áá±á¬ááºážáá«ážááœáẠá¡ááá¯ááºážááŸá áºááá¯ááºáž áá«áááºáááº-
- áá»áœááºá¯ááºá¡ááœáẠáá¬ážáááºááá¯ááºáá¯á¶ážáá±á¬ á¡áááºážá¡ááŒá áºáá»á¬ážááŸáá·áº á¡áá®ážá ááºáá¯á¶áž ááá·áºááºáá»á¬ážááŒáá·áº áá¯ááºáá¯á¶áá»á¬ážááŸáá·áº áá¯ááºáá¯á¶á¡ááá¯ááºážááá¯ááºážááœá²ááŒááºážá¡ááœáẠá¡áá¬ááá¹áá¯ááŸá¬ááœá±ááŒááºážá¡ááœáẠááœááºáááºáááá¯áá¬á¡áá»áá¯á·á á¡áá»ááºážáá»á¯ááºáá±á¬áºááŒáá»ááºá áá®áá®ááᯠááŸááºážááŒáá»ááºááœá±ááᯠááœá±ážááŒá®áž ááá¯áá±á¬ááºážáá¬á áá¯ááŸá¬ážááá¯áá«á
- áá¯áááá¡ááá¯ááºážááẠá¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáááá¯áá¬áá»á¬áž ááœá¶á·ááŒáá¯ážááá¯ážáááºááŸá¯á áŠážáááºáá»ááºááᯠáá¬ážáááºááẠááŒáá¯ážáááºážááŸá¯ááŒá áºáááºá áááºážááá¯á·ááᯠá¡ááŒá±áá¶á áááºážááá¬áá»á¬ážá
áá¯á¶ 1 â á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáááºáá±á¬ááºáá¯á¶áá»á¬ážááᯠáá¬ážáááºááẠáááœááºáá°áá«á
Android áá¯ááºážááœáẠá¡áá¬ááá¹áá¯á¡áá»áá¯ážá¡á á¬ážááœá²ááŒá¬ážááŒááºážááŸáá·áº áá±á¬ááºááŸááºážááŒááºážá¡ááœáẠááá¯ááºááŒá¡ááºááºááŸá áºáá¯ááᯠááŒá¯áá¯ááºááŒááºážááŒáá·áº á¡á ááŒá¯áá²á·áááºá
Back-end áá®ááᯠáá±áá¬ááᯠáá¬áá¬áá±á«áºááœáẠáá¯ááºáá±á¬ááºááŒá®áž áá¯ááºážááá¯á· áá±ážááá¯á·ááá·áºá¡áá«á á¡ááá¯áá±á¬ááºá á¡áááºáá±á¬ááºááŸáá·áº áááºáá¶áá¯ááºáá¯á¶ážáá»áá¯ážá áá¯á¶á¡áá»áá¯ážá¡á á¬áž ááœá²ááŒá¬ážáá¬ážáááºáááŸá±á·áá¯á¶áž áá®ááᯠáá¯ááºážáá²ááŸá¬ áá±áá¬ááœá±ááᯠááá¯ááºááá¯ááºáá¯ááºáá±á¬ááºááŒá®ážáá²á·á¡áá«á á¡áá¬ááá¹áá¯áá»á¬ážááᯠáá±á¬ááºááŸááºážááŒááºáž (object detection) á¡áá»áá¯ážá¡á á¬ážáá¯á¶ážáá»áá¯ážááŒá áºáá±á¬ hazelnutsá ááááºážáá®ážáá»á¬ážááŸáá·áº áááºá áœá²áá»á¬ážá
áá¯ááºáá¯á¶á¡áá»áá¯ážá¡á
á¬ážááœá²ááŒá¬ážááŒááºážáá¯ááºáááºážáá¬áááºáá»á¬ážá áá¯á¶áá
áºáá¯á¶ááŸáá¡áá¬ááá¹áá¯ááá¯ááŸá¬ááœá±ááŒááºážááŸáá·áº ááœá¬ááŒá¬ážááŸá¯ááŸááá«áááºá
- R-CNN ááᯠá¡ááŒá±áá¶á áááá¯áá¬áááºáá¬áá»á¬áž á
á®ážáá®ážáá»á¬áž (Ráá±ááá»á¬ážááŸáá·áºá¡áá° Cáá±á¬áºááŸááºáá±áž Neural Networks á¡ááºá¹áá«áááºáá»á¬áž): R-CNNá á¡ááŒáẠR-CNNá
R-CNN ááá¯ááŒááºáááºá ,R-CNN áá»ááºááŸá¬áá¯á¶áž . áá¯á¶áá áºáá¯á¶ááŸá á¡áá¬ááá¹áá¯áá áºáá¯ááᯠáá±á¬ááºááŸááºážáááºá áá±áá¡ááá¯ááŒá¯áá»ááºááœááºááẠ(RPN) ááá¹ááá¬ážááᯠá¡áá¯á¶ážááŒá¯á á¡ááá¯ááºážááœááºáá»á¬ážááᯠááœá²áá±áá±ážáááºá á¡á ááá¯ááºážááœááºá RPN á¡á á¬áž ááá¯ááá¯ááŸá±ážááœá±ážáá±á¬ Selective Search ááá¹ááá¬ážááᯠá¡áá¯á¶ážááŒá¯áá²á·áááºá ááá¯á·áá±á¬áẠááœá±ážáá»ááºáá¬ážáá±á¬ ááá·áºáááºáá±ááá»á¬ážááᯠá¡áá»áá¯ážá¡á