خیلی از دوستان با آگمنت کردن دیتا برای آبجکت دیتکشن مشکل دارند و این سوالی هست که بسیار از بنده پرسیده میشه
این بلاگ پست ۴ قسمتی، بسیار عالی این مسئله رو توضیح میده
امیدوارم مفید باشه
“Data Augmentation for Object detection: Rethinking image transforms for bounding boxes” by Team Paperspace https://medium.com/paperspace/data-augmentation-for-object-detection-rethinking-image-transforms-for-bounding-boxes-fe229905a1c3
این بلاگ پست ۴ قسمتی، بسیار عالی این مسئله رو توضیح میده
امیدوارم مفید باشه
“Data Augmentation for Object detection: Rethinking image transforms for bounding boxes” by Team Paperspace https://medium.com/paperspace/data-augmentation-for-object-detection-rethinking-image-transforms-for-bounding-boxes-fe229905a1c3
Medium
Data Augmentation for Object detection: Rethinking image transforms for bounding boxes
When it comes to getting good performances from deep learning tasks, the more data the merrier. However, we may only have limited data with…
بهترین مقالات در سال میلادی ۲۰۱۹
https://heartbeat.fritz.ai/2019s-top-machine-and-deep-learning-research-papers-1ec363f29e85
https://heartbeat.fritz.ai/2019s-top-machine-and-deep-learning-research-papers-1ec363f29e85
Fritz ai
Top Machine and Deep Learning Research Papers - Fritz ai
Having had the privilege of compiling a wide range of articles exploring state-of-art machine and deep learning research in 2019 (you can find many of them here), I wanted to take a moment to highlight the ones that I found… Continue reading Top Machine and…
Dige Dire
Turaj Shabankhani
خبر کوتاه بود و جانسوز،
به یاد تورج شعبانخانی، روحش شاد و یادش گرامی
به یاد تورج شعبانخانی، روحش شاد و یادش گرامی
Spleeter by Deezer
یک کتابخانه فوقالعاده پایتونی برای جداسازی موسیقی متن (حتی براساس نوع ساز) و ... با دقت بسیار بالا به کمک دیپلرنینگ هست (چیزی که سالها نیاز صنعت موسیقی بوده)
کاربرد دیگر اینکه اگه دیتاست ویس دارید و داخلش پر از موسیقی متن هست با این ابزار به راحتی دیتاتون رو میتونید پاک سازی کنید.
https://github.com/deezer/spleeter
یک کتابخانه فوقالعاده پایتونی برای جداسازی موسیقی متن (حتی براساس نوع ساز) و ... با دقت بسیار بالا به کمک دیپلرنینگ هست (چیزی که سالها نیاز صنعت موسیقی بوده)
کاربرد دیگر اینکه اگه دیتاست ویس دارید و داخلش پر از موسیقی متن هست با این ابزار به راحتی دیتاتون رو میتونید پاک سازی کنید.
https://github.com/deezer/spleeter
GitHub
GitHub - deezer/spleeter: Deezer source separation library including pretrained models.
Deezer source separation library including pretrained models. - deezer/spleeter
گیتهاب پیادهسازی رسمی انویدیا لب (تنسورفلو)
Noise2Noise: Learning Image Restoration without Clean Data
این تحقیق علاوه بر تصاویر روزمره روی تصاویر MRI نیز تست شده
Github Link
Noise2Noise: Learning Image Restoration without Clean Data
این تحقیق علاوه بر تصاویر روزمره روی تصاویر MRI نیز تست شده
Github Link
👍1
یک بلاگ پست بسیار کامل برای تشخیص اخبار دروغ :
https://www.analyticsvidhya.com/blog/2019/12/detect-fight-neural-fake-news-nlp/
https://www.analyticsvidhya.com/blog/2019/12/detect-fight-neural-fake-news-nlp/
Analytics Vidhya
An Exhaustive Guide to Detecting and Fighting Neural Fake News using NLP
Neural fake news is a nuisanse these days. We can use state-of-the-art natural language processing (NLP) techniques to detect and fight it.
