AI Explainability

Jörg Helbig from Cognitec presented presentation attacks detection in border control applications.
#Biometrics
#deeplearning
#PAD
#amber
#eab https://t.co/ZjwpIhyCOf

Video Generation With pix2pix

https://medium.com/@jctestud/video-generation-with-pix2pix-aed5b1b69f57

Boost your CNN image classifier performance with progressive resizing in Keras

کسانی که قبلا کورس های جرمی هاوارد (fast.ai) را دیده باشند با این ایده آشنا هستند...
https://towardsdatascience.com/boost-your-cnn-image-classifier-performance-with-progressive-resizing-in-keras-a7d96da06e20

#fun

خلاقیت برای در امان ماندن از ویروس کرونا!

مسابقه طراحی دارو، واکسن و... جهت مقابله با ویروس کرونا با استفاده از روش‌های یادگیری‌ ماشین و یادگیری عمیق

دنباله (Sequence) این ویروس توسط چینی‌ها منتشر شده است.
Novel Corona Virus 2019 Dataset in Kaggle:
https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset

ویدئو توضیحات در مورد ویروس کرونا و مسابقه:
https://youtu.be/1LJgkovowgA

@Ai_Events

به مناسبت روز مهندس، تا آخر هفته (9 اسفند) می‌توانید با خرید هر دو دوره مقدماتی و پیشرفته سایت 30% تخفیف بگیرید.

کد تخفیف:
engdaye

مهلت استفاده : (9 اسفند)

جهت استفاده قبل از اعمال کد، باید دو دوره ی
موجود را در سبد خرید خود اضافه کنید.
کافی است با مراجعه به آدرس

http://class.vision/deeplearning2/

در انتهای صفحه، در قسمت "خرید فیلم دوره" هر دو دکمه را کلیک کرده و سپس خرید خود را نهایی و کد را قبل از ورود به درگاه بانک وارد کنید.

————————

یا اگر فقط یک دوره را میخواهید کد 20 درصد زیر روی هر یک از دوره ها جداگانه کار میکند

engday20

نتایج CVPR 2020 اعلام شد: تعداد ۱۴۷۰ مقاله از ۶۶۵۶ مقاله ارسالی پذیرفته شدند.(حدود ۲۲ درصد نرخ پذیرش مقالات)

https://github.com/lixin4ever/Conference-Acceptance-Rate

#CVPR #CVPR2020

Disappearing-People - Person removal from complex backgrounds over time.

حذف افراد از پس زمینه پیچیده با نسخه جاوا اسکریپت تنسرفلو
https://github.com/jasonmayes/Real-Time-Person-Removal

Live Demos:
Codepen.io: https://codepen.io/jasonmayes/pen/GRJqgma
Glitch.com: https://glitch.com/~disappearing-people

کاربرد و نمونه دیگر:
https://xn--r1a.website/cvision/1692

کاربرد:
https://xn--r1a.website/cvision/1691
یکی تو توئیتر نویسنده کد فیلم معروف بالا را فرستاده و بهش گفته برای این ایده خوبیه. و خروجی زیرو نویسندش فرستاده.

لینک به توئیت
https://twitter.com/jason_mayes/status/1229658227127676931?s=20

#خبر
#face
https://www.abacusnews.com/tech/wearing-mask-wont-stop-facial-recognition-anymore/article/3051388


Wearing a mask won’t stop #facial_recognition anymore
The coronavirus is prompting facial recognition companies to develop solutions for those with partially covered faces😳

@cvision

#آموزش
https://stanford.edu/~shervine/teaching/cs-229/refresher-probabilities-statistics

خلاصه ی آمار و جبر برای یادگیری ماشین، استفورد (زبان فارسی هم داره)

🙏Thanks to: @Sed_Amin_Taheri

بخش دوم پست آموزشی اتوانکودرها در مورد از بین بردن نویز تصاویر

https://www.pyimagesearch.com/2020/02/24/denoising-autoencoders-with-keras-tensorflow-and-deep-learning/

می‌خواهید یادگیری عمیق را فرابگیرید؟

An AI Curriculum – a combination of open lectures provided by MIT, Stanford University and UC Berkeley

✅MIT 6.S191: Introduction to Deep Learning
✅ CS231n: CNNs for Visual Recognition, Stanford | Spring 2019
✅ CS224n: NLP with Deep Learning, Stanford | Winter 2019
✅ CS285: Deep Reinforcement Learning, UC Berkeley | Fall 2019

https://github.com/Machine-Learning-Tokyo/AI_Curriculum

#منبع #کورس #ویدیو

CS 330: Deep Multi-Task and Meta Learning

Want to learn about meta-learning? Lecture videos for CS330 are now online!

https://www.youtube.com/playlist?list=PLoROMvodv4rMC6zfYmnD7UG3LVvwaITY5

Topics incl. MTL, few-shot learning, Bayesian meta-learning, lifelong learning, meta-RL & more:

cs330.stanford.edu

روش موثر خواندن مقالات یادگیری ماشین...

این خلاصه از درس Standford CS230 #نحوه_خواندن_مقاله از Andrew ng هست.
روش اول خواندن مقاله به صورت فقط مقاله خداندن و فهمیدن متد:
1- Title/abstract/ figures
2- introduction/ conclusion/ figures/ skim rest
3- read paper but skip the math.
4- read whole paper but skip part that doesn't make sense.

چه چیزی باید از مقاله در بیاوریم:
1- what did authors try to accomplish?
2- what were the key elements of the approach?
3- what can you use yourself?
4- what other references do you want to follow?

روش خوب برای پیدا کردن اخبار مقالات (این مختص مقالات ماشین لرنینگ هست) :
1- Twitter
2- ML sub reddit
3- nips /icml/ iclr
4- friends

🌹🌱💭 روش دوم : یادگیری دیپ پیپر :
1- re-derive from scratch the paper

کد مقاله رو چیکار باید کرد:
1- download and run open source code
2- reimplement it from scratch

مرتبط با:
https://xn--r1a.website/cvision/1673

🙏Thanks to: @Machinelearning_Kartal

#مجموعه_داده
نسخه جدید opendataset منتشر شد.

GoogleAI presents #OpenImagesV4, a dataset of 9.2M images with unified annotations for image classification, object detection and visual relationship detection.

paper(Pre-print accepted to #IJCV):
https://arxiv.org/pdf/1811.00982v2.pdf
website:
https://storage.googleapis.com/openimages/web/index.html

30.1M image-level labels for 19.8k concepts, 15.4M bounding boxes for 600 object classes.

Join us: @cvision