Наиболее интересные новости из пяти почтовых рассылок. Новые технологии, идеи по применению и гипотезы.

Machine Learning everywhere

Пограничники и охрана территорий, сидят за огромным монитором, на котором изображения от IP-камер. Результативно следить за всеми картинками в течение 6-8 часов физически невозможно. Большой помощью в такой работе будет система распознавания и детектирования: людей, машин, предметов. Сюда же относятся домашние системы безопасности и обнаружение объектов в реальном времени с камер наблюдения.
Управление шлагбаумом с помощью Arduino (аналог Raspberry Pi). Интересно, что будет, если подойти к шлагбауму с нарисованным на картоне номером?
Вместо шлагбаума эмоции посетилелей, сотрудников, прохожих. Распознавание изображений лиц через мобильные приложения. Обнаружение и отслеживание предметов. Современные системы отслеживания объектов (object tracking) также используют нейросети (Regression Networks и т.д.).
Робот-танк на Raspberry Pi с Intel Neural Computer Stick 2. Аналогичная разработка выглядит впечатляюще для 2016 года.
Детектор дыма для пожарной сигнализации.
Распознавание товаров на полках с помощью нейронных сетей на технологиях Keras и Tensorflow Object Detection API. Система автоматических рассчетов в магазине.
Решение математических уравнений.
Оценка местности: площадь домов, количество бассейнов, наличие автомобилей и т.д.
Наблюдение за животными в доме и в дикой природе. Определение заболеваний растений для фермеров.
Управление устройствами и процессами движением рук.
Мод для автомобиля Tesla под названием Surveillance Detection Scout, с помощью которого автомобиль Tesla превращается в платформу видеонаблюдения на колесах. Он распознает номера машин на дороге и лица людей в реальном времени. Презентация технологии. В ней хакер объясняет, что систему можно использовать в различных целях: как для разведки, так и для контрразведки. Например, если система часто замечает один и тот же автомобильный номер или одного и того же человека, то хозяину отправляется сообщение о подозрительной активности.
В московской компании Deep Systems сделали робо-мобиль еще в 2017 году. Последняя их разработка: автоматическая сегментация с помощью нейросетей хорошо обрабатывает волосы, помощь фотошоперу и разметчику баз данных.
Автоматическая сегментация с помощью нейросетей По моему субъективному мнению, примерно в 8-10 раз быстрее ручной разметки. Для ускорения работы все следует сегментировать только нейросетями.
Перевод изображения в текст и текст в изображение (с помощюь GAN-сетей, Generative Adversarial Network).
Бесплатные веб-приложения для передачи стиля (neural style transfer): algorithmia.com, deepart.io, deepdreamgenerator.com. С помощью них сгенерировал картинки к статье.

Neural networks are

Deep office man

Спасибо за внимание!

Новости машинного обучения. Самое интересное из пяти рассылок