á¬ážááœá²ááŒá¬ážáááºá¡ááœáẠááá¬ážááá¯ážáá» á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá áºáá¯á ááá·áºááœááºážááŸá¯ááᯠáá»áœá±ážááœá±ážáááºááŒá áºáááºá R-CNN áááá¯áá¬ááẠAlexNet á¡ááœááºážááá¯ááºážááœááºáááºááŸáááá·áº á á¯á á¯áá±á«ááºáž 2000 á¡áá á¡ááá·áºá¡áááºááŸááá±á¬ áá±ááá»á¬ážáá±á«áºááœáẠ"for" ááŸáá·áºááœááºáá»á¬áž ááŒááºáá¬ážá áœá¬ áá«ááŸááá«áááºá áááá»ááŒááºáá¬ážáá±á¬ âforâ ááŸáá·áºááœááºáá»á¬ážááẠáá¯ááºáá¯á¶áá¯ááºáá±á¬ááºááŒááºážá¡ááŒááºááŸá¯ááºážááᯠááŸá±ážááœá±ážá á±áááºá áááá¯áá¬á áá¬ážááŸááºážá¡áá áºáá áºáá¯á á®ááœáẠá¡ááœááºážááá¯ááºážá¡á¬áá¯á¶ááŒá±á¬ááœááºáááºááŸáá áºááá·áº áááºáááºáá±ááá·áº áááá»ááŒááºáá¬ážáá±á¬ ááœááºážáááºá¡áá±á¡ááœááºááẠáá»á±á¬á·áááºážááœá¬ážáᬠMask R-CNN ááŸá á¡áá¬ááá¹áá¯ááᯠá¡ááá¯ááºážááá¯ááºážááœá²ááŒááºážááŸáá·áº á¡á á¬ážááá¯ážáááºá¡ááœáẠá¡ááŒá¬ážááŒá±á¬ááºážáá²ááŸá¯áá»á¬ážá áœá¬ááᯠá¡ááŸáááºááŒáŸáá·áºáááºááŸáá·áº á¡áá¬ááá¹áá¯ááŸá¬ááœá±ááŒááºážáá¯ááºáááºážááᯠá¡á á¬ážááá¯ážááẠááŒá¯áá¯ááºáá¬ážáááºá YOLO (You Only Look Once) ááẠááá¯ááá¯ááºážááºáááááá¬áá»á¬ážáá±á«áºááœáẠá¡áá¬ááá¹áá¯áá»á¬ážááᯠá¡áá»áááºááŸáá·áºáááŒá±ážáá® á¡ááá¡ááŸááºááŒá¯ááá·áº ááááá¯á¶áž á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºááŒá áºáááºá áá°ážááŒá¬ážáá±á¬á¡ááºá¹áá«áááº- áááºáááºááŸá¯áá áºáá¯ááœáẠá¡áá¬ááá¹áá¯áá»á¬ážááᯠááœá²ááŒá¬ážááááŒááºááŒááºáž (áá áºááŒáááºáá¬ááŒáá·áºáá«)á ááá¯ááá¯áááºááŸá¬á YOLO áááá¯áá¬ááœáẠáááá»áá±á¬ "for" loops áá»á¬ážáááŸááá±á¬ááŒá±á¬áá·áº ááœááºáááºááẠáá»ááºááŒááºá áœá¬á¡áá¯ááºáá¯ááºáá«áááºá á¥ááá¬á¡á¬ážááŒáá·áºá á€á¥ááá¬- NumPy ááœááºá matrices áá»á¬ážááŒáá·áº áá¯ááºáá±á¬ááºáá»ááºáá»á¬ážááᯠáá¯ááºáá±á¬ááºáá±á¬á¡áá«ááœááºá NumPy ááœáẠC áááá¯ááááºážáááºážáá¬áá¬á áá¬ážááŒáá·áº áááá¯áá¬ááá¬áá¡á±á¬ááºááŒá±á¡ááá·áºááœáẠáá¯ááºáá±á¬ááºááá·áº áááá»ááŒááºáá¬ážáá±á¬ "for" loops áá»á¬ážáááŸááá«á YOLO ááẠááŒáá¯áááºáááºááŸááºáá¬ážáá±á¬ windows áááá¬ážááœááºááᯠá¡áá¯á¶ážááŒá¯áááºá áá°áá®áá±á¬á¡áá¬ááᯠá¡ááŒáááºáá»á¬ážá áœá¬ áááºááŸááºááŒááºážá០áá¬ááœááºáááºá Window Overlap Coefficient (IoU) ááᯠá¡áá¯á¶ážááŒá¯áááºá Iáááºážáá¯á¶ over Uáá®ááœááº)á á€áááá¯áá¬áááºáá¬ááẠáá»ááºááŒáá·áºááŒá®áž ááŒáá·áºáá¬ážáááºáááŒá¶á·ááá¯ááºááŸá¯ áá±á¬áºáááºáá áºáŠážááẠáá¬ááºáá¯á¶áá»á¬ážááᯠáá±á·áá»áá·áºáááºááŒá¬ážááá¯ááºáá±á¬áºáááºáž áááºááœá²áááºážáá»á®áá»á¬ážááœáẠáá±á¬ááºážá áœá¬áá¯ááºáá±á¬ááºááá¯ááºáá²ááŒá áºáááºáSSD