Всем привет! Эта статья посвящена итогам первого года работы лаборатории компьютерного зрения в Детском Технопарке Новосибирска (официально «Центр развития творчества детей и юношества»). «Лаборатория компьютерного зрения» звучит, конечно, громко, но что-то мы сделать всё же успели.
Рубрика «Компьютерное зрение» - 14
Робот NAO + компьютерное зрение + 4 школьника + 1,5 ч в неделю = робот-тьютор английского языка
2015-06-05 в 14:48, admin, рубрики: diy или сделай сам, nao, opencv, tesseract, дополнительное образование, Компьютерное зрение, робототехника, школьники, метки: дополнительное образование
В МТИ разработали алгоритм, который удаляет с фотографий отражения в окнах
2015-05-19 в 21:39, admin, рубрики: MIT, Алгоритмы, Компьютерное зрение, Массачусетский технологический, машинное обучение, МТИ, Научно-популярное, обработка изображений, Фототехника 
Если подойти к окну и попытаться сделать фотографию через стекло, то будет трудно избежать отражения собственной фигуры. Ненужный объект будет тем заметнее, чем темнее пространство за окном. Профессиональные фотографы решают эту проблему, подводя объектив камеры вплотную к стеклу и применяя множество других приёмов, к примеру, поляризационные фильтры. Но зачастую в распоряжении имеется только «глазок» смартфона, или возможности для съёмки ограничены, и с наличием отражения приходится мириться. Исследователи Массачусетского технологического института нашли алгоритмическое решение этой проблемы.
Читать полностью »
Поиск по подобию. Поиск нечетких дубликатов. Лекции от Яндекса
2015-04-22 в 12:43, admin, рубрики: computer science, Алгоритмы, анализ изображений, Блог компании Яндекс, Компьютерное зрение, обработка изображений, Программирование, Работа с анимацией и 3D-графикой, метки: компьютерное зрениеСегодня мы публикуем шестую лекцию из курса «Анализ изображений и видео», прочитанного Натальей Васильевой в петербургском Computer Science Center, который создан по совместной инициативе Школы анализа данных Яндекса, JetBrains и CS-клуба.
Всего в программе девять лекций, из которых уже были опубликованы:
- Введение в курс «Анализ изображений и видео».
- Основы пространственной и частотной обработки изображений.
- Морфологическая обработка изображений.
- Построение признаков и сравнение изображений: глобальные признаки.
- Построение признаков и сравнение изображений: локальные признаки.
Под катом, вы найдете план новой лекции, слайды и подробную расшифровку.
Читать полностью »
Вероятностное программирование в компьютерном зрении: 31 строка кода вместо тысяч
2015-04-14 в 7:49, admin, рубрики: Julia, вероятностное программирование, искусственный интеллект, Компьютерное зрение, машинное обучение, Программирование 
Верхний ряд — 2D-фотографии человеческих лиц; средний ряд — результат 3D-моделирования в программе MIT; нижний ряд — результат 3D-моделирования в одной из предыдущих программ
Множество программных приложений последнего времени, в том числе распознавание образов и речи, обнаружение спама и кредитный скоринг, — это результат работы алгоритмов машинного обучения, когда нейросеть обучается на большом объёме данных.
Данная область бурно развивается в последнее время, а сфера применения машинного обучения становится шире. Неудивительно, что в 2013 году DARPA запустило четырёхлетний исследовательских проект для поиска более эффективных способов разработки приложений, в частности — для разработки языков так называемого вероятностного программирования.
Читать полностью »
Сравнение библиотек глубокого обучения на примере задачи классификации рукописных цифр
2015-04-07 в 17:45, admin, рубрики: caffe, data mining, deep learning, itseez, opencv, pylearn2, theano, torch, Алгоритмы, Блог компании «Itseez», Компьютерное зрение, машинное обучение, обработка изображенийКручинин Дмитрий, Долотов Евгений, Кустикова Валентина, Дружков Павел, Корняков Кирилл
Введение
В настоящее время машинное обучение является активно развивающейся областью научных исследований. Это связано как с возможностью быстрее, выше, сильнее, проще и дешевле собирать и обрабатывать данные, так и с развитием методов выявления из этих данных законов, по которым протекают физические, биологические, экономические и другие процессы. В некоторых задачах, когда такой закон определить достаточно сложно, используют глубокое обучение.
Глубокое обучение (deep learning) рассматривает методы моделирования высокоуровневых абстракций в данных с помощью множества последовательных нелинейных трансформаций, которые, как правило, представляются в виде искусственных нейронных сетей. На сегодняшний день нейросети успешно используются для решения таких задач, как прогнозирование, распознавание образов, сжатие данных и ряда других.
Читать полностью »
Морфологическая обработка изображений. Лекции от Яндекса
2015-04-05 в 14:23, admin, рубрики: Алгоритмы, анализ изображений, Блог компании Яндекс, Компьютерное зрение, лекторий яндекса, обработка изображений, Программирование, Работа с анимацией и 3D-графикойМы продолжаем публиковать лекции Натальи Васильевой, старшего научного сотрудника HP Labs и руководителя HP Labs Russia. Наталья Сергеевна читала курс, посвящённый анализу изображений, в петербургском Computer Science Center, который создан по совместной инициативе Школы анализа данных Яндекса, JetBrains и CS-клуба.
