میشه گفت یادگیری و پیاده سازی Object Dection توی Application های معروف Computer vision از همه سخت تره. اما چندتا محقق اومدن و این ایده رو دادن که بیایم با این تسک هم شبیه Image Captioning برخورد کنیم و فقط یه Language Model داشته باشیم که Cordination ها و نوع object رو پشت سر هم مثل یه جمله تولید کنه. این بلاگ پست، مقاله رو همراه با توضییح خوبی پیاده سازی کرده.


لینک به بلاگ پست تو towards AI

وبینار آموزشی مهندسی کلان‌داده

در این وبینار آموزشی رایگان از سری وبینار‌های مدرسه جهانی هوش مصنوعی (https://soai.world) در ایران، طی مدت ۲ ساعت، با مفاهیم و جدیدترین تکنولوژی‌ها و راهکار‌های مواجه شدن با کلان‌داده‌ها (‌‌‌‌Big Data) آشنا خواهید شد. همچنین در این وبینار به معرفی روش‌های Stream Processing برای حل به‌روزترین چالش‌های مهندسی داده در صنعت مثل Real-time Machine Learning خواهیم پرداخت.
شرکت در این وبینار به همه دانشجویان، مهندسین و علاقه‌مندان به مهندسی نرم‌افزار، تحلیل داده، علوم داده، مهندسی داده و یادگیری ماشین پیشنهاد می‌شود. این وبینار پیش‌نیازی برای وبینار بعدی (پردازش موازی و مقیاس‌پذیر داده‌ها در پایتون به کمک Dask) است.

ارايه توسط حمیدرضا حسین‌خانی
- مدرس دانشکده کامپیوتر دانشگاه صنعتی شریف
- راهبر فنی علوم داده در شرکت اسنپ‌فود
- نماینده بنیاد School of AI در ایران

زمان: جمعه ۱۸ شهریور ساعت ۱۰ صبح
مکان: سامانه کلاس‌های مجازی دانشگاه صنعتی شریف

هوش مصنوعی و صنعت #فشن!

جزوه کورسهای یادگیری عمیق Andrew Ng

سلام دوستان، برای ارتقا پروژه ای(تشخیص زنده بودن فرد نسبت به حملاتی نظیر پرینت)  نیاز به داده ی چهره و انجام یک چالش(حرکت چهره) دارم.
الان فقط داده ی حرکت چهره مورد نیازه و
توی لینک زیر، تمامی اطلاعات نظیر دریافت کدملی و ... را غیرفعال کردم که دغدغه ی privacy نداشته باشید،

اگر لطف کنید روی لینک بزنید و یکبار روال را طی کنید خیلی ممنون میشوم🌹🌹

http://kyc.meee.ir/g/api/v.1.0/test/3/alireza

بلاخره ضبط دوره opencv تمام شد، به زودی ، در چند هفته ی آتی، این کورس در ۹ فصل منتشر خواهد شد.

نیازمند یاری سبزتون هستم :)

#آموزش #بلاگ
📢 پست‌ جدید وبلاگ شناسا،
📝 آشنایی با Tensorflow XLA

🔗 https://vrgl.ir/eMoN7


🖊 مترجم XLA راهکاری برای افزایش سرعت آموزش و تست مدل‌های Tensorflow بدون تغییر اساسی در کد و کاهش پویایی این کتابخانه است. در این مطلب تلاش کردیم تا مفاهیم آن را به صورت مقدماتی توضیح دهیم و نحوه استفاده از XLA را در کدها بررسی کنیم.

ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزش‌های آینده را پیشنهاد بدهید.

————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai

#relight
Online Demo:
https://clipdrop.co/relight

How realtime relighting of a picture is possible?!

https://twitter.com/dh7net/status/1567813176317575171

#مجموعه_داده #دیتاست #nlp #فارسی
پیکره‌ متنی ناب.

این پیکره مجموعه پاک‌سازی شده و قابل استفاده مستقیم برای محققان حوزه پردازش زبان طبیعی در فارسی است. این مجموعه شامل حدود ۱۳۰ گیگابایت دیتا متنی شامل ۲۵۰ میلیون پاراگراف و ۱۵ میلیارد کلمه است.
همچنین نسخه خام ناب به همراه اسکریپت پیش پردازش (استفاده شده برای تمیز‌سازی داده) در اختیار عموم قرار گرفته تا به کمک آن بتوانید نسخه تمیز شده‌ پیکره خود را بسازید.
از این پیکره می‌توان برای fine-tune کردن مدل‌های زبانی - که در اصل برای زبان انگلیسی تهیه شده‌اند - برای زبان فارسی نیز استفاده کرد. از جمله این مدل‌های زبانی می‌توان به BERT, BART, T5 و ... اشاره کرد.

+ https://arxiv.org/abs/2208.13486
+ https://huggingface.co/datasets/SLPL/naab
+ https://huggingface.co/datasets/SLPL/naab-raw

@cvision

Browse visually the Stable Diffusion Concepts Library - and use more than 100+ community taught concepts in your prompt directly on the same UI!

https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/stable_diffusion_textual_inversion_library_navigator.ipynb#scrollTo=rnhKBvKidtxK

وقتی استاد میگه جواب تو کتابه...

#fun

این روش از اصول فیزیکی الکترواستاتیک الهام گرفته شده است!
💻 Algorithm: https://lnkd.in/eyT2M8U5
🧠 The Model: https://lnkd.in/efu_RMFJ
👉 Results: https://lnkd.in/eK8j6Yn7

Tracking Any Pixel in a Video

💻Code: https://github.com/aharley/pips/
🗒Blog: https://blog.ml.cmu.edu/2022/09/09/tracking-any-pixel-in-a-video/
📝Paper: https://arxiv.org/abs/2204.04153