ááᯠ(Sáá±á«ááºááŒá¶ Sáá°ááŒááºážáá±á¬ MultiBox Detector) - YOLO áááá¯áá¬á á¡á¡á±á¬ááºááŒááºáá¯á¶áž "hacks" áá»á¬ážááᯠ(á¥ááá¬á á¡áá»á¬ážáá¯á¶ážááá¯ááºáá±á¬ ááááŸáááºááŸá¯) ááᯠá¡áá¯á¶ážááŒá¯ááŒá®áž á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºááᯠááá¯ááá¯ááŒááºáááºáááá»á áœá¬ áá¯ááºáá±á¬ááºááá¯ááºááẠá¡áá áºáá»á¬ážááᯠááá·áºááœááºážáá¬ážáááºá áá°ážááŒá¬ážáá±á¬á¡ááºá¹áá«áááº- áá¯ááºáá¯á¶ááááá áºáá±á«áºááŸá ááŒáááºážáá±á«ááºááá¬ážááœáẠ(áá°áá¡ááœááº) ááᯠá¡áá¯á¶ážááŒá¯á áááºáááºááŸá¯áá áºáá¯ááœáẠá¡áá¬ááá¹áá¯áá»á¬ážááᯠááœá²ááŒá¬ážááŒááºáž áá¯á¶ááááá áºááᯠconvolution tensors áá»á¬ážááœáẠáááºááá¯áẠconvolution ááŸáá·áº pooling operations (max-pooling operation ááŒáá·áºá spatial dimension áá»á±á¬á·áááºážááœá¬ážáááº)á á€áááºážá¡á¬ážááŒáá·áºá ááŒá®ážáá¬ážáá±á¬ á¡áá¬ááá¹áá¯ááẠááŸá áºáá¯áá¯á¶ážááᯠnetwork run áá áºáá¯áááºážááœáẠáá¯á¶ážááŒááºáááºá- MobileSSD (ááá¯ááá¯ááºážNetV2+ SSD ááá¯) ááẠneural network architectures ááŸá
áºáá¯áá±á«ááºážá
ááºáá¬ážáááºá ááááá¯á¶áž ááœááºáááº
MobileNetV2 áá»ááºááŒááºá áœá¬ á¡áá¯ááºáá¯ááºááŒá®áž á¡ááá¡ááŸááºááŒá¯ááŸá¯ áááá»ááŸá¯ááᯠááá¯ážá á±áááºá MobileNetV2 ááᯠáá°áá¡áá¯á¶ážááŒá¯áá²á·ááá·áº VGG-16 á¡á á¬áž á¡áá¯á¶ážááŒá¯áááºááá°áááºážáá±á¬ááºážáá«áž . áá¯ááá SSD ááœááºáááºááẠáá¯á¶ááŸá á¡áá¬ááá¹áá¯áá»á¬ážá áááºáá±áá¬ááᯠáá¯á¶ážááŒááºáááºá SqueezeNet - á¡ááœááºáá±ážáááºáá±á¬áºáááºáž áááá»áá±á¬ á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºá áá°á·á¡ááá¯ááá¯á áááºážááẠobject detection ááŒá¿áá¬ááᯠáááŒá±ááŸááºážááá¯ááºáá«á ááá¯á·áá±á¬áº áááºážááᯠááá°áá®áá±á¬ áááá¯áá¬áááºáá¬áá»á¬áž áá±á«ááºážá ááºáá¬ááœáẠá¡áá¯á¶ážááŒá¯ááá¯ááºáááºá ááá¯ááá¯ááºážáááááá¬áá»á¬ážááœáẠá¡áá¯á¶ážááŒá¯áááºá áá°ážááŒá¬ážáá»ááºááŸá¬ áá±áá¬ááᯠááááŠážá áœá¬ 1Ã1 convolutional filters áá±ážáá¯á¡ááŒá Ạcompressed áá¯ááºááŒá®ážáá±á¬áẠ1Ã1 ááŸáá·áº 3Ã3 convolutional filter áá±ážáá¯á¡ááŒá áºááá¯á· áá»á²á·ááœááºááŒááºážááŒá áºáááºá áá±áá¬áá»á¯á¶á·áá»á²á·-áá»á²á·ááœááºááŸá¯ áá áºáá»áá¯ážáá»áá¯ážááᯠ"Fire Module" áá¯áá±á«áºáááºáDeepLab (Semantic Image Segmentation with Deep Convolutional Nets) - áá¯á¶ááŸá á¡áá¬ááá¹áá¯áá»á¬ážááᯠá¡ááá¯ááºážááœá²ááŒááºážá áááá¯áá¬áááºáá¬ááá°ážááŒá¬ážáá±á¬á¡ááºá¹áá«áááºááŸá¬ spatial resolution ááá¯ááááºážááááºážáá¬ážááá·áº dilated convolution ááŒá áºáááºá áááºážááẠá¡ááá¯ááºážááœá²ááá¯ááºážááŸá