Комментарии 8
НЛО прилетело и опубликовало эту надпись здесь
Как быть в таком случае? Тут нам на помощь приходит довольно простой алгоритм под названием Non maximum suppression.
а не лучше нейронку натреннировать чтоб она сама подавляла дубликаты? Из статьи к сожалению не следует полная математика и особенности треннировки. Впечатление вообще что количество необходимых слоёв «слегка преувеличено»,
Вообще на данный момент NMS довольно хорошо показывает себя на практике и нет смысла его заменять, в том числе из-за возможных проблем с производительностью. В статье и не было идеи описать теорию сети и процесс её обучения. Насчет количество слоев: при такой архитектуре для достижения оптимального mAP их как раз нормальное количество. Например в той же tiny версии их меньше, что уже сказывается на точности.
Насчет количество слоев: при такой архитектуре для достижения оптимального mAP их как раз нормальное количество.а сколько обучается такой динозавр. Идея если руки дойдут всё таки разобраться и сделать микро — jolo для картинок незнаю где то 64 на 64, и слоёв и карт меньше, пусть распознаёт хуже зато создаваемо своими руками дома)))
Немного оффтоп — не рассматривали ли обучение на устройстве в iOS13?
Пусть будет такая задача: на проходной стоит ipod touch 7 на A10 Fusion за 199€, «охранник» вбивает данные «посетителя» в приложение, «посетитель» смотрит в камеру, приложение обучается и в какой-то раз охранник уже не вбивает данные, а сверяет с профилем распознанного «посетителя».
findface же умеет детектить по чертам лица т.е. со стороны именно детектирования проблемы нет. А обучение сети тоже делается в iOS 13 этот механизм помоему доработали как раз.
iOS 13 ничем в этом плане не отличается от iOS 11, главное не ниже, если пользоваться CoreML. А задача которую вы описали довольно простая, поэтому конечно можно и с помощью iPod её реализовать. Да и вообще с помощью обычного компа, который будет обрабатывать картинки с камеры и играть роль сервера если камер много.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Распознавание объектов в режиме реального времени на iOS с помощью YOLOv3