Počítačoví vedci z Nvidie, University of Toronto a Vector Institute of Artificial Intelligence v Toronte vymysleli spôsob, ako presnejšie odhaliť a predpovedať, kde sa objekt začína a končí. Tento druh vedomostí môže pomôcť zlepšiť odvodenie súčasných modelov počítačového videnia a zároveň podporiť označovanie tréningových údajov pre budúce modely.
V sérii experimentov výskumného tímu vedci zistili, že model umelej inteligencie Semanically Thinned Edge Alignment Learning (STEAL) môže pomôcť zlepšiť presnosť predikčného modelu „sémantických hraníc“. Schopnosť presnejšie identifikovať hranice a okraje objektu by mohla mať praktické využitie pri úlohách počítačového videnia, od generovania obrazu až po rekonštrukciu 3D priestoru na detekciu objektov.
Učenie sémanticky tenkých okrajov (STEAL)
STEAL možno použiť na zlepšenie existujúcich CNN alebo modelov detekcie okrajov objektov, ale výskumníci sa tiež domnievajú, že im to môže tiež pomôcť efektívnejšie označovať alebo anotovať údaje. Modely počítačového videnia. Aby to dokázali, vedci použili metódu STEAL na spresnenie Cityscapes – súbor údajov s obsahom súvisiacim s mestským prostredím – predstavený po prvýkrát na konferencii Machine Vision Computer Vision and Pattern Recognition (CVPR) v roku 2016.
V súčasnosti na GitHub sa framework STEAL dokáže naučiť a predpovedať každý roh objektu v pixeloch pomerne presne pomocou metódy, ktorú výskumníci nazývajú „aktívne zarovnanie“. Explicitné uvažovanie o šume anotácií počas tréningu a vzorce pre nastavenie úrovne pre neurónové siete pri učení sa zo skreslených reprezentácií štítkov komplexným spôsobom tiež pomáhajú dosiahnuť výsledky.
Schopnosť presnejšie identifikovať hranice a okraje objektu
"Ďalej ukazujeme, že naše predikčné hranice prevyšujú hranice získané z najnovších výstupov segmentu DeepLab-v3, pričom používame iba architektúru je oveľa ľahšia," povedal zástupca výskumného tímu v hĺbkovom rozhovore pre spravodajskú stránku arXiv.
Táto výskumná práca má názov: „Diabol je na hranách: Učenie sa sémantických hraníc z hlučných anotácií“ a bude široko predstavená prostredníctvom prezentácie v rámci konferencie CVPR 2019, ktorá sa koná v Long Beach v Kalifornii. K tomuto výskumu výrazne prispeli odborníci z Nvidia Research, ktorí na tohtoročnom CVPR aj konkrétne predstavia výskum z osobnej perspektívy.
Podľa novo hlásených správ Nvidia uviedla, že v roku 2020 bude podporovať vysokovýkonné výpočtové hardvérové systémy od britského výrobcu Arm a open source softvér na analýzu inferencie TensorRT na Github , aby sa umožnilo väčšie prispôsobenie.
Poľovníci často lovia v noci, a preto sa na ich detekciu používajú infračervené kamery namontované na dronoch. Problém je, že keď pytliak aj zviera vyžarujú teplo, môže byť ťažké ich presne identifikovať.
Predstavte si, že odpovedáte na otázky zákazníkov, aj keď spíte. Tu je to, čo môžu bezplatné chatboty AI urobiť pre váš web.
V dôsledku starnutia a klesajúcej populácie Japonska v krajine chýba značný počet mladých pracovníkov, najmä v sektore služieb.
Character.AI, startup zameraný na generatívnu AI a technológiu chatbotov, údajne rokuje o získaní financií, ktoré by mohli oceniť spoločnosť na viac ako 5 miliárd dolárov.
Henry VIII je jednou z najklasickejších hier v histórii anglickej literatúry, ktorú napísali dvaja slávni autori William Shakespeare a John Fletcher v roku 1623.
YouTuber a inžinier z Brazílie menom Lucas Rizzotto sa nedávno na Twitteri podelili o príbeh, ako si uvedomil svojho imaginárneho priateľa – mikrovlnnú rúru v dome, používa AI, no získal „jeden z najdesivejších zážitkov“ svojho života.
Výskumníci zistili, že webové kamery a kamery smartfónov možno kombinovať so špecializovanými algoritmami AI, aby fungovali ako mimoriadne efektívne systémy vzdialeného monitorovania osobného zdravia.
Zdá sa, že moderný život má čoraz negatívny vplyv na medziľudské vzťahy.
Pomocou komplexnej architektúry neurónovej siete založenej na okrajových grafoch dokáže model umelej inteligencie Google Brain navrhnúť pôdorysy za zlomok času, ktorý zaberie človeku.
Python má veľa veľkých knižníc a rámcov, ktoré sú vhodné na písanie kódu a vývoj informatiky. Docs.NeoTechSystems vás pozýva na diskusiu o niektorých užitočných nástrojoch Pythonu pre aplikácie Machine Learning a Data Science.