áá±ážáááºáá±á¬áá°áá¶áá¶áá»á¬ážááᯠáááºááŸá¬ážááá¯ááºááŒá®áž á¡ááá¯ááºážááœá²áá¬ážáá±á¬áá¯á¶á á¡áááºá¡ááœá±ážááᯠááŒáŸáá·áºáááºááá¯ááºá á±ááá·áº ááááºáá áºááŒá áºááá¯ááºááŒá±áá¯á¶á ᶠ(á¡ááŒá±á¡áá±á¡ááá¯áẠáá»áááºážá¡ááœááº) ááᯠá¡áá¯á¶ážááŒá¯áᬠááááºáá»á¬ážá áá±á¬ááºááœáẠáá¯ááºáá±á¬ááºáá²á¡ááá·áºáá áºáá¯ááŒáá·áº áá¯ááºáá±á¬ááºáááºá ááŒá±á¬ááºáááºááœááºáá±á¬ááºážáá±á¬ á¡ááẠ"ááááºáá áºááŒá áºááá¯ááºááŒá±áá¯á¶á á¶" áá±á¬ááºááœááºááœáẠá¡áá»ááºáá«ážáá»ááºááŒáá·áº ááá·áºááŸááºážáá¬ážáá±á¬ ááá¬ážááá¯ážáá» Gaussian á á áºáá¯ááºááŸá¯ááᯠááŸááºáá¬ážáááºá- á
ááºáá
á¹á
ááºážááᯠáá±á¬áºáá¯ááºááẠááŒáá¯ážá
á¬ážáá²á·áááºá
RefineDet (Single-Shot á á áºá¡áá¬ááá¹áá¯á¡ááœáẠment á¡á¬áá¯á¶ááŒá±á¬ááœááºááẠdetection) áá«áá±ááá·áº ááááºáá¬ážááááºáá°ážá - "á¡á¬áá¯á¶á
á°ážá
áá¯ááºááŸá¯" áááºážááá¬á¡áá¯ááºáá¯ááºáá¯á¶ááá¯áááºáž áá±á·áá¬ááŒáá·áºáá°ážáá«áááº-
áá®áá®ááᯠá ,áá®áá®ááᯠá ,áá®áá®ááᯠá . "á¡á¬áá¯á¶á á°ážá áá¯ááºááŸá¯" áááá¯áá¬áááºáá¬ááá°ážááŒá¬ážáá±á¬á¡ááºá¹áá«áááºááŸá¬ áá¯ááºáá¯á¶áá±á«áºááŸá á¡á¬áá¯á¶á á°ážá áá¯ááºááŸá¯ááá¯ážáá¬ááá¯ááºááá·áº áá±ááá»á¬ážááᯠá¡ááá¯á¡áá»á±á¬ááºááœá±ážáá»ááºááŒááºážááŒá áºááẠ(RoIá Ráá±ááá»á¬áž of Interest) á¡á¬áá¯á¶áá°áá áºáá¯áá±á«áºáá±á¬ á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºááᯠá¡áá¯á¶ážááŒá¯áááºá á¡á¬áá¯á¶á á°ážá áá¯ááºááŸá¯ áá»á¬ážááŒá¬ážáá±á¬ á§áááá¬áá»á¬ážááẠáá±á¬ááºáááºáá¬ážáá±á¬ áá±áá¹áá¬áá»á¬ážááŸáá·áº áááºáá°áá±á¬áºáááºáž áááºážááá¯á·ááŸáá·áº ááá°áá²á áááºážááá¯á·ááᯠáá¯á¶ááœáẠááááºááŸááºáá¬ážáá² áááºááááááºáá»á¬áž ááŸá¯ááºáá«ážáá±ááá¯ááºáááºá ááá¯á·áá±á¬ááºá á¡á¬áá¯á¶á á°ážá áá¯ááºááŸá¯áá»á¬ážááŒá¬ážáá±á¬áá±ááá»á¬ážááŸá áááá¯áá¬áááºáá¬áá»á¬ážááŒáá·áº áááºááá²áá²ááŒá áºáá±áá±á¬ á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááá¯á· "áá»áœá±ážááœá±ážááŒááºáž" ááŒá áºááá·áº ááá¹ááá¬áá»á¬áž (á¡ááºá¹áá«áááºáá»á¬áž) ááᯠáá®ážááŒá¬ážááœá²áá¬ážáááºáLSDMá GRU ááá¯á·ááá¯áẠVanilla RNN . áááºááá²áá² á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááẠá¡ááºá¹áá«áááºáá»á¬ážá áááºááœááºááŸá¯ááᯠá¡ááá¯ááºážááá¯ááºááœá²ááŒááºážá áááºááŒá¬ááá¯ááºáááºá áááºááá²áá² á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááᯠá á¬áá¬ážááᯠá¡ááŒá¬ážáá¬áá¬á áá¬ážááá¯á· áá¬áá¬ááŒááºááá¯ááẠá¡á ááá¯ááºážááœáẠá¡áá¯á¶ážááŒá¯áá²á·ááŒá®áž ááá¯á¡áá« áá¬áá¬ááŒááºááá¯áááºááŒá áºáááºáá á¬áá¬ážááŸáá¯á¶áá»á¬áž Оáá¯á¶ááá¯á· á á¬áá¬áž .
