All streams
Search
Write a publication
Pull to refresh
4
0
Akmarov Konstantin @enclis

не пользователь

Send message
Reflected darkfield illumination
image
Такая конфигурация может быть крайне полезна если необходимо освещать объект с разных сторон. Можно использовать подвод света по волокну если расстояние от линзы до исследуемого объекта маленькое.
… а ещё есть Greenough…
Кстати, ARM объявила о поддержке Panfrost. Уже пишут, что ARM решили по-быстрому всё слить сообществу, пока их не захватили корпорасты из Nvidia.
Что-то поновее чем OpenGL ES 2.0 для Mali-450 даже у ARM нет. Чем вас не устраивает Panfrost/Lima, которые уже почти полтора года в мэйнлайне? Чем вас rkvdec не устраивает?
UPD: Добавил YOLOv4. Убрал SM-NAS, потому что реализация до сих пор не выложена в открытый доступ и никто особо не упоминает эту работу у себя в статьях. Обновил данные SpineNet в соответствии с официальной реализацией на tensorflow.
Может быть было бы интересно почитать, что пошло не так на первой итерации.
Нафиг никому не упал, но по разным оценкам телефонов с glass-free 3D дисплеями продано от 50 до 100 миллионов штук. И Nintendo 3DS (+последующие), которых продано больше 75 миллионов штук, с экраном ещё меньше чем на телефонах.
Оперативно, большое спасибо, но не очень понятно, что оно 3D если угол зрения не меняется.
Где живое видео с демонстрацией работы устройства? Статика же у вас есть. Извиняюсь если это не ваше.

Вообще говоря, наибольшее распространение такие дисплеи получили в телефонах. По большей части все они крутятся вокруг одной и той же идеи. Хоть и мне казалось, что вся эта шумиха вокруг «3D-телефонов» закончится после HTC EVO 3D и LG Optimus 3D, но в итоге телефоны с glass-free 3D дисплеями выпускаются до сих пор (например, чтобы хоть как-то привлечь внимание к продукту на чрезвычайно конкурентном рынке). И до сих пор это выглядит так себе. Даже более-менее продвинутый дисплей от Leia (подробнее в статье в Nature) в Red Hydrogen One тоже оказался не очень. Если кто-то хочет попробовать такой дисплей — то можно попробовать купить пленку с лентикулярным растром на телефон или планшет, но говорят, что оно совсем плохо работает.

Совершенно очевидно, что минимальный размер 0201, а не 0402 — расстояние между выводами разъёмов 0.5мм. Ну а так — да, с хорошим микроскопом, хорошей станцией и неограниченным временем (а ещё и с трафаретом для пасты) можно всё что угодно собрать.
Спасибо за развёрнутый комментарий. Остаётся вопрос — что не так с DetNASNet и SM-NAS?
Есть подозрение, что китайцы используют какие-то свои FLOPS — надо перепроверять. Вот почему нет сравнения с той же YOLO или SSDLite? Ну да ладно, это видимо проблема почти всех подобных статей. Модель DetNASNet, которая на 3.8 GFLOPS весит 350 MB. Самая большая YOLOv3-spp на 141 BFLOPS весит 240 MB. Какой-то ThundetNet весит в районе десятка MB. Я понимаю, что какая часть модели может не использоваться при работе, но тут уже слишком большая разница. Я раньше думал, что GFLOPS и BFLOPS одно и тоже, но сейчас уже не уверен. Ещё я сомневаюсь в SM-NAS, но он хотя бы не так сильно выбивается как DetNASNet.
UPD: убрал DetNASNet и добавил MobileNetV3-SSDLite
Недавно вышла статья (код), в которой используют adaptive-BN-based evaluation для прунинга. Пишут, что лучше и отчасти быстрее существующих методов: ThiNet, NetAdapt, Filter Pruning, AMC, Meta-Pruning.
и HTC dconv_c3-c5_mstrain_400_1400_x101_64x4d_fpn 20e:

результат уже получше
Что значит не распознало? Не нашло ни одной машины? Как уже написали выше, если есть доступ к видео, то правильнее использовать какой-нибудь optical flow. Но если нет, то вот что можно получить при использовании HTC HRNetv2p-W32 20e:

Качество изображения плохое, поэтому всех машин оно конечно не найдёт.
Как-то забыл про EfficientDet, который вообще-то лучше чем SpineNet, хотя помню, что читал про него. Возможно это произошло из-за того, что SpineNet вообще не упомянул про EfficientDet. А вообще есть ещё DetNASNet (даже веса выложены), который в некоторых конфигурациях ещё быстрее и точнее чем EfficientDet ;). Вот сравнение DetNASNet, EfficientDet, SpineNet, CSPNet и несколько других сеток до кучи.

Information

Rating
Does not participate
Location
Россия
Registered
Activity

Specialization

Electronics Engineer, Research Scientist