what the... ?!

does anyone attend CVPR 2018 at Salt Lake City?

в http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Szegedy_Going_Deeper_With_2015_CVPR_paper.pdf

do you attend CVPR 2018 at Salt Lake City?

do you attend CVPR 2018 at Salt Lake City?

No, i don't

t.me/dataisfuture

Здравствуйте, ребят такой вопрос. Имеются фотографии местности ( карта ), мне нужно все эти карты соеденить воедино правильно, чтобы получить общую карту. Какую использовать нейросеть ? Перцептрон не предлагать.

Здравствуйте, ребят такой вопрос. Имеются фотографии местности ( карта ), мне нужно все эти карты соеденить воедино правильно, чтобы получить общую карту. Какую использовать нейросеть ? Перцептрон не предлагать.

-___-. в общем случае это не задача для нейросетей

-___-. в общем случае это не задача для нейросетей

почему?)

потому что это задача скорее из geomtric сomputer vision\photogrammetry, где для этого куча методов разрабатывалось до нейросетей. если что-то и есть это прям передний край ресерча, который может быть даже без норм имплиметации на гитхабе. если все таки хотитет нейросеть надо чет-ко понимать что на выходе будет, и как вы это дальше будете обрабатывать

потому что это задача скорее из geomtric сomputer vision\photogrammetry, где для этого куча методов разрабатывалось до нейросетей. если что-то и есть это прям передний край ресерча, который может быть даже без норм имплиметации на гитхабе. если все таки хотитет нейросеть надо чет-ко понимать что на выходе будет, и как вы это дальше будете обрабатывать

я просто думал так. обучить нейросеть для 100 например картинок карты. И потом при добавлении новой картинки - эта картинка будет добавляться в нужное место ( как в пазле)

какой опыт у вас с нейросетями?

тут скорее надо учить на всей карте, а потом заставлять дорисовывать ее пустные места

какой опыт у вас с нейросетями?

уровень многослойного перцептрона:D только начал изучение

уровень многослойного перцептрона:D только начал изучение

тогда даже пока не подходите к этой задаче.

серьезно

для изображений использовал сеть хемминга

тогда даже пока не подходите к этой задаче.

хотел бы научиться более серьезным нейросетевым алгоритмам

хотел бы научиться более серьезным нейросетевым алгоритмам

это слишком сложно. это потянет на передовой край науки. http://cs231n.stanford.edu/ - ав вы пока для начала это заботайте

это слишком сложно. это потянет на передовой край науки. http://cs231n.stanford.edu/ - ав вы пока для начала это заботайте

спасибо

Здравствуйте, ребят такой вопрос. Имеются фотографии местности ( карта ), мне нужно все эти карты соеденить воедино правильно, чтобы получить общую карту. Какую использовать нейросеть ? Перцептрон не предлагать.

Карта (схема), или фотки? Перекрытия есть?

Карта (схема), или фотки? Перекрытия есть?

Фотки. Но для начала чтобы проще было начать с карты (схемы)

Если с перекрытием, то для схем надо искать точное соответствие пикселей и по ним выравнивать

Здравствуйте. Какую тему диплома взять. Хотелось бы по Data Science

Здравствуйте, ребят такой вопрос. Имеются фотографии местности ( карта ), мне нужно все эти карты соеденить воедино правильно, чтобы получить общую карту. Какую использовать нейросеть ? Перцептрон не предлагать.

Я думаю задачу можно решить с помощью НН. На вход давать пару соседних картинок, на выход координаты и оринтацию одной кортинки в системе координат другой. Архитектурно это может быть стандартная нескольслойная конволюция, которая даже может шарить веса для обеих фоток на ранних слоях.

Впрочем, я сильно сомневаюсь, что будут хоть какието приемущества перед стандартными методами

Я думаю задачу можно решить с помощью НН. На вход давать пару соседних картинок, на выход координаты и оринтацию одной кортинки в системе координат другой. Архитектурно это может быть стандартная нескольслойная конволюция, которая даже может шарить веса для обеих фоток на ранних слоях.