áá»áœááºá¯ááºááá¯á·ááẠá€áááá¯áá¬áááºáá¬áá»á¬ážááᯠá
á°ážá
ááºážáá±á·áá¬áááºá áá«áá¬á០áá¬ážááááºáá°ážááá¯áᬠáá«áááááºá. áá»áœááºá¯ááºáá¡á¬áá¯á¶ááŒá±á¬ááœááºáááºááẠá¡á¬áá¯á¶á
á°ážá
áá¯ááºááŸá¯ááá¹ááá¬ážááŸáá·áº áááºáááºáá±á¬ ááŒá¿áá¬áá»á¬ážááŸááá±áááºááá¯ááºáá«á á€áááá¯áá¬áá»á¬ážá¡á¬ážáá¯á¶ážááᯠáááºáá®ážááŒááºážááẠá
á¬áá±ážááá¬áá»á¬áž áááºáá¬áá»á¬áž ááŸááºááŒáá¯ááºááá·áº á§áá¬ááááºáá¬ááœááºáá
áºáá»áá¯ážááŸáá·áº áá°áááºá Hack ááẠáááºáá²áá±á¬ software ááŒá¿áá¬á¡ááœáẠá¡ááŒááºááŒá±ááŸááºážáá»ááºáá
áºáá¯ááŒá
áºáááºá ááá¯ááá¯áááºááŸá¬á á€áááá¯áá¬áá»á¬ážááŒá¬ážááœáẠááŒááºááá¯ááºá áá¬ážáááºááá¯ááºáá±á¬ áá¯áá¹áááááºá
ááºááŸá¯ áááŸááá«á áááºážááá¯á·ááᯠáá±á«ááºážá
ááºážáá¬ážááá»áŸááẠá¡áá»ááºážáá»ááºážáá¶á០áá»á±ážáá°áá¬ážáá±á¬ á¡á¡á±á¬ááºááŒááºáá¯á¶áž áááºááºáá»á¬ážááŒá
áºááŒá®áž á¡á¬ážáá¯á¶ážá¡ááœáẠáá¯á¶áá
áºáá¯ááŒá
áºáááºá
áááºáá¬áá»á¬ážááŒá¬ážááœáẠáá¯áá¹ááááŸáááŸááá»áááºáááºááŸá¯ áááŸáááŒááºážááŒá±á¬áá·áº áááºážááá¯á·ááẠááŸááºáááááºááŸáá·áº áááºááœá±á·ááœáẠá¡áá¯á¶ážááŒá¯ááẠá¡ááœááºáááºáá²áá«áááºá áá«á á¡ááá¯ááºážááá¯ááºážááœá²áá¬ážáá²á· ááá¯áá¯ááá«á á¡áá±á¬ááºážáá¯á¶ážááŸá¬á á áááºáááºá á¬ážá áá¬áá±á¬ááºážááŒá®áž áá»áŸá±á¬áºááá·áºááá¬ážáá±á¬ á¡ááá¯ááºá¡ááá·áºá¡áá»áá¯á·ááᯠáááááááá±á¬áºáááºáž áá¬ážáááºááŒá®áž áá¬ážááááºááá¯ááºáá±á¬ á¡áá¬á¡áá»á¬ážá á¯ááẠáááºá¡áááºážáááºá¡ááœááºáž ááŸááºáá¬ááºáá²á០áá»á±á¬ááºááœá¬ážáá«áááºá áá áºáááºááŸá¬ áááá¯áá¬áááºáá¬áá¬áááºááᯠá¡áááºážáá¯á¶ážááŸááºááááẠáá±á¬ááºážáááá·áºáááºá áá«áá±ááá·áº áá¬áá®áá±á«ááºážáá»á¬ážá áœá¬áá²á· á¡áá¯ááºáá»áááºááœá±áá±á¬áẠáá±á¬ááºážáá«ážááœá±áááºááŒá®áž áá¯á¶ážáááºáá»ááºáá®áá®ááá¯ááœá±ááŒáá·áºáááºáž áá¯ááºáá¯á¶ážáá²á·ááá«áááºá
áá¯á¶ á â
áááá¹áá¶áááºážáá» áá±á¬ááºážáá«ážáá»á¬ážáá±ážáá¬ážáá°á¡áá»á¬ážá
á¯ááẠáá»áœááºá¯ááºáááá¯ááºááá¯ááºá¡ááŒááºá¡á á€á¡ááœá²ááœá²á¡ááŒá¬ážááŒá¬ážááŸááá±á¬á¡ááááá¬ááᯠá
á¬áááºáá°ááŸáá¬ážááááºááŒá±á¬ááºáž áá±áá»á¬á
á±áááºá¡ááœáẠááŒá
áºááá¯ááºááá»áŸá¡áá¬á¡á¬ážáá¯á¶ážááᯠáá¯ááºáá±á¬ááºáá«áááºá ááá¯á·áá±á¬áº "áá±áá¯áá²á" áá±á¬áºááŒá°áá¬áá»á¬ážáá«ááŸááá±á¬ á
á¬ááŒá±á¬ááºážáááºááŒá±á¬ááºážááœáẠáá«áááºááá·áºá
áá¬ážá
á¯áá»á¬ážááẠáá®ážááŒá¬ážáá±á¬ááºážáá«ážá¡ááœáẠáá±á«ááºážá
ááºáá
áºáá¯ááŒá
áºááẠ(ááŒá¿áá¬á
