HimeraSearchDB
Carding_EbayThief
triada
CrackerTuch
d-shop
HimeraSearchDB

НОВОСТИ Подборка статей о машинном обучении: кейсы, гайды и исследования за апрель 2020

Bonnie
Оффлайн
Регистрация
12.04.17
Сообщения
19.095
Реакции
107
Репутация
0
x5erjon4gw7wszohafwo001_jcg.png


Продолжаем отбирать публикации, которые помогают снизить порог входа в сферу ML. Как и прежде, здесь в первую очередь собраны инструменты с открытым исходным кодом, предобученные модели и высокоуровневые API.



Facebook AI представили самый масштабный . В его основе модель, у которой 9,4 миллиарда параметров, что делает ее самой крупной системой из существующих. Это первый open-domain чат-бот, который объединяет разнообразные разговорные навыки в одной системе: способен выражать сочувствие и проявлять индивидуальность. Если верить авторам исследования, Blender по всем параметрам лучше чем Meena, которую ранее в этом году , но так и не продемонстрировали.



Машинное обучение часто используется для удаления фона с изображений. Если со статическими изображениями результаты уже давно очень хорошие, и есть даже целые сервисы вроде remove.bg, то теперь этого можно добиться и для видео — хромакей больше не нужен! Появился , который прекрасно справляется с удалением фона с видео. Для нужного результата необходимо сделать снимок фона без человека и дальше алгоритмы машинного обучения делают свою магию. Результаты потрясающие, в самой публикации можно посмотреть бенчмарки.

oip7mrzjemdgnkyy_wli0y6nmue.png




Существующие алгоритмы машинного обучения способны анализировать только видимые части объектов. Это приводит к неполной интерпретации сцены.
Теперь появился , который способен дополнять скрытые из виду фрагменты объектов в изображении. Инструмент сделан на основе модели, обученной без привлечения учителя.

piu28yfsn0tkd4hus5j0ipn0u1i.gif




Производительность является ключевым фактором при проведении исследований в области машинного обучения. Чем быстрее проходит обучение модели, тем больше можно совершать итераций, сокращая накладные расходы. Это очень важно при промышленной разработке. Однако не всегда понятно, что следует оптимизировать, и на поиск узких горлышек уходит время. Теперь для TensorFlow появился , призванный решить эту проблему.



Современные модели машинного обучения становятся все объемнее и содержат миллионы параметров. При этом существует острая потребность запускать эти модели на слабых устройствах. В попытках решить это противоречие, появился , который обеспечивает максимальное сжатие моделей практически без потери в их производительности. В дальнейшем это позволит запускать приложения локально на мобильных устройствах и IoT-чипсетах.



Впрочем, существует уже множество моделей, который оптимизированы под слабые девайсы. В этой публикации показано, как не имея опыта в машинном обучении, с помощью TensorFlow Lite собрать полноценный продукт. Количество предтренировочных моделей в репозитории постоянно пополняется, таким образом ничто не мешает уже сейчас создавать мобильные приложения, в сердце которых будут модели машинного обучения.



Помните приложение Prisma, которое переносило художественный стиль на фотографии пользователей с помощью нейронной сети? Сейчас таким уже никого не удивишь, но зато теперь можно собрать собственную призму для и . В публикации рассказывается о том, как эта техника оптимизирована под TensorFlow lite, чтобы поддерживаться не очень мощными мобильными устройствами. Кстати, в апреле такая же функция в приложении Google Arts & Culture.

z20fhh2wae66jbbn36eovbn5fdg.png


Бонус:

Стэнфордский университет выложил в открытый доступ курс лекций 2018 года, который теперь .

Вместо заключения:

На основе библиотек из мы собрали , который позволяет управлять веб-интерфейсом с помощью обыкновенной веб-камеры, и на Хабре. Возможно инструменты из этой подборки также вдохновят кого-то из читателей придумать решение какой-нибудь актуальной проблемы. Будет здорово о таком почитать. А пока на этом все, спасибо за внимание!
 
Сверху Снизу