Как я понял из сериала про Шерлока Холмса (не знаю, правда или нет), на Западе 3D-принтеры ставят на учет, т.к из них можно сделать пистолет. А как у нас дела обстоят с законодательством, связанным с 3D-принтерами? Есть какие-нибудь специальные ограничения или правила?
Дополнительный плюс использования рабов — много людей занято, процент безработицы падает — не то что в странах загнивающего Запада ))
Прогрессивно мыслящие компании появляются — мне посчастливилось работать в одной такой. И DeepLeaning используют тоже — вот вчера появился пост о конференции у нас по Big Data, очень неплохого уровня:
Соглашусь с вами, объективные проблемы есть, в системе образования в том числе. В защиту наших директоров следует сказать, что на старших курсах университетов часто бывает и слушать нечего, бывает, что это просто потеря времени. Встречаются очень хорошие наставники старшего поколения, но их мало и они уходят. Механизмов привлечения новых хороших кадров в ВУЗах сейчас не очень много.
С другой стороны, интерес к этой тематике все же очень большой, и вышеупомянутые ресурсы для этого есть — значит, есть предпосылки для успеха. Мне хотелось бы быть оптимистом. =)
Если посмотреть долю IT-проектов в России и Украине, связанных с машинным обучением (их очень мало, это можно оценить по количеству соответствующих вакансий на сайтах поиска работы) к общему количеству наших программистов, то это соотношение скорее всего окажется в разы или десятки раз ниже, чем в западных странах. По-моему, это не очень нормально и не очень хорошо, т.к. ума, фантазии и терпения у наших людей предостаточно. Мне кажется, что такая диспропорция вызвана в том числе и тем, что масса IT-людей, как программистов, так и бизнесменов, действительно не в курсе о такой замечательной штуке, как машинное обучение, что это и с чем это едят. Этот доклад был в первую очередь для них.
Мы пока что ограниченно распространяем наш продукт, поскольку его еще нужно дорабатывать, история со ссылкой связана с этим. Но большое спасибо за комментарии на эту тему, мы подумаем, как ситуацию можно улучшить.
Спасибо. Такая публикация, сравнение разных программ для организации фото-архивов, сейчас готовится. Правда, у нас есть опасения, что это не совсем формат Хабра — были бы рады ошибиться.
Автор убрал слово «негр» из статьи еще сутки назад, как только начались эти разговоры. Статья вообще-то о технологии распознавания лиц, к проблеме названия рас отношение имеет весьма опосредованное.
Разные проценты для разных баз это не то что нормально, это более чем нормально. Качество было проверено на «взрослой» базе Color FERET, оно более чем хорошее для такой постановки задачи, «Single Face Per Person». На собственной небольшой базе с расами качество существенно хуже, но там и качество изображений хуже, плюс фото были взяты из разных источников, разных лет, снятые разными камерами и т.п. При тестировании использовалась кросс-валидация. Неправильное тестирование — частая ошибка новичков, но я про такое знаю, даже писал об этом на Хабре. )
Спасибо за хорошую ссылку, я эту работу еще не видел, выглядит интересно и многообещающе, с удовольствием изучим эту работу с коллегами.
В принципе, просто 97% или 98% — не всегда понятно, насколько это хорошо. У разработчиков систем распознавания с незапамятных времен получалось 95-97% — правда, на маленьких базах типа ORL Faces Database с 5-ю из 10-ти лиц в обучающей выборке.Таким образом, имеет огромное значение, какого размера база, в каких условиях она была снята и сколько примеров каждой персоны использовалось для обучения. У нас, к примеру, была ситуация «Single Face per Person», т.е. только одно лицо на обучение, это сильно усложняет задачу по сравнению лиц. Но результаты вашей ссылки или, скажем, команды Facebook на той же базе действительно впечатляют.
Технология не вреднее и не добрее того, в чьи руки она попадет. И на каждую технологию найдется контр-технология. ) В случае данной работы в любом случае сильно опасаться не стоит — это небольшое улучшение качества, революционного прорыва не произошло.
Прогрессивно мыслящие компании появляются — мне посчастливилось работать в одной такой. И DeepLeaning используют тоже — вот вчера появился пост о конференции у нас по Big Data, очень неплохого уровня:
habrahabr.ru/company/rootuamedia/blog/222489/
С другой стороны, интерес к этой тематике все же очень большой, и вышеупомянутые ресурсы для этого есть — значит, есть предпосылки для успеха. Мне хотелось бы быть оптимистом. =)
Хаб «Я пиарюсь», приглашаю на бета-тестирование новой программы, в которой я принимаю участие в разработке — что не так?
Автор убрал слово «негр» из статьи еще сутки назад, как только начались эти разговоры. Статья вообще-то о технологии распознавания лиц, к проблеме названия рас отношение имеет весьма опосредованное.
Удачи!
В принципе, просто 97% или 98% — не всегда понятно, насколько это хорошо. У разработчиков систем распознавания с незапамятных времен получалось 95-97% — правда, на маленьких базах типа ORL Faces Database с 5-ю из 10-ти лиц в обучающей выборке.Таким образом, имеет огромное значение, какого размера база, в каких условиях она была снята и сколько примеров каждой персоны использовалось для обучения. У нас, к примеру, была ситуация «Single Face per Person», т.е. только одно лицо на обучение, это сильно усложняет задачу по сравнению лиц. Но результаты вашей ссылки или, скажем, команды Facebook на той же базе действительно впечатляют.