ááá¯á·ááŒá±á¬áá·áºá á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááᯠá¡áá¯á¶ážááŒá¯á ááááºážá¡áá»ááºá¡áááºáá»á¬ážááᯠá áá áºááá»áá¯ááºáá±á¬ááºááẠááá¯á¡ááºááŒá®áž áá¬ážáááºááŸá¯ááŸáá·áº á¡ááœááºáá»ááºááŸá¯ á¡áááºá¡ááœá±ážááᯠááá¯ážááŒáá·áºá á±áá«áááºá ááá¯á·ááŒá±á¬áá·áºá áá áºáŠážáá»ááºážá á®áááºážááá¬áá»á¬ážááŸáá·áº á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážá áááá¯áá¬áááºáá¬áá»á¬ážááᯠááœá²ááŒááºážá áááºááŒá¬ááŒááºážá á¡áááá¡ááŒá±á¬ááºážá¡áá¬ááŸá¬ á¡á±á¬ááºáá«áá¬áááºááŒá áºáááºá á¡á¬ážáá¯á¶ážáááºááœá¬ážáá±áá² áááá«áá á±áá®ážááŒá¬áž á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºá áááááá¬ááá¯ááºáá±á
áá«ááœá±á¡á¬ážáá¯á¶áž áááºááœá¬ážáá±áá¬áá²á á¡áááááááºáá»á¬áž-
- ááŒá®ážáá²á·áá±á¬ááŸá
áºááŸá
áºá¡ááœááºáž á
ááºáááºáá°ááŸá¯á
áááºááá·áºá¡áá±á¡ááœááº
áááááá¬áá¬áá»ááœá¬ážáááºá . ááŒá áºááá¯ááºáá±á¬á¡ááŒá±á¬ááºážááŒáá»ááº- "á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááẠá¡áá áºá¡áááºážááá¯ááºáá±á¬á·áá«á" - áááºáá°áááᯠááá¯ážááŸááºážáá±á¬ ááŒá¿áá¬ááᯠááŒá±ááŸááºážáááºá¡ááœáẠá¡áá¯ááºáá¯ááºáá±á¬ á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºááᯠáááºáá®ážááá¯ááºáááºá áá«ááá¯áá¯ááºááá¯á·á "á
á¶ááŒáááá
á¹áá¬ááºáá¯á¶" á០á¡áááºááá·áºáá¯ááºáá¬ážáá±á¬ áá±á¬áºáááºááá¯áá°ááŒá®áž á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºá áá±á¬ááºáá¯á¶ážá¡ááœáŸá¬ááᯠáá±á·áá»áá·áºáá« (
ááœáŸá²ááŒá±á¬ááºážáááºáá°ááŸá¯ ) á¡áááºááá·áºáá¯ááºáá¬ážáá±á¬ data áá»á¬ážáá±á«áºááœááºGoogle Dataset ááŸá¬ááœá±ááŸá¯ ááá¯á·ááá¯ááº25 ááááºáž Kaggle datasets á¡ááá²á·cloud Jupyter ááŸááºá á¯á á¬á¡á¯áẠ. - ááá±ááẠááœááºáááºáá¯ááºáá¯ááºáá° ááŒá®ážáá»á¬ážá á
áááºáááºáá®ážáá²á·ááŒáááºá "á
á¶ááŒáááá
á¹áá¬ááºáá¯á¶" (á
á¶ááŒáááá
á¹áá¬ááºáá¯á¶)á áááºážááá¯á·ááá¯á¡áá¯á¶ážááŒá¯ááŒááºážááŒáá·áº áááºááẠá
á®ážááœá¬ážáá±ážááá¯ááºáᬠá¡ááºááá®áá±ážááŸááºážáá
áºáá¯ááᯠáá»ááºááŒááºá
áœá¬ áááºáá®ážááá¯ááºáááº-
TF Hub TensorFlow á¡ááœááºáMMDetection PyTorch á¡ááœááºááá±á¬ááºááŸááºáž Caffe2 á¡ááœááºáchainer-modelzoo Chainer ááŸáá·áºÐŽÑÑгОе . - ááá±ááẠááœááºáááºáá»á¬ážááœáẠá¡áá¯ááºáá¯ááºáááºá á¡áá»áááºááŸáẠááá¯ááá¯ááºážá ááºáá á¹á ááºážáá»á¬ážááœáẠ(á¡áá»áááºááŸáá·áºáááŒá±ážáá®)á áá áºá áá¹ááá·áºáá»áŸáẠ10 á០50 áááááºá¡ááá
- áá¯ááºážáá»á¬ážááœáẠ(TF Lite)á ááá±á¬ááºáá¬áá»á¬áž (TF.js) ááŸáá·áº á¡ááœááºážááŸá á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááᯠá¡áá¯á¶ážááŒá¯ááŒááºážá