я бы делал задачу так: брал одну картинку и вторую ставил сбоку, и спрашивал, а похоже ли, что одна картинка это продолжение второй? можно и просто посмотреть на похожесть границы картинок, но нейросети могли бы точнее определить наличие одинаковых продолжающихся протяжённых предметов. другое дело, что тогда подобных проверок будет надо много делать на одну картинку — это медленно. ну, можно комбинировать подходы, а можно дополнительную нейросеть заставить определять, на сколько пикселей картинку нужно сдвинуть. а ещё можно приблизительное определение границы делать стандартной суммой квадратов разностей цветов точек на границе картинок, а потом уже для более точного определения привлекать нейросеть.

Здравствуйте. Какую тему диплома взять. Хотелось бы по Data Science

а какую задачу ты бы в целом хотел решать? сделай сначала домашнюю работу — определись с направлением.

я бы делал задачу так: брал одну картинку и вторую ставил сбоку, и спрашивал, а похоже ли, что одна картинка это продолжение второй? можно и просто посмотреть на похожесть границы картинок, но нейросети могли бы точнее определить наличие одинаковых продолжающихся протяжённых предметов. другое дело, что тогда подобных проверок будет надо много делать на одну картинку — это медленно. ну, можно комбинировать подходы, а можно дополнительную нейросеть заставить определять, на сколько пикселей картинку нужно сдвинуть. а ещё можно приблизительное определение границы делать стандартной суммой квадратов разностей цветов точек на границе картинок, а потом уже для более точного определения привлекать нейросеть.

Я все же думаю задача определения, сшиваются ли картинки, не стоит, все таки фоткают местность обычно последовательно по некоторому гриду. Нам должны быть заранее известны соседи картинки, с которыми надо сшивать.

я бы делал задачу так: брал одну картинку и вторую ставил сбоку, и спрашивал, а похоже ли, что одна картинка это продолжение второй? можно и просто посмотреть на похожесть границы картинок, но нейросети могли бы точнее определить наличие одинаковых продолжающихся протяжённых предметов. другое дело, что тогда подобных проверок будет надо много делать на одну картинку — это медленно. ну, можно комбинировать подходы, а можно дополнительную нейросеть заставить определять, на сколько пикселей картинку нужно сдвинуть. а ещё можно приблизительное определение границы делать стандартной суммой квадратов разностей цветов точек на границе картинок, а потом уже для более точного определения привлекать нейросеть.

Да, я так и думал делать

Да, я так и думал делать

ну значит так и делай. вообще, в любом приличном исследовании обычно как минимум два способа пробуют (или две вариации), и ещё и с чужими результатами сравнивают.

я бы делал задачу так: брал одну картинку и вторую ставил сбоку, и спрашивал, а похоже ли, что одна картинка это продолжение второй? можно и просто посмотреть на похожесть границы картинок, но нейросети могли бы точнее определить наличие одинаковых продолжающихся протяжённых предметов. другое дело, что тогда подобных проверок будет надо много делать на одну картинку — это медленно. ну, можно комбинировать подходы, а можно дополнительную нейросеть заставить определять, на сколько пикселей картинку нужно сдвинуть. а ещё можно приблизительное определение границы делать стандартной суммой квадратов разностей цветов точек на границе картинок, а потом уже для более точного определения привлекать нейросеть.

Распараллелить и будет норм

ну значит так и делай. вообще, в любом приличном исследовании обычно как минимум два способа пробуют (или две вариации), и ещё и с чужими результатами сравнивают.

Вопрос тогда такой какую нейросеть использовать? Сверточную?

да

Распараллелить и будет норм

этот предварительный поиск параллелить не надо — там лучше применить матричное умножение, и будет супербыстро.

этот предварительный поиск параллелить не надо — там лучше применить матричное умножение, и будет супербыстро.

Можно

Вопрос тогда такой какую нейросеть использовать? Сверточную?

для задачи определения точного совпадения? как обычно, начинаешь с классических архитектур и уже натренированных нейросетей под близкие задачи (если есть такие). потом, если есть гипотезы, как улучшить — улучшаешь. процесс документируешь в исследовании, получаешь более солидную и полезную научную работу.

для задачи определения точного совпадения? как обычно, начинаешь с классических архитектур и уже натренированных нейросетей под близкие задачи (если есть такие). потом, если есть гипотезы, как улучшить — улучшаешь. процесс документируешь в исследовании, получаешь более солидную и полезную научную работу.

