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

#آموزش

Building a Toy Detector with #Tensorflow Object Detection API

https://towardsdatascience.com/building-a-toy-detector-with-tensorflow-object-detection-api-63c0fdf2ac95

#object_detection

#خبر

#YOLO version 3 was released
https://pjreddie.com/media/files/papers/YOLOv3.pdf

🙏Thanks to: @MohsenF91

#object_detection

پیاده سازی YOLO3 در Keras و بک اند tensorflow

https://github.com/qqwweee/keras-yolo3


مرتبط با:
https://t.me/cvision/493

#keras #tensorflow #Yolo #yolo3
#object_detection

Accelerating Large-Scale Object Detection with TensorRT

https://hk.saowen.com/a/d62b68ebd0ae5dd1f7c35a141c50582620c3f9dbb1ec98a8c88703b55ece6b33

#tensortRT #object_detection

#آموزش
[pic: https://cdn-images-1.medium.com/max/1000/1*e7rJn62YpuJbsu0WyvB6jQ.png]

Installing TensorFlow Object Detection API on Windows 10

#object_detection

#آموزش

Data Augmentation for Object detection: Rethinking image transforms for bounding boxes
https://medium.com/paperspace/data-augmentation-for-object-detection-rethinking-image-transforms-for-bounding-boxes-fe229905a1c3

#Data_Augmentation #object_detection

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

Sightseer, a TensorFlow wrapper that allows anyone to access state-of-the-art computer vision and object detection models in 10 lines of code or less

https://github.com/rish-16/sight

#object_detection #computer_vision

#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.

End-to-End Object Detection with Transformers

https://github.com/facebookresearch/detr

https://arxiv.org/abs/2005.12872

🙏Thanks to:@alighofrani
#object_detection

#خبر
بلاخره تنسرفلو در API مربوط به object detection خود پشتیبانی نسخه ۲ را اضافه کرد.
TF Object Detection API officially supports TensorFlow 2!

https://blog.tensorflow.org/2020/07/tensorflow-2-meets-object-detection-api.html

#object_detection #ssd #rcnn

#خبر #آموزش #معرفی_دیتاست
معرفی دیتاست objectron گوگل برای درک سه بعدی اشیاء (تصویر این پست)
3D Object Understanding
https://github.com/google-research-datasets/Objectron/

برخلاف دیتاست های قبلی تشخیص اشیاء که همگی محدوده ی تصاویر دو بعدی را مشخص کرده بودند، این دیتاست که توسط گوگل منتشر شده بر روی فریم های متوالی محدوده های سه بعدی اشیاء را مشخص کرده است.
این مجموعه داده شامل 15000 ویدیو و 4 میلیون تصویر در کلاس‌های زیر است.
bikes, books, bottles, cameras, cereal boxes, chairs, cups, laptops, shoes
آموزش دانلود و استفاده از این مجموعه داده را می‌توانید از اینجا ببینید.

همچنین مدل‌های پایه ای روی این دیتاست توسعه داده شده، مدل قبلی این تیم که به صورت single-shot بود را در اینجا ببینید. اما مدل جدید منتشر شده دو مرحله ای است که در مرحله ی اول فقط محدوده ی دو بعدی شی در آن فریم را محاسبه کرده و سپس مرحله ی دوم که از بریده شده ی مرحله ی قبل تغذیه میگردد، به عنوان خروجی محدوده ی سه بعدی آن فریم را به همراه پیشنهاد محدوده ی فریم بعدی را به ما خواهد داد.
این روش جدید حدود 3 برابر از روش تک مرحله ای قبل سریعتر است و آموزش لیبل گذاری ویدیو برای این کار را از اینجا میتوانید مشاهده کنید.

مطالعه بیشتر:
https://medium.com/swlh/introducing-objectron-the-next-phase-in-3d-object-understanding-8432bf285345



https://github.com/google-research-datasets/objectron

#دیتاست #دیتا #dataset $dta #object_detection #Objectron
———————————
مجموعه دانش بنیان شناسا ( داده پویان آلما)
http://shenasa.ai
http://shenasa-ai.ir
ما را دنبال کنید:

آپارات:
https://www.aparat.com/shenasa.ai
لینکدین:
https://www.linkedin.com/company/shenasa-ai/
اینستاگرام:
https://www.instagram.com/shenasa.ai

کانال تلگرام:
https://t.me/shenasa_ai

اخبار و آموزش های تخصصی هوش مصنوعی در تلگرام: @cvision

Yann LeCun Team’s Novel End-to-End Modulated Detector Captures Visual Concepts in Free-Form Text

#detection #DETR #object_detection

#آموزش #کراس
Mask R-CNN for Object Detection

This video covers how to get set up and running with Mask R-CNN for object detection with Keras.
https://www.youtube.com/watch?v=c1xCaw1tcQQ

#object_detection #detection #تشخیص_اشیاء

#تشخیص_اشیاء
#object_detection

#YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported.

https://github.com/Megvii-BaseDetection/YOLOX
Documentation: https://yolox.readthedocs.io/

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

#مقاله
You Only Look at One Sequence (NeurIPS 2021)

https://github.com/hustvl/YOLOS

#object_detection

#object_detection

کلی شبکه object detection را با یک فریم ورک آموزش بدید و مقایسه کنید!

OpenMMLab Detection Toolbox and Benchmark
https://github.com/open-mmlab/mmdetection