Много лет назад вот в статье "Нейронные сети на Javascript", я делал реализацию на JS, только сам backpropagation я использовал из готовой билиотеки "BranJS" а больше фокус на визуализацию. Несколько идей по самой реализации: - В качестве дополнительной нормализации (для песочницы) необходимо определять область с изображением и центрировать ее, иначе если написать цифру не по центру или слишком маленькую в углу то результат будет значительно хуже. - Переводить из GrayScale в Black and White означает некую потерю информации о изображении. Это ускоряет обучение но все же ведет к потери качества. - Из соображений производительности сейчас больше применяется пакетный (batch) вариант градиентного спуска
Вы только посмотрите на эти выдающиеся характеристики: 8 ядер 1.3 mHz и DDR3-1600. ВНИМАНИЕ производился на TSMS и попал под санкции (о каком импортозамещении может идти речь?), они его что паяльником собирать будут? «Эльбрус-8СВ» это имитация сервера, так же как в советском союзе была имитация электронно-вычислительной техники. Несмотря на то что использовались позолоченные контакты и толстые медные дорожки, все это выпускалось безнадежно устаревшим и имело спрос только потому что персональные ПК не могли просочиться к советскому потребителю.
Смотрите, это очень общий вопрос. В большей степени это будет зависеть от других компонентов системы. Например, если сервер обладает скоросным устройством чтения но слабым CPU то возможно для небольших разрешений фото это будет страведливо, но в большинстве случаев несжатые изображения это сомнительный вариант оптимизации.
Однозначно будет быстрее, но это решение для случая когда камера смотрит "в упор" на авто, например на шлагбауме, когда номер сфоткан, относительно большого размера. Для понимание нашей проблематики, попробуйте распознать WPOD-NET вот такой номер, который входит в наш бенчмарк https://github.com/ria-com/nomeroff-net/blob/master/banchmarks/images/1.jpeg?raw=true
Спасибо за информацию. Не знал об этой библиотеке. Попробовал прогнать тесты, работает быстрее чем OpenCV, но в 1.5 раз медленее чем TurboJPEG. Сейчас добавлю тесты в репозиторий
И какие страны и типы ГРЗ внутри стран поддерживаются
UA (Украина), RU (РФ), EU (европейская универсальная модель), AM (Армения), KZ (Казахстан), BY (Беларусь), GE (Грузия), KG(Кыргызстан), SU (екс СССР с кирилицей)
На сколько я понял, предлагаемое решение определяет углы ГРЗ
Можно так сказать, с помощью CRAFT мы определяем линию с текстом в найденом боундинг боксе и по определенному алгоритму устанавливаем углы.
Есть ли у вас бэнцмарки на точность при разных погодных условиях
Нету, мы, в первую очередь, решаем задачи сайта AUTO.RIA.com, где пользователи редко размещают объявления с болотом и снегом. Некоторые люди используют наш модуль для разпознавния и наравне с нашим датасетом добавляют свои данные и дотренировуют модель.
Презентация сделана для датасаентистов где профильные специалисты прказали некоторые интересные идеи и архитектуры сетей по разным проблемам автономного вождения. Ясно что автор не в теме и не может понять половину того что услышал.
Смеятся с компании которая создала по 7 нм технологии свой чип на 362 терафлопса. Очень смешные непонятные цыфры? Можно поржать еще с теории относительности Энштейна.
Там есть один ньюанс, который автор может пофиксить, необходимо провести нормализацию нарисованного изображения: цетрировать и маштабировать нанесенный рисунок. Для того чтоб понять как проявляется проблема, напишите цифру в углу (даже если цифра будет очень правильная) будет ошибка.
Вообще говоря MRCNN это не оптимизатор, это фреймворк (MaskRCNN). В OCR, которая отвечает, непосредственно, за распознавание использовался и используется SGD. Саму сеть мы немного переписали и адаптировали к tensorflow 2.x, точность по большинстве стран 99%.
В текущей версии мы отказались от MaskRCNN, т.к. он очень ресурсоемкий и медленный. Пока что остановили свой выбор на CenterMask2 и ускорились в 2.5 раза.
Почему не рассматриваете Li-ion тип аккумуляторв для AA и AAA типов, корые дают 1.5В и без проблем заряжаются от USB.
Емкость меньше, удобства больше. У меня Ni-MH, часто «умирали» если вовремя не подзарядить.
Выявление поддельных ( дорисованых номеров) это задача другого класса. На ее решение требуется дополнительные ресурсы. Отличить же чёрный номер от белого может даже студент освоивший азы сверточных сетей.
Крыша плоская, есть вентиляционные выходы, дымохода нету (тех. этаж над моей квартирой и квартирой соседей). Не для зароботка, для того чтоб уменьшить потребление внешней енергии, у меня есть полы с електроподогревом, которые мог бы включать днем весной и осенью вместо газового отопления а излишек в сеть отдавать.
Обучаем нейросеть распознавать цифры на выборке от MNIST. Реализация алгоритма обратного распространения на C#
Много лет назад вот в статье "Нейронные сети на Javascript", я делал реализацию на JS, только сам backpropagation я использовал из готовой билиотеки "BranJS" а больше фокус на визуализацию.
Несколько идей по самой реализации:
- В качестве дополнительной нормализации (для песочницы) необходимо определять область с изображением и центрировать ее, иначе если написать цифру не по центру или слишком маленькую в углу то результат будет значительно хуже.