توی کار دیپلرنینگ وقتی به یک مسئله جدید میرسیم با دیتاست جدید، بطوری که تا بحال مشابه اون حل نشده
اینطور شروع میشه که بر اساس سعی و خطا و یا تجربیات یک شبکه ساخته میشه و اجرا میشه
بعد از اون با سعی و خطا، پارامترها و ... تغییر پیدا میکنه تا به بهترین نتیجه برسیم (این فرمول برای تمام مسائل جدید ثابت هست ؛ ی نگاه به کگل کنید و تعداد ثبت نتایج تیمها)
برای خیلیها سوال اینه که چطور این پارامترها رو باید تغییر داد و چه مقداری بهترین نتیجه رو میده (توی مسائل جدید، سعی و خطا بیشتر لازمه و تجربه میتونه کمک کنه)
Keras-Tuner
یکی ازون پیکجهای عالی هست که یک فضای جستجو براش تعریف میشه و چیزهای مختلف رو برای بهبود تارگت تست میکنه، فقط باید دقت کنید که این فضا و تعداد پارامترهای مورد جستجو رو چقدر بزرگ دارید در نظر میگیرید
اینطور شروع میشه که بر اساس سعی و خطا و یا تجربیات یک شبکه ساخته میشه و اجرا میشه
بعد از اون با سعی و خطا، پارامترها و ... تغییر پیدا میکنه تا به بهترین نتیجه برسیم (این فرمول برای تمام مسائل جدید ثابت هست ؛ ی نگاه به کگل کنید و تعداد ثبت نتایج تیمها)
برای خیلیها سوال اینه که چطور این پارامترها رو باید تغییر داد و چه مقداری بهترین نتیجه رو میده (توی مسائل جدید، سعی و خطا بیشتر لازمه و تجربه میتونه کمک کنه)
Keras-Tuner
یکی ازون پیکجهای عالی هست که یک فضای جستجو براش تعریف میشه و چیزهای مختلف رو برای بهبود تارگت تست میکنه، فقط باید دقت کنید که این فضا و تعداد پارامترهای مورد جستجو رو چقدر بزرگ دارید در نظر میگیرید
❤1
Reward Modelling :
استراتژی بهتری برای امتیار دهی به مدلهای
Reinforcment
https://openai.com/blog/deep-reinforcement-learning-from-human-preferences/
استراتژی بهتری برای امتیار دهی به مدلهای
Reinforcment
https://openai.com/blog/deep-reinforcement-learning-from-human-preferences/
Openai
Learning from human preferences
One step towards building safe AI systems is to remove the need for humans to write goal functions, since using a simple proxy for a complex goal, or getting the complex goal a bit wrong, can lead to undesirable and even dangerous behavior. In collaboration…
تنسورفلو نسخه ۲.۱ هم منتشر شد، و آخرین نسخهایی هست که از پایتون ۲.۷ پشتیبانی میکنه
Github release link
Github release link
GitHub
Releases · tensorflow/tensorflow
An Open Source Machine Learning Framework for Everyone - tensorflow/tensorflow
کار با گرافها و استخراج ویژگی به کمک
DeepWalk
یک بلاگ پست ، به منظور آشنایی برای دوستان علاقهمند
Link
DeepWalk
یک بلاگ پست ، به منظور آشنایی برای دوستان علاقهمند
Link
Analytics Vidhya
Learn How to Perform Feature Extraction from Graphs using DeepWalk
Guide to graph representation of data and how to perform feature extraction from graphs using DeepWalk. Learn about DeepWalk and its python implementation
Read "Knowledge Graph - A Powerful Data Science Technique to Mine Information from Text (with Python code)"
Analytics Vidhya
Knowledge Graph: Data Science Technique to Mine Information from Text (with Python code)
Exlpore knowledge graphs, including their representation, entity extraction, relation extraction, and practical steps to build. Read More!
Best part of Deeplearning.ai weekly news :
Link
با استفاده از یک GPU و ۲۴ ساعت زمان ترین دقت خیلی خوبی گرفته
Link
با استفاده از یک GPU و ۲۴ ساعت زمان ترین دقت خیلی خوبی گرفته
#CES2020
بیشترین خبری که برای من فروارد شد(البته چک نکردم که چقدر صحت داره) ماشینهای هوشمند و دیگر تجهیزات هوشمند؛ با پشتیبانی از فرمان صوتی برای مثلاْ باز شدن درها و ... بود؛ خیلیها هیجان زده شدند مخصوصاْ راجب ماشینها و عدم نیاز به همراه داشتن کلیدها و ...
ویدئو که لینکش رو آخر متن قرار میدم نشون میده که چطور گروهی از متخصصین تونستن به کمک لیزر به این ابزارها حمله کنند و از فواصل دور بهشون دستور بدند
شاید هنوز وقت استفاده ازین تکنولوژیها نرسیده
Youtube, Link
بیشترین خبری که برای من فروارد شد(البته چک نکردم که چقدر صحت داره) ماشینهای هوشمند و دیگر تجهیزات هوشمند؛ با پشتیبانی از فرمان صوتی برای مثلاْ باز شدن درها و ... بود؛ خیلیها هیجان زده شدند مخصوصاْ راجب ماشینها و عدم نیاز به همراه داشتن کلیدها و ...
