Artykuły według tagu: computer-vision

Percepcyjny hash: wyszukiwanie podobnych obrazów

Jak działają algorytmy hashowania percepcyjnego: od prostego uśredniania do DCT. Porównanie metod i praktyczne zastosowanie dla programistów.

Data Science w produkcji: cyfrowa nić i analityka danych

Jak cyfrowa nić i bliźniaki przekształcają przemysł. Sześć kaseusów zastosowania Data Science do redukcji braków i predykcyjnego utrzymania. Szczegółowy rozbiór.

Detekcja TAPe: 100k parametrów przeciwko modelom SOTA

Jak detektor TAPe z 100k parametrami przewyższa YOLO i RF-DETR pod względem szybkości i oszczędności zasobów. Szczegółowa analiza benchmarków i zalet dla deweloperów.

Aberracje w optyce dla CV: analiza defektów

Przeanalizujemy aberrację sferyczną, komę, astygmatyzm i inne efekty w widzeniu maszynowym. Jak wpływają na ostrość i jak korygować dla zadań widzenia komputerowego. Dla programistów.

Augmentacja bbox w Albumentations: formaty i błędy

Konfiguracja A.BboxParams dla detekcji: formaty współrzędnych, label_fields, filtrowanie. Unikaj typowych błędów w potoku. Przewodnik dla deweloperów.

YOLOE: detekcja obiektów bez dostrojenia

Dowiedz się, jak YOLOE wykorzystuje tekstowe i wizualne prompty do detekcji dowolnych obiektów. Backbone YOLO + RepRTA dla szybkości. Przykłady kodu i scenariusze dla middle/senior dev. Przetestujcie na swoich zadaniach.

TAPe bez transformatorów: asocjacje patchy

Dowiedz się, jak rezygnacja z transformatorów w TAPe+ML zmniejszyła parametry o rzędy wielkości i dała zalążki segmentacji na COCO. Lokalne asocjacje do detekcji obiektów — czytaj szczegóły dla programistów.

TAPe na COCO: 98% dokładności z bounding boxami

TAPe osiągnął 98% na 2% COCO, bounding boxy zamiast centroidów, minimum fałszywych wykryć. Szczegóły eksperymentów dla deweloperów CV. Poznaj podejście.

Pipeline dla auto-Shorts z anime: architektura

Analiza modułowego pipeline'u do generowania YouTube Shorts z odcinków. Transkrypcja, analiza audio, detekcja CV, dynamiczny crop. Dla middle/senior dev. Zbuduj swój.

Wyodrębnianie perspektywy z obrazów: Sobel + Hough

Algorytm w Kotlinie do automatycznego wyszukiwania punktów zbiegu perspektywy: odcienie szarości Rec.709, operator Sobela, transformacja Hougha. Kod i optymalizacje dla middle/senior deweloperów. Poznaj implementację.

MLOps na bezpłatnych GPU: przetwarzanie archiwów PDF

Jak przetworzyć 9 GB archiwów PDF na T4 GPU z 16 GB RAM. ZeroGPU, PyMuPDF, filtrowanie według dyspersji, zarządzanie pamięcią. Praktyczny przewodnik.

Rosyjskojęzyczny AI do analizy rentgena: budowa modelu ViT + ruGPT-3

Praktyczne przewodnictwo po tworzeniu multimodalnej modelu AI do generowania medycznych wniosków w języku rosyjskim. Poznaj architekturę, przygotowanie danych i uczenie.