- Переводить из GrayScale в Black and White означает некую потерю информации о изображении. Это ускоряет обучение но все же ведет к потери качества.
- Из соображений производительности сейчас больше применяется пакетный (batch) вариант градиентного спуска
«Эльбрус-8СВ» в дата-центре: реально ли сделать «импортозамещающий» сервер
Вы только посмотрите на эти выдающиеся характеристики: 8 ядер 1.3 mHz и DDR3-1600. ВНИМАНИЕ производился на TSMS и попал под санкции (о каком импортозамещении может идти речь?), они его что паяльником собирать будут?
«Эльбрус-8СВ» это имитация сервера, так же как в советском союзе была имитация электронно-вычислительной техники. Несмотря на то что использовались позолоченные контакты и толстые медные дорожки, все это выпускалось безнадежно устаревшим и имело спрос только потому что персональные ПК не могли просочиться к советскому потребителю.
Распознавание номерных знаков. Как все ускорить
Смотрите, это очень общий вопрос. В большей степени это будет зависеть от других компонентов системы. Например, если сервер обладает скоросным устройством чтения но слабым CPU то возможно для небольших разрешений фото это будет страведливо, но в большинстве случаев несжатые изображения это сомнительный вариант оптимизации.
Распознавание номерных знаков. Как все ускорить
Однозначно будет быстрее, но это решение для случая когда камера смотрит "в упор" на авто, например на шлагбауме, когда номер сфоткан, относительно большого размера.
Для понимание нашей проблематики, попробуйте распознать WPOD-NET вот такой номер, который входит в наш бенчмарк https://github.com/ria-com/nomeroff-net/blob/master/banchmarks/images/1.jpeg?raw=true
Распознавание номерных знаков. Как все ускорить
Спасибо за информацию. Не знал об этой библиотеке. Попробовал прогнать тесты, работает быстрее чем OpenCV, но в 1.5 раз медленее чем TurboJPEG. Сейчас добавлю тесты в репозиторий
Распознавание номерных знаков. Как все ускорить
Да
UA (Украина), RU (РФ), EU (европейская универсальная модель), AM (Армения), KZ (Казахстан), BY (Беларусь), GE (Грузия), KG(Кыргызстан), SU (екс СССР с кирилицей)
Можно так сказать, с помощью CRAFT мы определяем линию с текстом в найденом боундинг боксе и по определенному алгоритму устанавливаем углы.
Нету, мы, в первую очередь, решаем задачи сайта AUTO.RIA.com, где пользователи редко размещают объявления с болотом и снегом. Некоторые люди используют наш модуль для разпознавния и наравне с нашим датасетом добавляют свои данные и дотренировуют модель.
Tesla Bot довёл презентации новых технологий до их логического и абсурдного конца
Презентация сделана для датасаентистов где профильные специалисты прказали некоторые интересные идеи и архитектуры сетей по разным проблемам автономного вождения. Ясно что автор не в теме и не может понять половину того что услышал.
Смеятся с компании которая создала по 7 нм технологии свой чип на 362 терафлопса. Очень смешные непонятные цыфры? Можно поржать еще с теории относительности Энштейна.
Как при помощи ИИ сделать распознавание вводимых вами рукописных цифр прямо в браузере
Там есть один ньюанс, который автор может пофиксить, необходимо провести нормализацию нарисованного изображения: цетрировать и маштабировать нанесенный рисунок. Для того чтоб понять как проявляется проблема, напишите цифру в углу (даже если цифра будет очень правильная) будет ошибка.
Как при помощи ИИ сделать распознавание вводимых вами рукописных цифр прямо в браузере
Много лет назад писал статью "Нейронные сети на Javascript", тогда еще небыло TensorFlow.js и реализаций сверточных серей для JS. Функционал разпознавания цифр был реализован с помощью простого персептрона на brain.js
Распознавание номеров. Практическое пособие. Часть 1
Распознавание номеров. Практическое пособие. Часть 1
Распознавание номеров. Как мы получили 97% точности для Украинских номеров. Часть 2
В текущей версии мы отказались от MaskRCNN, т.к. он очень ресурсоемкий и медленный. Пока что остановили свой выбор на CenterMask2 и ускорились в 2.5 раза.
Аккумуляторы против батареек
Емкость меньше, удобства больше. У меня Ni-MH, часто «умирали» если вовремя не подзарядить.
Книга «Программируем с PyTorch: Создание приложений глубокого обучения»
Особенности национального распознавания образов
Выявление поддельных ( дорисованых номеров) это задача другого класса. На ее решение требуется дополнительные ресурсы. Отличить же чёрный номер от белого может даже студент освоивший азы сверточных сетей.
Зарабатываем на солнечной энергии или пассивный доход в 25% годовых, практический опыт. Часть 1
Зарабатываем на солнечной энергии или пассивный доход в 25% годовых, практический опыт. Часть 1
В Госдуме рассматривают административную ответственность за майнинг криптовалют
Все над чем у государства нету контроля оно будет запрещать, маргинализируя людей которые посмели заниматься чем-то, что невозможно легально отобрать.
Как мы боремся с копированием контента, или первая adversarial attack в проде
nomeroff.net.ua/models/mrcnn
Исходный код здесь:
github.com/ria-com/nomeroff-net
Как мы боремся с копированием контента, или первая adversarial attack в проде
nomeroff.net.ua/onlinedemo.html