мало того, что сетка тяжелая (т.е. не может работать REAL TIME - кот уже съест все КОТлеты, пока придет предупреждение), так после сегментации как понять, где тут кот, где тут стена, а где котлеты?
После прочтения задумался, на какие вопросы автор ответил? По сути приведены просто определения, приведенные утверждения предлагается принимать на веру, нет подтверждений даже на примерах. Если стоит проблема путаницы терминов, то нет даже примеров последствий этой путаницы. Кажется, что эта статья ни о чем, это просто реклама собственного телеграм канала
А если говорить про выбор между YOLOV и DETR, то чтобы вы предпочли, перелопатив столько литературы (в соотношении скорость\качество инференса)?!) paperswithcode говорит что YOLO в целом лучше по метрикам на разных датасетах, или я не прав?
BBPE (Byte-level BPE) токенизатор, т.е. 1 буква условно может занимать 2 токена.
тут видно, что некоторые буквы имеют несколько токенов
ГПТ4 имеет другой токенизатор, не знаю только ли с мультиязычностью связано это, но токенов суммарно там меньше чем при BBPE, собственно и инференс быстрее
Хочется сделать замечание, что статья на архиве изобилует картинками, бенчмарками, статья на Хабре очень сухая и кажется написана в спешке. Выглядит скорее как реклама, но надеюсь, что статью подредачат и будет увлекательно читать) А тема интересная
Добрый день! Спасибо за суперподробное описание, правильно ли я понял, что теперь CVAT становится на коммерческие рельсы и open-source не рассматривается?!
было несколько раз сказано, что Darknet yolo v.4 "не лучший вариант" для детекции. Но нет ни слова, на что хотите заменить. Большой плюс YOLOv4 - real time detection. Так же у вас в тексте указано, что в будущей модели хотите так же повысить скорость предсказания... Хотелось бы все таки узнать, на что хотите менять готовое решение
вы можете и сами попробовать
мало того, что сетка тяжелая (т.е. не может работать REAL TIME - кот уже съест все КОТлеты, пока придет предупреждение), так после сегментации как понять, где тут кот, где тут стена, а где котлеты?
После прочтения задумался, на какие вопросы автор ответил? По сути приведены просто определения, приведенные утверждения предлагается принимать на веру, нет подтверждений даже на примерах. Если стоит проблема путаницы терминов, то нет даже примеров последствий этой путаницы. Кажется, что эта статья ни о чем, это просто реклама собственного телеграм канала
https://github.com/stalkermustang Также советую посмотреть на качество лекций, его тг канал чтобы понять что это отличный специалист
А если говорить про выбор между YOLOV и DETR, то чтобы вы предпочли, перелопатив столько литературы (в соотношении скорость\качество инференса)?!) paperswithcode говорит что YOLO в целом лучше по метрикам на разных датасетах, или я не прав?
В тоже время американцы банят тик ток ровно за то же: за передачу данных на китайские сервера. Как говорится, что позволено Юпитеру, не позволено быку
а что такое "моделирование лица"?
BBPE (Byte-level BPE) токенизатор, т.е. 1 буква условно может занимать 2 токена.
ГПТ4 имеет другой токенизатор, не знаю только ли с мультиязычностью связано это, но токенов суммарно там меньше чем при BBPE, собственно и инференс быстрее
а почему взяли именно такой токенайзер?! Почему не как у GPT4? почему увеличение токенов, вместо оптимизации лучше?!
название "Визуализация модели PyTorch" звучит неоднозначно. Более корректно было бы "Визуализация архитектуры модели PyTorch"
Подскажите о каком фреймворке (даркнет, торч) идет речь, кто знает?! И какая именно версия YOLOv7 выдает такие результаты?
"Не максимального подавления" - это nms термин Non-maximum suppression. Лучше оставить в исходном виде и не переводить
платит налог, ничего не требует взамен кроме банковских услуг, которые еще и оплачивает. Ну это же чудо, а не гражданин!
Слышал забавную историю про Теслу: в случае ДТП, ИИ отключается за секунду до происшествия, таким образом ИИ не попадает в аварии)
Хочется сделать замечание, что статья на архиве изобилует картинками, бенчмарками, статья на Хабре очень сухая и кажется написана в спешке. Выглядит скорее как реклама, но надеюсь, что статью подредачат и будет увлекательно читать) А тема интересная
Неплохой туториал)
P.S. Демо у вас конечно "почувствуй себя терминатором")
Добрый день! Спасибо за суперподробное описание, правильно ли я понял, что теперь CVAT становится на коммерческие рельсы и open-source не рассматривается?!
Почему остановились на FaceNet? Что еще смотрели?!
а разве нельзя на тепловой карте подсветить атеншен или бекпропом глянуть, на что стригернулась сетка?!
было несколько раз сказано, что Darknet yolo v.4 "не лучший вариант" для детекции. Но нет ни слова, на что хотите заменить. Большой плюс YOLOv4 - real time detection. Так же у вас в тексте указано, что в будущей модели хотите так же повысить скорость предсказания... Хотелось бы все таки узнать, на что хотите менять готовое решение