Представьте себе, ваш питомец вдруг сбежалЧитать полностью »
Рубрика «детектирование»
Ищем потерявшихся питомцев с помощью нейросетей
2024-10-03 в 13:22, admin, рубрики: NtechLab, детектирование, Компьютерное зрение, котики, пёсики, питомцы, поиск питомцев, распознавание, распознавание лиц«Песочные» технологии: об архитектуре и техниках обхода песочниц
2024-09-18 в 9:02, admin, рубрики: cybersecurity, dos-песочницы, pt sandbox, sandbox, буткит, детектирование, Песочница, песочницы, руткиты, угрозы
Привет! Меня зовут Алексей Колесников, я работаю в отделе обнаружения вредоносного ПО экспертного центра безопасности Positive Technologies (PT Expert Security Center, PT ESC), в команде PT Sandbox.
Исследуем необычные детекторы
2023-08-07 в 8:05, admin, рубрики: барретер, Блог компании FirstVDS, выпрямители, выпрямитель, детектирование, детектор, детекторный радиоприемник, детекторы, история радио, история радиотехники, когерер, Научно-популярное, физика, Электроника для начинающих
Из школьного курса физики мы помним, что детектор в простейшем радиоприёмнике — это высокочастотный полупроводниковый диод. А точнее, такой детектор огибающей, осуществляющий амплитудную демодуляцию, состоит из выпрямителя и интегратора, он же — фильтр нижних частот.
Если копнуть ещё глубже, для амплитудного детектирования нужен не столько выпрямитель, сколько нелинейный элемент. В качестве которого на протяжении десятилетий развития радио успешно использовались разные неожиданные вещи.
Сегодняшняя статья расскажет про необычные детекторы в истории радио. Некоторые из них мы испытаем на практике.
Читать полностью »
Как мы создали рекомендательный сервис по подбору одежды на нейронных сетях
2019-02-02 в 10:35, admin, рубрики: deeplearning, детектирование, классификация, машинное обучение, нейронные сети, обработка изображений, рекомендательные системы
В этой статье я хочу рассказать о том, как мы создали систему поиска похожей одежды (точнее одежды, обуви и сумок) по фотографии. То есть, выражаясь бизнес-терминами, рекомендательный сервис на основе нейронных сетей.
Как и большинство современных IT-решений, можно сравнить разработку нашей системы со сборкой конструктора Lego, когда мы берем много маленьких деталек, инструкцию и создаем из этого готовую модель. Вот такую инструкцию: какие детали взять и как их применить для того, чтобы ваша GPU смогла подбирать похожие товары по фотографии, — вы и найдете в этой статье.
Из каких деталей построена наша система:
- детектор и классификатор одежды, обуви и сумок на изображениях;
- краулер, индексатор или модуль работы с электронными каталогами магазинов;
- модуль поиска похожих изображений;
- JSON-API для удобного взаимодействия с любым устройством и сервисом;
- веб-интерфейс или мобильное приложение для просмотра результатов.
В конце статьи будут описаны все “грабли”, на которые мы наступили во время разработки и рекомендации, как их нейтрализовать.
Постановка задачи и создание рубрикатора
Задача и основной use-case системы звучит довольно просто и понятно:
- пользователь подает на вход (например, посредством мобильного приложения) фотографию, на которой присутствуют предметы одежды и/или сумки и/или обувь;
- система определяет (детектирует) все эти предметы;
- находит к каждому из них максимально похожие (релевантные) товары в реальных интернет-магазинах;
- выдает пользователю товары с возможностью перейти на конкретную страницу товара для покупки.
Говоря проще, цель нашей системы — ответить на знаменитый вопрос: “А у вас нет такого же, только с перламутровыми пуговицами?”
Читать полностью »