Для дипломной работы пойдет?)

Для дипломной работы пойдет?)

хоть для кандитасткой, в зависимости от проработанности

вообще, в России для дипломной работы вообще не требуется уникального и нового исследования. хоть вообще без нейросети делай.

дипломная работа подтверждает навыки как делать исследование, а не твою оригинальность и изобретательность. у меня есть примеры, когда сдавали кнопку со счётчиком на 5, или обычную SOA-архитектуру (ядро с плагинами) на 5, и когда неплохой и даже нормально работающий веб-сервис оценивали на 3 (правда, нюанс в том, что автор на защите утверждал об *уникальности* его идеи, а после того, как его ткнули в несколько альтернатив и спросили, что он указал по этому поводу в обязательной части — в обзоре литературы — он промолчал ).

а вот для кандидатской уже требуется новизна и оригинальность работы.

Понял... На бакалавр работе делал действительно уник работу

Здравствуйте, ребят такой вопрос. Имеются фотографии местности ( карта ), мне нужно все эти карты соеденить воедино правильно, чтобы получить общую карту. Какую использовать нейросеть ? Перцептрон не предлагать.

Это стандартная задача на локальные дескрипторы. Гугли surf sift и им подобные. В opencv есть готовая реализация

Это стандартная задача на локальные дескрипторы. Гугли surf sift и им подобные. В opencv есть готовая реализация

это будет работать только если есть большие пересечения между картинками в "панораме"/"карте".

Пересечения должны быть

Пересечения должны быть

а можно поподробнее, кто именно кому чего должен?

в изначальной постановке задачи пересечений не обещали.

Это стандартная задача на локальные дескрипторы. Гугли surf sift и им подобные. В opencv есть готовая реализация

Постановка такая: Летит самолет, фоткает местность. Получается несколько фотографий. Задача нс структурировать и правильно расположить эти фотографии, чтобы получилась карта

Нейросеть для этого не нужна.

Я раньше уже писал, что это задача фотограммометрии скорее

А кто может подсказать тему диплома, связанную с нейросетями)))

была у меня как-то задачка (до конца так и не решили): определение пола и возраста по картинке лица

на свёртках учили сетку, но не доучили

процент попадания был низкий

но задачка очень интересная

статья по теме https://habr.com/company/nordavind/blog/248991/

Всем привет, мы очень целеустремленные ребята, которые хотят прогресса в России. Поэтому к нам пришла идея по автоматизации касс столовых. С этой идеей мы пошли на Уральскую проектную смену, но у нас возникла одна огромная проблема. Нам сказали, чтобы представить свои проекты на международной выставке, мы должны собрать больше всех лайков на посту. Помогите пожалуйста. Вам не трудно, а мне приятно. Вот ссылка на пост https://vk.com/inteltray?w=wall-78447748_17105. Если, что марка забанили

Hi everybody, Does anyone here works with the RNN like lstm or gru for sequence based data?

Hi everybody, Does anyone here works with the RNN like lstm or gru for sequence based data?

I do, with sounds.

Let say i have a ecg(electroencephalogram) biosignal dataset of 18 different people and and for each 40 milli second which means 40 sample there exist 2 real number lable for them namly arousal and valence which shows the intensity level and positivity level of emotion bothe range [-1,1]

First of all if i want to feed it to a lstm as a input layer and my input shape be like (batchsize,timestep,featuresize) should i set the timestep=40 ?

Or i can set the feature msize =40 and time step can be any number which would give a better performance by try and error

I only summarized the dataset discription more details are available here if you are interested in it https://diuf.unifr.ch/diva/recola/

Can you please correct my underestanding about this basic issues sorry if its too stupid or simple im a beginner

I do, with sounds.

Do you have any comment on my question maybe similar to your project somehow

Let say i have a ecg(electroencephalogram) biosignal dataset of 18 different people and and for each 40 milli second which means 40 sample there exist 2 real number lable for them namly arousal and valence which shows the intensity level and positivity level of emotion bothe range [-1,1]

Sounds fine. How many samples so you have in total? DL works best starting from 100k

I have 18people*300000sample per person

9.5 hr * 3600 * 25 is very good.

And how many labeled events?