Tensorflow(@CVision)
12.2K subscribers
1.08K photos
181 videos
67 files
2.06K links
اخبار حوزه یادگیری عمیق و هوش مصنوعی
مقالات و یافته های جدید یادگیری عمیق
بینایی ماشین و پردازش تصویر

TensorFlow, Keras, Deep Learning, Computer Vision

سایت دوره
http://class.vision

👨‍💻👩‍💻پشتیبان دوره ها:
@classvision_support
Download Telegram
Media is too big
VIEW IN TELEGRAM
سخنرانی در TED با موضوع
#YOLO Object Detection

🙏Thanks to: @tedsurprise
#object_detection
سخنرانی TED در رابطه با بازشناسی اشیاء توسط YOLO
https://t.me/cvision/457


🍀موضوع سخنرانی:
🔸چگونه یک کامپیوتر یاد میگیرد تا فورا یک شیء را بازشناسی کند؟


۱۰ سال قبل، محققان فکر می‌کردند که گفتن فرق بین یک گربه و یک سگ به یک کامپیوتر غیر ممکن است.
امروزه، سیستم‌های بینایی کامپیوتر این را با دقت بهتر از ۹۹ درصد انجام می‌دهد. چگونه؟
جوزف ردمون روی یک سیتم YOLO(تو فقط یک بار نگاه کن) کار می‌کند، یک متد منبع آزاد برای یافتن اشیایی که می‌توانند در تصویر و ویدیو— از گورخر تا علامت ایست— با سرعت رعد و برق شناسایی شوند.
در یک نمایش زنده قابل توجه، ردمون این پله مهم رو به جلو برای کاربردهایی مانند خودروهای خودران، رباتیک و حتی شناسایی سرطان به نمایش می‌گذارد.


Joseph Redmon. Computer scientist

Joseph Redmon works on the #YOLO algorithm, which combines the simple face detection of your phone camera with a cloud-based AI — in real time.


🙏Thanks to: @tedsurprise
#object_detection #YOLO #TED
YOLO Nano: a Highly Compact You Only Look Once Convolutional Neural Network for Object Detection

YOLO Nano possesses a model size of ~4.0MB (>15.1x and >8.3x smaller than Tiny YOLOv2 and Tiny YOLOv3, respectively) and requires 4.57B operations for inference (>34% and ~17% lower than Tiny YOLOv2 and Tiny YOLOv3, respectively) while still achieving an mAP of ~69.1% on the VOC 2007 dataset (~12% and ~10.7% higher than Tiny YOLOv2 and Tiny YOLOv3, respectively).

Paper: https://arxiv.org/pdf/1910.01271

#paper #object_detection #YOLO_Nano
Forwarded from Shenasa-ai.ir
This media is not supported in your browser
VIEW IN TELEGRAM
سرعت و دقت بالا در تشخیص علائم دست.

در این کار 4 روش بررسی شده که این خروجی
Yolo3-tiny در هشت کلاس مختلف.
است.
https://www.linkedin.com/feed/update/urn:li:activity:6596434912189001728

#Yolo
#SSD
#Hand_gesture

شناسا
http://shenasa-ai.ir/
#پیاده_سازی #سورس_کد
پیاده سازی مقاله EfficientDet گوگل در فریم ورک keras
معیار mAP را با عملیات یکسان با #yolo نسخه 3 مقایسه کنید...

https://github.com/xuannianz/EfficientDet

#detection #yolo

@CVision
#سورس_کد
#Object_Detection

نسخه TPU تنسرفلو

https://github.com/tensorflow/tpu/tree/master/models/official/retinanet

نسخه کراس(غیر رسمی)

https://github.com/fizyr/keras-retinanet

در هر دو کد هم مدل های از قبل آموزش داده شده وجود دارد، هم مستندات آموزش از ابتدا

مرتبط با

https://t.me/cvision/1707

#detection #yolo

@CVision
مرور شبکه های #object_detection

قبلا دیده بودیم که علاوه بر #YOLO و #SSD که برای تسک های #object_detection سریع مطرح شدند شبکه های سریع جدیدتر هم ارائه شدند.
مثلا در این پست سورس کد و مقایسه retinaNet که توسط محققان فیس‌بوک چاپ شده بود را دیدیم.
همچنین دیدیم محققان گوگل هم نسخه های مختلفی از EfficientDet معرفی کردند که با تعداد عملیات یا FLOPS سکسان دقت خیلی بهتری از YOLOv3 و retinaNet داشتند.

حالا تنسرفلو نسخه سبک‌تر و light این شبکه را منتشر کرده است.
Tensorflow(@CVision)
#سورس_کد #پیاده_سازی پیاده سازی Yolo V3 با تنسرفلو 2.2 A neat implementation of YOLO v3 with TF 2.2 and Keras https://github.com/emadboctorx/yolov3-keras-tf2 (لینک به توئیت)
#پیاده_سازی
این پست پیاده سازی YOLO3 را به اعتبار توئیت فرانسوا شوله و لایک اندره کارپاثی تو گروه گذاشتم

اما امروز دیدم یه بنده خدایی ادعا کرده یولو ورژن 4 را هم با تنسرفلو پیاده سازی کرده، هنوز تستش نکردم دقتش برابری میکنه یا خیر.


end-to-end YOLOv4/v3/v2 object detection pipeline, implemented on tf.keras with different technologies

https://github.com/david8862/keras-YOLOv3-model-set

#yolo