... является конвейер на основе пакетной обработки (batch-based pipeline). Например, система точек продаж может создавать множество точек данных, которые необходимо передавать в хранилище данных и аналитическую базу данных
Тут вообще написано не то что по-русски... Вообще, по-человечески?
Почему не пользуетесь устаявшейся терминологией? Пайплайн уже давно понятное слово в разработке, тем более в ML. Батч - тоже терминология вполне устаявшаяся. Термин "точка продаж" остался за пределами моего понимания...
Руссификация терминов привела лишь к недопонимаю, а это, как я предполагаю, противоположный результат тому, что вы хотели достичь.
у меня вопрос по confusion_matrix. А почему там единицы не по диагонали? Почему background напротив piket? Это означает, что piket видится там, где должен быть background?
Вообще я согласен с комментатором. Сложно оценить ценность статьи. Не указан размер выборки, также есть вопросы к итоговым значениям по всем метрикам единицы... Что это значит? Что модель работает идеально или что выборка небольшая и модель просто переобучилась на датасет? Также согласен с вопросом к определению мигающих сигналов по единственному кадру. Кажется, что подход выбран не верно. В качестве демонстрации проекта классификации лучше было выбрать что то более статичное, хотя бы марки авто или типы знаков
Раз уж тут в пример привели YOLOv5\v8 и rect window size, то так же скажу, что в наследнице v5 и промежуточкой между v8 - YOLOv7 модели (которую я использовал), с прямоугольным окном не все аугментации доступны, а значит на квадратном окне будет лучше качество (это видно по примерам изобр. батчей, что сохраняются в папку обучения)
Однако такие выбросы (из-за непогоды, нависающих кранов и т. п.) можно сгладить за счет статистики, не тратя время и деньги на переобучение нейронок. Проводя измерение два-три раза в день и собрав информацию, допустим, за неделю, можно исключить аномальные значения, а затем, например, перевести этажи в процент выполненных работ
Тут вообще написано не то что по-русски... Вообще, по-человечески?
Почему не пользуетесь устаявшейся терминологией? Пайплайн уже давно понятное слово в разработке, тем более в ML. Батч - тоже терминология вполне устаявшаяся. Термин "точка продаж" остался за пределами моего понимания...
Руссификация терминов привела лишь к недопонимаю, а это, как я предполагаю, противоположный результат тому, что вы хотели достичь.
Никогда не спрашивайте ученых, как они собирали данные для анализа уровня боли
насчет музыки +1.
Я тоже слушаю https://music.yandex.ru/neuromusic от Яндекса. Не требует подписки ЯндексПлюс
да ИИ тупо пихают везде, сложно без него купить какой флагман
Отличный материал для подготовки к собесам! Жаль еще что ConvNext нет в списке)
у меня вопрос по confusion_matrix. А почему там единицы не по диагонали? Почему background напротив piket? Это означает, что piket видится там, где должен быть background?
я так понял вражеский "китайский" tiktok вреден для детей, а патриотический ютюб шортс только на пользу?
ну тогда тут много вопросов) Даже по поводу 100 эпох и выбранного алгоритма)
Признаюсь честно, не с первого раза понял вашу статью. Для обегчения чтения советую оформить код в блоки
подождите... Я правильно понял, что все обучение производилось на 7 строках?
X = np.array([[1, 0, 0, 0, 0, 0], # Зеленый[0, 1, 0, 0, 0, 0], # Зеленый мигающий[0, 0, 1, 0, 0, 0], # Желтый[0, 0, 0, 1, 0, 0], # Желтый мигающий[0, 0, 0, 0, 1, 0], # Красный[0, 0, 0, 0, 0, 1], # Красный мигающий[0, 0, 1, 0, 1, 0], # Красный и желтый])y = np.array([1, # Зеленый: движение разрешено1, # Зеленый мигающий: движение разрешено0, # Желтый: движение запрещено1, # Желтый мигающий: движение разрешено0, # Красный: движение запрещено0, # Красный мигающий: движение запрещено0 # Красный и желтый: движение запрещено])Вот это и есть ВСЯ выборка?
Вообще я согласен с комментатором. Сложно оценить ценность статьи. Не указан размер выборки, также есть вопросы к итоговым значениям по всем метрикам единицы... Что это значит? Что модель работает идеально или что выборка небольшая и модель просто переобучилась на датасет? Также согласен с вопросом к определению мигающих сигналов по единственному кадру. Кажется, что подход выбран не верно. В качестве демонстрации проекта классификации лучше было выбрать что то более статичное, хотя бы марки авто или типы знаков
типизация удобна для разработчика и необязательна для скрипта... А по поводу трансформации... Что ж, мы такое уже переживали. Ждем python4
Зачем это написано?
А не пробовали CleanLab для исправления ошибок в аннотации?
может связано с этим?
Интересный маркетинг! Доказывать цифры в 85% мы конечно не будем
а вы точно в этом уверены? Очень убедительно раздаёте советы, но что делать с подписью, поставленной под труд. договором?
Раз уж тут в пример привели YOLOv5\v8 и rect window size, то так же скажу, что в наследнице v5 и промежуточкой между v8 - YOLOv7 модели (которую я использовал), с прямоугольным окном не все аугментации доступны, а значит на квадратном окне будет лучше качество (это видно по примерам изобр. батчей, что сохраняются в папку обучения)
Так а в итоге с постпроцессингом какое accuracy?