á¡áááºáá¯á¶ážáá á¹á ááºážáá»á¬áž (IoTá IáááºááŒáẠof Tááá¹áá¬)á á¡áá°ážáááŒáá·áº áá¬á·ááºáá²á¡ááá·áº (neural accelerators) ááœáẠá¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááᯠáá¶á·ááá¯ážáá±ážááŒá®ážáá¬áž áá¯ááºážáá»á¬ážááœááºááŒá áºáááºá - âá¡áá¯á¶ážá¡áá±á¬ááºáá
á¹á
ááºážááá¯ááºážá á¡áááºá¡á
á¬ážá á¡á
á¬ážá¡áá±á¬ááºááœá±áá±á¬áẠááŸááááºá IP-v6 ááááºá
ᬠá¡áá»ááºážáá»ááºáž áááºááœááºáá«" -
Sebastian Thrun . - á
ááºáááºáá°ááŸá¯ááá¯ááºáᬠáá¯á¶ááŸáááºáá¯ááºáá±ááŸá¯ á¡áá±á¡ááœááºááẠá
áááºááŒá®ážááœá¬ážáá¬áááºá
Moore áá¥ááá±áááºáá»á±á¬áºááœáẠ2015 ááŸá áááºá (ááŸá áºááŸá áºáá áºááŒáááº) áááºááŸá¬ážáááºááŸá¬á áá»áœááºá¯ááºááá¯á·ááẠáá±á¬ááºážáá«ážáá»á¬ážááᯠááœá²ááŒááºážá áááºááŒá¬áááºá¡ááœáẠá¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬áž ááá¯á¡ááºáá«áááºá - á¡á±á¬ááºáá«áááºážááá¬áá»á¬ážááẠáá±áááºážá
á¬ážáá¬áá«áááºá
- Pythorch - áá°ááŒáá¯ááºáá»á¬ážááŸá¯ááẠáá»ááºááŒááºá áœá¬ááŒá®ážááœá¬ážáá±ááŒá®áž TensorFlow ááᯠáá»á±á¬áºáááºáá±áá¯á¶ááááºá
- hyperparameter áá»á¬ážááá¯á¡ááá¯á¡áá»á±á¬ááºááœá±ážáá»ááºááŒááºážá AutoML - áá±áááºážá á¬ážááŸá¯ááẠáá»á±á¬ááœá±á·á áœá¬ ááŒá®ážááœá¬ážáá¬áááºá
- áááá»ááŸá¯ áááŒááºážááŒááºáž áá»á±á¬á·áá»áá¬ááŒá®áž ááœááºáá»ááºááŸá¯ á¡ááŒááºááŸá¯ááºáž ááá¯ážáá¬áááº-
fuzzy áá¯áá¹áááá±á , algorithmsááŒáŸáá·áºáááºááŒááºážá á ááááá»áá±á¬ (á¡áá®ážá ááºáá¯á¶áž) ááœááºáá»ááºááŸá¯áá»á¬ážá ááá¬ááááºááŸááºááŒááºáž (á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºá á¡áá±ážáá»áááºáá»á¬ážááᯠááááºážááŒáá·áºá¡ááŒá áºááá¯á· ááŒá±á¬ááºážáá²ááœá¬ážáá±á¬á¡áá«)á á¡á¬áá¯á¶ááŒá±á¬ á¡ááŸáááºááŒáŸáá·áºá ááºáá»á¬ážá - áá¬áá¬ááŒááºááá¯ááŒááºáž
á á¬áá¬ážááŸáá¯á¶áá»á¬áž Оáá¯á¶ááá¯á· á á¬áá¬áž . - áááºáá®ážááŒááºáž
áá®áá®ááá¯á០XNUMXD á¡áá¬ááá¹áá¯áá»á¬áž ááá¯á¡áá»áááºááŸáá·áºáááŒá±ážáá®á - DL á á¡áááá¡áá»ááºááŸá¬ áá±áá¬áá»á¬ážá
áœá¬ááŸááá±á¬áºáááºáž á
á¯áá±á¬ááºážááŒááºážááŸáá·áº áá¶ááááºáááºááŒááºážááŸá¬ áááœááºáá°áá«á ááá¯á·ááŒá±á¬áá·áºá markup á¡ááá¯á¡áá»á±á¬ááºá
áá
áºááẠááá¯ážáááºáá±ááẠ(
á¡ááá¯á¡áá»á±á¬ááºááŸááºá ᬠ) á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážá¡ááœáẠá¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááᯠá¡áá¯á¶ážááŒá¯áááºá
- á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬ážááŸáá·áºá¡áá° ááœááºáá»á°áá¬áááá¹áá¶ááẠáá¯ááºááááºááŒá
áºáá¬áááºá á
ááºážáááºáááá¹áᶠááá
áá»áá¯ážááœá¬ážááá¯ááºááŸá¯ááŒá¿áᬠ. - ááœááºááŒá°áᬠááẠá
