Deep Learning

Deep Learning

Wykrywanie obiektów na obrazie – ML Gdańsk

O wykrywaniu obiektów na obrazie. Metody z 2020 roku, opowiadane w tymże roku, więc tutaj uczulam, że nie wszystkie miałem okazję przetestować osobiście. Niektóre tylko wymienię, że istnieją, bo są ciekawe. Wpis ten powstał na podstawie wystąpienia na 97 ML Gdańsk z 14.12.2020. Obecnie (2022Q1) warto spojrzeć na YOLOR i...

Read More

Deep Learning

Model CNN do klasyfikacji samochodów

W tym poście postaram się pokazać drogę tworzenia modelu konwolucyjnej sieci neuronowej do klasyfikacji samochodów wg. marki, modelu i rocznika. Zacznę od analizy zbioru danych, potem porównam model z jednym i z trzema wyjściami, skorzystam z tf.data i learning rate warm-up do poprawy działania modelu, a na koniec porównam...

Read More

Audio, Deep Learning

Budowa klasyfikatora zdarzeń dźwiękowych na obrazie z Pytorch Lightning i Streamlit

W pierwszej części tej serii udało nam się poznać sposoby ekstrakcji cech wizualnych z dźwięku i dowiedzieć się na co uważać w problemach audio jeśli do tej pory mieliśmy do czynienia tylko z wizją. Pozostaje jednak jeszcze jedna kwestia do porównania – próg wejścia. W mojej opinii, wizja komputerowa jest...

Read More

Audio, Deep Learning

Audio – wizja w przebraniu?

Ekstrakcja cech wizualnych z dźwięku i porównanie przetwarzania audio i wizji komputerowej Co przychodzi Ci jako pierwsze do głowy kiedy poproszę Cię abyś wyobraził_a sobie dźwięk? Jeśli jesteś związany_a z muzyką to być może jedną z pierwszych myśli będą np. nuty. Zapis ten ma za zadanie przedstawić nam graficznie...

Read More

Deep Learning

Deep learningowy kalendarz adwentowy 2021

24 dni treści o sieciach neuronowych do analizy obrazu – rzecz się działa na Linkedinie w grudniu 2021 roku. Postanowiłem jednak te treści udostępnić również tutaj – w jednym miejscu, by ułatwić przejście przez nie (taki był plan). Zapraszam! 1. Do czego sieci neuronowe w analizie obrazu? Mówiąc o sieciach...

Read More

Datasets, Deep Learning, Tutoriale

Trening YOLOv4 i śledzenie obiektów CTMC-V1

Poniższy wpis jest kontynuacją serii opisującej nasze zmagania ze zbiorem linii komórkowych CTMC-V1. Zadaniem jest wykrycie i śledzenie obiektów (w tym przypadku komórek) na kolejnych klatkach filmów. Postawnowiliśmy rozwiązać ten problem poprzez rozdzielenie zadania wykrywania i śledzenia komórek. W poprzednim poście,...

Read More

Deep Learning, Tutoriale

COVID-19 Detection – konkurs Kaggle

COVID-19 na zdjęciach rentgenowskich wygląda podobnie do zapalenia płuc wywołanego innymi niż SARS-CoV-2 wirusami, a także zapalenia płuc pochodzenia bakteryjnego. Jednocześnie zdjęcie rentgenowskie powstaje szybciej niż wynik badania RT-PCR, będącego standardową metodą wykrywania wirusa SARS-CoV-2. Jest także łatwiejsze...

Read More

Deep Learning, Tutoriale, Video

SOTR, czyli segmentacja instancji z wykorzystaniem transformera

Mniej więcej rok temu opisywałam na blogu w jaki sposób uruchomić inferencję modelu DETR do wykrywania obiektów i segmentacji instancji. Czemu o tym wspominam? Bardzo niedawno ukazał się SOTR, czyli Segmenting Objects with Transformer, czyli kolejny model, który z powodzeniem wykorzystuje znanego z przetwarzania języka...

Read More

Deep Learning

Optymalizacja hiperparametrów: Talos, HParams, Hyperopt, Optuna

Odpowiednio dobrane hiperparametry sieci neuronowej mogą znacznie poprawić jej wyniki, dlatego w tym poście zaprezentuję wykorzystanie różnych narzędzi – Talosa, HParams, Hyperopt i Optuna, które powinny wspomóc nas w tym nieprostym zadaniu. Są to tylko wybrane z licznych, dostępnych możliwości (bardziej dociekliwi...

Read More

Deep Learning

Wykrywanie obiektów w Google Cloud ML Engine

W tym poście dowiesz się jak wdrożyć model TensorFlow do wykrywania obiektów w Google Cloud ML Engine! Pokażę jak odpowiednio przygotować model, jak utworzyć nowy model do predykcji w ML Engine i jak wykorzystać przygotowany model....

Read More
Close