Раз уж фантазируем, то пункт 4: Вот вам Apple Super Retina селфи-палка за $1000. Если потерялись в горах - откидываете супер-магнитный порт, втыкаете в телефон и палка работает как внешняя антенна. И вот уже можно звонить и отправлять фоточки в инстаграм.
Отрубать клиентов за воровство сейчас бесполезно, придётся рубить всех.
На месте букинга я бы детектил эти события и регулярно, планомерно предупреждал что, мол, мы знаем что ты воруешь. А показательно рубить бы начал уже после набора критической массы. Я думаю так они и делают сейчас. собственно.
Это всё потому что население привыкло выживать, т.е. жить сегодняшним днём. Важно сейчас вот эти 10% сэкономить, а что там потом когда-то будет не так важно.
Програмные, тактические затычки всех этих течей не помогут. Вот это всё мелкое воровство пропадёт только когда будут серьёзные, неотвратимые, предсказуемые долгосрочные последствия.
Отели в других странах не пытаются надурить букинг потому что отлучение от букинга -- прямой путь к банкротству. Водители не пытаются надурить uber или lyft, потому что других нет и податься потом будет некуда.
Всё верно, только с димломом Yale лучше чем без диплома Yale. Если чел может выложиться на 100% ради одной абстрактной цели, то и для другой завтра тоже возможно выложится. И в итоге чел этот будет работать совсем не в тех командах в которых работают те кто не стал выкладываться.
Сегодня "нацеленность" одна, завтра другая, а диплом Yale в руках открывает совсем, совсем другие перспективы.
С открытым кодом работ очень не много. Навскидку так вспомню только работу греков одних которые камерами комаров детектили. Там целый каскад нейросеток был: одна нейросетка искала движение, другая предсказывала координаты уже ведомой цели, потом YOLO и в конце клафицикация урезаной картинки.
Может оказаться так, что нейросетка может понять из контекста, скажем, поля и сетки поле вероятностей где мяч может оказаться.
Подсвечивая кадр этой тепловой картой вероятностей можно резко улучшить результативность YOLO.
Некоторые не весь HD кадр в YOLO пихают, а вырезанную область вокруг предполагаемых координат летящего объекта.
Две нейросетки: одна предсказывает где может оказаться мяч на следующем кадре и другая собственно ищет мяч на кадре.
Первой сетке на вход подаёте M пар двумерных координат где мяч был ранее разпознан.
На выходе ждёте плоский массив типа 100x100 где мяч должен быть. Типа тепловой карты вероятностей.
Эту сетку можно тренировать на синтетических данных.
Вторую сетку делаете как YOLO4 только на вход подаёте N последних кадров и отдельно ту 100x100 картинку. Как вариант можно в каждый кадр добавить четвёртый цвет — 100x100 карту.
На выходе получаете координаты мяча.
Эту сетку придётся тренировать на кастомном датасете. Придётся делать видео людей разной степени волосатости играющих на разных площадках и вручную размечать летящий мяч.
Как вы глазами ищете самолёт в небе: сначала шарите по всей картинге пока не найдёте его, потом мозг начинает предсказывать где самолёт должен быть и даже если он скроется на секунду за листвой всё равно сразу распознаете его как только появится.
Предсказание будущей координаты мяча резко упрощает задачу распознавания картинки.
Доверьтесь магии и подавайте в нейросетку N последних кадров + M последних распознанных позиций мяча.
Тогда сможете определять мяч с любого ракурса на (практически) любом фоне и в разных условиях освещения.
А расскажите про препроцессинг: снимки маммографии бывают же и в 512x512 и в 4800x4800.
Вы большие сжимаете или маленькие растягиваете через super-resolution?
Грудь центруете или она лежит где получится на снимке?
Грудь вырезаете от посторонних объектов? И если да, растягиваете ли получившееся на всю ширину кадра? И если растягиваете, то линейно или по сфере?
Вывод получается такой:
Нейросетку обучить — самое простое. Сложности в подготовке, разметке и, самое главное, сборе данных.
Внезапно выяснится, скорее всего, что проще поставить свои рентгены, свои PACS, самостоятельно обучать персонал, самостоятельно собирать снимки контроллируя качество от А до Я и только так собрать аккуратный датасет. А там, глядишь, через годик-два, можно будет быстро собрать нейросетку.
Восторге.
ЕМНИП в Японии у почти 100% населения есть личные печати. Может быть из этого вашего великолепия можно сделать премиальный бренд для японцев и продавать печати по $300.