á»á±ážááœááºáááºááá¯áž ááŒá
áºáá¬áá±á¬á¡áá«ááœáẠá¡áá¯ááºáá®ááœá±ááŒá±ážááŸáá·áº ááá±ááẠááœááºáááºáá»á¬áž áá±áááºážá
á¬ážáá¬áá²á·áááºá á
á®ážááœá¬ážáá±ážááẠááœáŸá±ááŸáá·áº ááœá±ááŒá±ážá
á®ážááœá¬ážáá±ážááá¯á· ááŒá±á¬ááºážáá²áá±áááºá ááœáŸá±-ááœá±ááŒá±áž-ááœááºáá»ááºááŸá¯. áá«á·áá±á¬ááºážáá«ážááᯠááŒáá·áºáá«á
áá±á¬ááá±á á¡áá¯ááºáá®ááá¯ááºáá¶áá¯á¶áááºážááá¹áá¬ááºáá¡ááŒá±á¬ááºážáááºážá
áááŒááºážááŒááºážáá²á· á¡áá
áºáá
áºáá¯áá±á«áºáá¬áááºá
áá¯á¶ 3 â ML/DL áááá¯ááááºážáááºážáááºážá áá áºá¡áá áº
ááá¯á·áá±á¬áº áááºáá±á¬á·á០áá±á«áºááá¬áá«á "á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá®á¡áá¯áá®"ááœá±ážáá±á«áºááá¯ááºáá²á·á¡áá²ááŸá¬ á áá áºááá»áá¯ááºáá«á ááᯠâáá®á¡áá¯áá®â áá¯áá±á«áºáááºááá¯áááºááŸá¬ áááºááœá±á·ááœáẠá ááºážáááºáá²á heuristic algorithms ááŒá áºáááºá
áá»áœááºá¯ááºááŸáá·áº á¡ááŒá¬ážá¡áááºážá¡ááŒá áºáá»á¬ážááá¯á· ááá·áºááºáá»á¬áž-
- áá±áá¬áááá¹áá¶ááááºážááœáŸá¬á á¡áááá¡á¬ážááŒáá·áº áá¯ááºáá¯á¶áá¯ááºáá±á¬ááºááŒááºáž ááŒá áºáááºá áááºáá¶ááá¯áá°ááá¯ááºáž á¡á®ážáá±áž (foobar167<gaf-gaf>gmail<dot>com) ááá¯á· áá±ážááá¯á·ááá·áºáá«áááºá áá á¹á ááºážááœá± á á¯áá¯á¶áá±áá¬ááŒá±á¬áá·áº áá±á¬ááºážáá«ážááœá±áá²á· áá®áá®ááá¯ááœá±ááᯠááá·áºááºááœá± ááá¯á·áá±ážáá«áááºá
- ááŒá¯á¶áá¯á¶
áááºáááºážáá»á¬ážááŸáá·áº áá±á¬ááºážáá«ážáá»á¬ážá á¬áááºáž áá« ááœáẠáá²á· áá±á¬ á¡ áᬠááᯠáá« ááœáẠáá»áẠááẠá á áááºáá°áá»á¬ážá¡ááœáẠáááºáááºážáá»á¬ážááŸáá·áº áá®áá®ááá¯áá»á¬áž neural networks áá»á¬ážááᯠá áááºáá±á·áá¬ááá·áºááá·áºáá±áá¬á á¡ááŒááºáá±á¬ááºáá»á¬"á ááºáááºáá°ááŒááºážááŸáá·áº á¡á¬áá¯á¶ááŒá±á¬á¡áᯠááœááºáááºáá»á¬ážá¡ááŒá±á¬ááºáž áááá«ááºáž" .á¡áá¯á¶ážáááºáá±á¬ Tools áá»á¬áž áá°ááá¯ááºážá ááá¯áá·áºá¡ááœáẠá áááºáááºá á¬ážá áᬠáá áºáá¯áá¯ááᯠááŸá¬ááœá±á·ááŒáááá·áºáááºá- áááºážááá¯á·ááᯠá¡ááœááºá¡áá¯á¶ážáááºááŒá±á¬ááºáž áá»áœááºá¯ááºááá¯á· ááœá±á·ááŸááá²á·áááºá áááá¹áá¶áá±á¬ááºážáá«ážáá»á¬ážááᯠááœá²ááŒááºážá
áááºááŒá¬ááẠáá®áá®ááá¯áá»ááºáááºáá»á¬áž Data Science á០ááŸá¬áá«á á
á¬áááºážááœááºážááŒá®áž ááá·áºáá¯ááºáá±á¬áºááá¯ááºáááºáá»á¬ážááŸáá·áº áá»áœááºá¯ááºáá¶ááá¯á· ááá·áºááºáá»á¬ážááᯠáá±ážááá¯á·áá«á á¥ááá¬áá»á¬áž-
ááŸá áºáááá áºá á¬áááºážáá»á¬áž Henry AI Labs Yannic Kilcher CodeEmporium ááá±á¬á· Chengwei Zhang áá±á«áºTony607 á¡ááá·áºááá·áº ááœáŸááºááŒá¬ážáá»ááºáá»á¬ážááŸáá·áº open source ááŒáá·áºá
СпаÑОбПзавМОЌаМОе!
source: www.habr.com