Август, 2017

  • 1 августа

    Распознавание дорожных знаков с помощью CNN: Инструменты для препроцессинга изображений

    Введение За последние несколько лет сфера компьютерного зрения (CV) переживает если не второе рождение, то огромный всплеск интереса к себе. Во многом такой рост популярности связан с эволюцией нейросетевых технологий. Например, сверточные нейронные сети (convolutional neural networks или CNN) отобрали себе большой кусок задач по генерации фич, ранее решаемых классическими методиками CV: HOG, SIFT, RANSAC [...]

  • 1 августа

    Нейронные сети за 1 день

    Всем привет. В этот раз мы попытаемся разобраться с нейронными сетями без биологии и за 1 день. Зачем они нужны? Для того чтобы понять зачем нужны нейронные сети, нужно разобраться с тем, что они из себя представляют. Искусственные нейронные сети — это совокупность искусственных нейронов, которые выполняют роль сумматоров. Искусственные нейронные сети нужны для решения [...]

  • 1 августа

    Kaggle Sea Lion Population: оценка популяции морских львов по снимкам — Константин Лопухин

    Константин Лопухин рассказывает про задачу оценки популяции морских львов по снимкам (Kaggle Sea Lion Population). Константин занял в соревновании 2 место. Из видео вы сможете узнать: – Бывают ли конкурсы по изображениям не на классификацию или сегментацию, а регрессию – Решение задачи сегментация с помощью UNet – Регрессия на масках …

Июль, 2017

  • 31 июля

    Как работает нейронный машинный перевод?

    Описание процессов машинного перевода основанного на базе правил (Rule-Based), машинного перевода на базе фраз (Phrase-Based) и нейронного перевода В этой публикации нашего цикла step-by-step статей мы объясним, как работает нейронный машинный перевод и сравним его с другими методами: технологией перевода на базе правил и технологией фреймового перевода (PBMT, наиболее популярным подмножеством которого является статистический машинный [...]

  • 29 июля

    Случайный лес vs нейросети: кто лучше справится с задачей распознавания пола в речи (ч.1)

    Исторически сложилось так, что наибольшего успеха глубокое обучение достигло в задачах image processing – распознавания, сегментации и обработки изображений. Однако не сверточными сетями едиными, как говорится, живет наука о данных. Мы попробовали составить гайд по решению задач, связанных с обработкой речи. Самой популярной и востребованной из них является, вероятно, распознавание того, что именно говорят, анализ [...]

  • 28 июля

    Искусственный интеллект научился распознавать жесты человека

    Искусственный интеллект научился распознавать жесты человека Благодаря последним разработкам в области ИИ, компьютер научился понимать язык тела Благодаря последним разработкам в области ИИ, компьютер научился понимать язык тела. Как добились таких результатов? Компьютерные системы распознавания лиц стали достаточно умными и могут определять эмоции. Но, так как люди в общении используют, кроме лица, ещё жесты и [...]

  • 26 июля

    Как научить свою нейросеть генерировать стихи

    Умоляю перестань мне сниться Я люблю тебя моя невеста Белый иней на твоих ресницах Поцелуй на теле бессловесномКогда-то в школе мне казалось, что писать стихи просто: нужно всего лишь расставлять слова в нужном порядке и подбирать подходящую рифму. Следы этих галлюцинаций (или иллюзий, я их не различаю) встретили вас в эпиграфе. Только это стихотворение, конечно, [...]

  • 25 июля

    Neural conversational models: как научить нейронную сеть светской беседе. Лекция в Яндексе

    Хороший виртуальный ассистент должен не только решать задачи пользователя, но и разумно отвечать на вопрос «Как дела?». Реплик без явной цели очень много, и заготовить ответ на каждую проблематично. Neural Conversational Models — сравнительно новый способ создания диалоговых систем для свободного общения. Его основа — сети, обученные на больших корпусах диалогов из интернета. Борис Янгель [...]

  • 24 июля

    ИИ угадывает рецепты блюд по фотографии

      Теперь узнать рецепт красивого блюда из соцсетей будет просто — система искусственного интеллекта от исследователей из Массачусетского технологического института сможет определить необходимые ингредиенты по фотографии. Исследователи Лаборатории компьютерных наук Массачусетского технологического института и Лаборатории искусственного интеллекта MIT совместно со специалистами Катарского научно-исследовательского института создали систему искусственного интеллекта, которая по фотографии блюда определит ингредиенты, необходимые для его приготовления. Технологии iPhone на колесиках: городской транспорт по‑русски [...]