Всего в программе девять лекций. Первая и вторая уже были опубликованы. В предыдущем рассказе речь шла об основах пространственной и частотной обработки изображений. Третья лекция посвящена основным операциям морфологической обработки изображений. Под катом — слайды, план лекции и её дословная расшифровка.
Читать полностью »
Основы пространственной и частотной обработки изображений. Лекции от Яндекса
2015-03-28 в 18:16, admin, рубрики: Алгоритмы, анализ изображений, Блог компании Яндекс, Компьютерное зрение, обработка изображений, Программирование, Работа с анимацией и 3D-графикойМы продолжаем публиковать лекции Натальи Васильевой, старшего научного сотрудника HP Labs и руководителя HP Labs Russia. Наталья Сергеевна читала курс, посвящённый анализу изображений, в петербургском Computer Science Center, который создан по совместной инициативе Школы анализа данных Яндекса, JetBrains и CS-клуба.
Всего в программе — девять лекций. Первая из них уже была опубликована. В ней рассказывалось о том, в каких областях встречается анализ изображений, его перспективах, а также о том, как устроено наше с вами зрение. Вторая лекция посвящена основам обработки изображений. Речь пойдет о пространственной и частотной области, преобразовании Фурье, построении гистограмм, фильтре Гаусса. Под катом — слайды, план и дословная расшифровка лекции.
Читать полностью »
Нейропластичность в искусственных нейронных сетях
2015-03-20 в 7:19, admin, рубрики: big data, data mining, deep learning, inductive transfer, transfer learning, Алгоритмы, Блог компании Mail.Ru Group, глубокие сети, глубокое обучение, Компьютерное зрение, машинное обучение, нейронные сети, нейропластичность, свёрточная нейросеть 
Привет, давно не виделись. В этом посте мне хотелось бы рассказать о таком относительно новом понятии в машинном обучении, как transfer learning. Так как я не нашел какого-либо устоявшегося перевода этого термина, то и в названии поста фигурирует хоть и другой, но близкий по смыслу термин, который как бы является биологической предпосылкой к формализации теории передачи знаний от одной модели к другой. Итак, план такой: для начала рассмотрим биологические предпосылки; после коснемся отличия transfer learning от очень похожей идеи предобучения глубокой нейронной сети; а в конце обсудим реальную задачу семантического хеширования изображений. Для этого мы не будем скромничать и возьмем глубокую (19 слоев) сверточную нейросеть победителей конкурса imagenet 2014 года в разделе «локализация и классификация» (Visual Geometry Group, University of Oxford), сделаем ей небольшую трепанацию, извлечем часть слоев и используем их в своих целях. Поехали.
Читать полностью »
nVidia показала платформу для беспилотных автомобилей и самый мощный GPU в мире
2015-03-18 в 8:41, admin, рубрики: 4k, ADAS, DIGITS, DIGITS DevBox, Drive PX, GK110, GM200, GM204, GTX 960, GTX 970, GTX 980, GTX Titan 960, GTX Titan X, Hawaii XT, Maxwell, Nvidia, nVidia Tegra X1, Pascal, R9 290X, spacex, Tegra X1, tesla, автомбильные гаджеты, автомобили, Автомобильные гаджеты, автомобильные системы, автопилот автомобиля, видеоигры, Видеокарты, видеоускорители, Железо, Илон Маск, искусственный интеллект, Компьютерное зрение, мобильные устройства, моделирование, нейросети, Новости, Процессоры, ракетные двигатели, робоавтомобили, сравнения производительности, транспорт будущего, метки: nVidia, TeslaНа сцену выходил глава Tesla Илон Маск
Во вторник компания nVidia показала новый мощнейший (среди систем с одним графическим процессором) видеоускоритель Titan X с 12 гигабайтами памяти. Розничная стоимость новинки составит от 999 долларов. Также в руках главы nVidia Жэнь-Сунь Хуана появился автомобильный компьютер Drive PX, который призван стать ядром автономных машин.
Новый Titan X показали ещё 4 марта, две недели назад, но то объявление выглядело скомкано и слишком бессодержательно. На тот момент проходила конференция GDC, и во время рассказа представителей Epic Games о своём игровом движке Unreal Engine и его требовательности к «железу» на сцене в качестве особого участника внезапно появился Хуан. Там исполнительный директор nVidia и рассказал о новой видеокарте, не слишком вдаваясь детали.
Читать полностью »
Введение в курс «Анализ изображений и видео». Лекции от Яндекса
2015-02-21 в 17:49, admin, рубрики: Алгоритмы, анализ изображений, Блог компании Яндекс, Компьютерное зрение, обработка изображений, Программирование, Работа с анимацией и 3D-графикойМы начинаем публиковать лекции Натальи Васильевой, старшего научного сотрудника HP Labs и руководителя HP Labs Russia. Наталья Сергеевна читала курс, посвящённый анализу изображений, на отделении Школы анализа данных Яндекса в Computer Science Center в Петербурге.
Всего в программе — девять лекций. В первой из них рассказывается о том, как применяется анализ изображений в медицине, системах безопасности и промышленности, какие задачи оно еще не научилось решать, какие преимущества имеет зрительное восприятие человека. Расшифровка этой части лекций — под катом. Начиная с 40-й минуты, лектор рассказывает об эксперименте Вебера, представлении и восприятии цвета, цветовой системе Манселла, цветовых пространствах и цифровых представлениях изображения. Полностью слайды лекции доступны по ссылке.
Читать полностью »