Планирую аналогичный девайс, но думаю добавить беспроводной зарядник на который можно было бы наехать или прижаться кормой. Тогда робота можно сделать полностью автономным и оставлять его патрулировать склад неделями.
Раз уж фантазируем, то пункт 4: Вот вам Apple Super Retina селфи-палка за $1000. Если потерялись в горах - откидываете супер-магнитный порт, втыкаете в телефон и палка работает как внешняя антенна. И вот уже можно звонить и отправлять фоточки в инстаграм.
Если примитивно то: выбираете рандомную точку, тянете к ней тайл из OpenStreetMaps, ищете ближайший пиксель цвета дороги.
Отрубать клиентов за воровство сейчас бесполезно, придётся рубить всех.
На месте букинга я бы детектил эти события и регулярно, планомерно предупреждал что, мол, мы знаем что ты воруешь. А показательно рубить бы начал уже после набора критической массы. Я думаю так они и делают сейчас. собственно.
Это всё потому что население привыкло выживать, т.е. жить сегодняшним днём. Важно сейчас вот эти 10% сэкономить, а что там потом когда-то будет не так важно.
Програмные, тактические затычки всех этих течей не помогут. Вот это всё мелкое воровство пропадёт только когда будут серьёзные, неотвратимые, предсказуемые долгосрочные последствия.
Отели в других странах не пытаются надурить букинг потому что отлучение от букинга -- прямой путь к банкротству. Водители не пытаются надурить uber или lyft, потому что других нет и податься потом будет некуда.
Всё верно, только с димломом Yale лучше чем без диплома Yale.
Если чел может выложиться на 100% ради одной абстрактной цели, то и для другой завтра тоже возможно выложится. И в итоге чел этот будет работать совсем не в тех командах в которых работают те кто не стал выкладываться.
Сегодня "нацеленность" одна, завтра другая, а диплом Yale в руках открывает совсем, совсем другие перспективы.
Безумно рад за OP.
10 человек, майки заказали, интервью дают, стенды на выставках ставят, а собрали всего 200 фотографий окурков.
Шикарный датасет, ага.
sci-hub.hkvisa.net/10.3390/s19122785
sci-hub.hkvisa.net/10.3390/s18051489
Мне они помогли в свое время.
Подсвечивая кадр этой тепловой картой вероятностей можно резко улучшить результативность YOLO.
Некоторые не весь HD кадр в YOLO пихают, а вырезанную область вокруг предполагаемых координат летящего объекта.
Первой сетке на вход подаёте M пар двумерных координат где мяч был ранее разпознан.
На выходе ждёте плоский массив типа 100x100 где мяч должен быть. Типа тепловой карты вероятностей.
Эту сетку можно тренировать на синтетических данных.
Вторую сетку делаете как YOLO4 только на вход подаёте N последних кадров и отдельно ту 100x100 картинку. Как вариант можно в каждый кадр добавить четвёртый цвет — 100x100 карту.
На выходе получаете координаты мяча.
Эту сетку придётся тренировать на кастомном датасете. Придётся делать видео людей разной степени волосатости играющих на разных площадках и вручную размечать летящий мяч.
Как вы глазами ищете самолёт в небе: сначала шарите по всей картинге пока не найдёте его, потом мозг начинает предсказывать где самолёт должен быть и даже если он скроется на секунду за листвой всё равно сразу распознаете его как только появится.
Предсказание будущей координаты мяча резко упрощает задачу распознавания картинки.
Тогда сможете определять мяч с любого ракурса на (практически) любом фоне и в разных условиях освещения.
Спасибо большое!
Вы большие сжимаете или маленькие растягиваете через super-resolution?
Грудь центруете или она лежит где получится на снимке?
Грудь вырезаете от посторонних объектов? И если да, растягиваете ли получившееся на всю ширину кадра? И если растягиваете, то линейно или по сфере?
Нейросетку обучить — самое простое. Сложности в подготовке, разметке и, самое главное, сборе данных.
Внезапно выяснится, скорее всего, что проще поставить свои рентгены, свои PACS, самостоятельно обучать персонал, самостоятельно собирать снимки контроллируя качество от А до Я и только так собрать аккуратный датасет. А там, глядишь, через годик-два, можно будет быстро собрать нейросетку.
Что-то не очень понял про print() который автор использует вместо console.log()
ЕМНИП в Японии у почти 100% населения есть личные печати. Может быть из этого вашего великолепия можно сделать премиальный бренд для японцев и продавать печати по $300.
Это горазно интереснее чем, скажем, прикрутить горшочек к подоконнику. В итоге довольна не только мама а все без исключения участники процесса.
рыбакпараноик, вам не понять. :-)