googleAI
#AIpoweredspectacles #blind #impairedpeople #software #opticalcharacterrecognition

کانال:
https://xn--r1a.website/Machinelearning_Kartal

Its my honor to serve #tensorflow user group community as Azerbaijan, as speaker on cutting edge research in #Tensorflow. This event is scheduled as follow:
(6th March)
5.45PM - Keynote .
6.00PM - What’s New in TensorFlow 2.4? Sergii Khomenko , #Stylight
6.40PM - Introduction to On-device Machine Learning Karthik Muthuswamy , #sap
7.20PM - NLP using Tensorflow HUB Luiz GUStavo Martins, from #Google
8.00PM - Zero to Hero with TensorFlow Josh Gordon , from #Google
8.45PM - Cutting Edge Research in TensorFlow , me :) , #IBAR
9.30PM - Superpowers with TensorFlow.js , Jason Mayes , from #Google.

(+4GMT, baku time.)

Special thanks for supporting this event by The International Bank of Azerbaijan. Specially :
Nihat Şenyuva Mustafa Basarir Zaur Alakbarov Leyla Hajieva Zara Ibrahimzade and many others. Last but not least Nijat Zeynalov and #Tensorflow community and #google developers group.

Event Link on Google:
https://lnkd.in/eU6MgE9

Registration Form:
https://lnkd.in/eZKaXJp

Event link on Linkedin:
https://lnkd.in/eNVDzGX