ویدئو که لینکش رو آخر متن قرار میدم نشون میده که چطور گروهی از متخصصین تونستن به کمک لیزر به این ابزارها حمله کنند و از فواصل دور بهشون دستور بدند
شاید هنوز وقت استفاده ازین تکنولوژیها نرسیده
Youtube, Link
YouTube
Breaking Into a Smart Home With A Laser - Smarter Every Day 229
If you feel like this has earned your support on Patreon please consider clicking here: https://www.patreon.com/smartereveryday
**Note 12/28/19: The lock company notified me that they've updated their software to lock the user out after 4 incorrect attempts…
**Note 12/28/19: The lock company notified me that they've updated their software to lock the user out after 4 incorrect attempts…
یکی از جذابترین گجتها که توی CES امسال معرفی شد؛
Next Mind
هست که بطور RealTime سیگنال مغز رو تیدیل به فرمان برای کنترل چیزهای مختلف (تلویزیون ؛ ضبط و ... ) میکنه
شخصاْ فکر میکنم از دیپلرنینگ برای پردازش سیگنالها و تغییر اون به دستورات استفاده میکنه (شخصاْ موفقیت آمیز بودن این موضوع رو قبلاْ تست کردم؛ اما فقط برای دستورات بسیار بسیار ساده)
https://www.next-mind.com/
Next Mind
هست که بطور RealTime سیگنال مغز رو تیدیل به فرمان برای کنترل چیزهای مختلف (تلویزیون ؛ ضبط و ... ) میکنه
شخصاْ فکر میکنم از دیپلرنینگ برای پردازش سیگنالها و تغییر اون به دستورات استفاده میکنه (شخصاْ موفقیت آمیز بودن این موضوع رو قبلاْ تست کردم؛ اما فقط برای دستورات بسیار بسیار ساده)
https://www.next-mind.com/
❤1
حذف نویز از تصاویر به کمک AutoEncoder ؛
اصطلاحا این نوع نویز رو که توی تصاویر دوربینهای مداربسته بسیار دیده میشه،
Salt & Pepper
میگن بهش، اینکار برای یک پروژه ثبت اتومات ساعت ورود و خروج و ثبت پلاک در پایگاه داده هست (متاسفانه نمیتونم دادههای پلاکهارو قرار بدم، اما مهم نیست)
نویزهای مختلفی روی تصاویر دریافتی از دوربینها وجود داره توی این پروژه، راهکار قبلی این بوده که دیتارو بصورت تصویر داخل دیتابیس نگهداری میکردند، بخاطر حجم و مشکلات مختلف چیز خوبی نبود و نهایتاً تا ۴ ماه دیتارو نگهداری میکردند.
راهکار : استفاده از دیپلرنینگ و ذخیره شماره پلاک بصورت متن، اما مشکل وجود نویزهای فراوان بود که دقت مدل رو پایین میاورد و اتوانکودر تونست به راحتی این مشکل رو حل کنه
جالبه که حجم هردو مدل (اتوانکودر و کلسیفیکیشن) باهم کمتر از ۵۰۰ کیلوبایت هست، و هر دو مدل بصورت
RealTime
روی raspberry درحال اجرا هستند (این پروژه برای پارکینگ یک مجتمع فروشگاهی خصوصی زده شده؛ و جنبه امنیتی و تبلیغاتی و ... خواهد داشت)
#پروژه_آخر_هفته
اصطلاحا این نوع نویز رو که توی تصاویر دوربینهای مداربسته بسیار دیده میشه،
Salt & Pepper
میگن بهش، اینکار برای یک پروژه ثبت اتومات ساعت ورود و خروج و ثبت پلاک در پایگاه داده هست (متاسفانه نمیتونم دادههای پلاکهارو قرار بدم، اما مهم نیست)
نویزهای مختلفی روی تصاویر دریافتی از دوربینها وجود داره توی این پروژه، راهکار قبلی این بوده که دیتارو بصورت تصویر داخل دیتابیس نگهداری میکردند، بخاطر حجم و مشکلات مختلف چیز خوبی نبود و نهایتاً تا ۴ ماه دیتارو نگهداری میکردند.
راهکار : استفاده از دیپلرنینگ و ذخیره شماره پلاک بصورت متن، اما مشکل وجود نویزهای فراوان بود که دقت مدل رو پایین میاورد و اتوانکودر تونست به راحتی این مشکل رو حل کنه
جالبه که حجم هردو مدل (اتوانکودر و کلسیفیکیشن) باهم کمتر از ۵۰۰ کیلوبایت هست، و هر دو مدل بصورت
RealTime
روی raspberry درحال اجرا هستند (این پروژه برای پارکینگ یک مجتمع فروشگاهی خصوصی زده شده؛ و جنبه امنیتی و تبلیغاتی و ... خواهد داشت)
#پروژه_آخر_هفته
❤1