Wszystko

Najnowsze

Archiwum

losbaltica
  • 1
Dobry wieczor,

Poszukuje jakiegos dobrego zrodla informacji na temat uzywania #machinelearning do rozpoznawania ksztaltow z danych #lidar - chmury punktow. Alternatywnie moge uzyc plikow csv z pozycja x, y, z jesli to cos pomoze.

#python
  • 7
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
dziobaki_sa_jadowite
dziobaki_sa_jadowite
  • 1
@losbaltica: @PhoenixSoul: Znam bardzo fajną bibliotekę opensourcową https://github.com/raulmur/ORB_SLAM2 Daje bardzo fajne efekty (przykład na projekcie z raspberry i zdalnie sterowanym autkiem: https://photos.app.goo.gl/K9cySXgCCTHSd8kh2 nagrywany kalkulatorem). Kod źródłowy jest dość przystępny, można sobie doczytać z czego tam korzystają. Całośc problemu rozbija się o znajdywanie "punktów charakterystycznych". ORB gdzieś tam pod spodem nosi ślady machine-learningu. Maszyna została prymitywnie nauczona jak rozpoznować takie punkty, i do tego dochodzi jeszcze kilka kroków nie-machine
  • Odpowiedz
C.....c
C.....c
  • 2
Mirki, przede mną trudne zadanie. Może po prostu czasochłonne?

Z racji mojej obecnej pracy powinienem liznąć przynajmniej podstaw #vba, #cpp , #C, i może #pascal.
Jednak zaczęły mnie ostatnio jarać strasznie #siecineuronowe, #machinelearning, i wszystko co związane z #datascience i #bigdata, w związku z tym pewnie powinienem ruszyć również coś w stronę #python
  • 11
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Diego19
  • 3
@Cooltec: Zaczynając od końca, na start Ubuntu. Łatwo się przesiąść z Windowsa, ma dobre wsparcie i jest mało wymagający na początek. Co do języków, to ja bym zaczął od jednego, a dopiero po dobrym opanowaniu go, zaczynał kolejne. I naukę najlepiej zacząć od pisania, a nie czytania milionów tutoriali bez praktyki.
  • Odpowiedz
M.....n
M.....n
  • 2
@Cooltec: A kim chcesz zostać? Jak programistą to C# albo Java, od biedy jeszcze C++ ale to wąskie specjalizacje.

Zaczynanie od języków skryptowych ma ten problem że będziesz przenosił z nich złe wzorce których tam jest cała masa.
  • Odpowiedz
pepepanpatryk
  • 2
Są w ogóle jakieś sensowne biblioteki do uczenia maszynowego napisane w C#?
Robię ogólny rekonesans, jednakże z tego co na razie zdążyłem się zorientować, to to jest jakiś port TensorFlow. Miał ktoś z nim do czynienia?

Ew. może polecacie jakieś inne biblioteki? Coś z C#, lub C++, bo w tych technologiach czuje się pewnie i w którejś z nich chce realizować pracę dyplomową, natomiast Python odpada.

#machinelearning #csharp
  • 4
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
d.....f
d.....f
  • 1
@epic: płaci się miesięcznie za naukę, jeśli zrobisz wszystkie w parę dni to nic nie zapłacisz (albo za jeden miesiąc jak przekroczysz tydzień - wg mnie robienie tego na szybko nie ma sensu)
  • Odpowiedz
t.....i
t.....i
  • 1
Od czego zacząć naukę #machinelearning?

Nie pytam o videotutorial ani kurs machine learning w weekend, tylko o sensowne materiały. Jestem kompletnym noobem w tej dziedzinie, ale nie kompletnym noobem jeśli chodzi o programowanie i statystykę (znam całkiem przyzwoicie PHP i JS więc i Pytonga ogarnę bez problemu, a statystykę miałem na studiach), tylko nie wiem od czego zacząć.

Dzieki.

#programowanie
  • 9
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
d.....f
d.....f
  • 1
@tylkostrimi: Andrew Ng to złoto, na udemy masz trochę kursów do łatwego startu bez matematyki, na YouTube materiałów jest sporo ale trudno oddzielić ziarno od plew gdy sie nie zna, polecam wiec udemy lub coursere, jak chcesz mieć wyniki szybko to udemy, jak poznać teorie od podstaw coursere
  • Odpowiedz
mojemirabelki
  • 2
Zaprojektowałem sieć neuonową do rozpozpoznawania owoców na podstawie obrazów. Obrazy są znormalizowane do wielkości 100x100 pikseli i opisane za pomocą wektora gradientów z którego każdy ma długość 2900.

Do tego napisałem z pomocą kodu z neta sieć neuronową dwuwarstwową MLP z pomocą numpy, gdzie warstwa ukryta ma regulowaną długość, a warstwa wyjściowa to wektor klasyfikowanych owoców. Dla wektora wejściowego o długości np 4 sieć działa bez problemu, jednak kiedy daje na wejście mój
  • 23
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
MiKeyCo
MiKeyCo
  • 24
Mirki, dziś darmowy #ebook z #packt: "Building Machine Learning Projects with TensorFlow"
https://www.packtpub.com/packt/offers/free-learning

Polecam obserwować: #packtpubfreelearning

Jeśli ktoś się spóźni i chce książkę proszę od razu na PW adres email wraz z tytułem książki. Zgodnie z polskim prawem nie można legalnie udostępnić tych zasobów masowo. Ale można bezpośrednio, korzystając ze stosunku towarzyskiego, więc
MiKeyCo - Mirki, dziś darmowy #ebook z #packt: "Building Machine Learning Projects wi...

źródło: comment_Uz0K7FtdKFLZU1hFsTSEBVmDO4Tvy75J.jpg

Pobierz
  • 1
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
mojemirabelki
  • 1
Chcę zaprojektować sieć wielowarstwową (MLP) do nauki rozpoznawania obrazów. Co do projektowania sieci ograniczam się do biblioteki ML z opencv. Tworzę obiekt klasy, który chcę rozpoznać i z obrazów ciągu testowego czytam deskryptory np obraz RBG, progowanie, histogram.

Czy na wejściu (input) do sieci mam wrzucić obrazy i histogram czy te dane trzeba jakoś przetworzyć (tutaj nie wiem jak)?

#machinelearning #programowanie #deeplearning #siecineuronowe
  • 2
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Poziokat
  • 2
@mojemirabelki: W przetwarzaniu obrazów raczej nie jest wymagane przetwarzanie danych przed wysłaniem do sieci. Wysyłasz jedynie odpowiednio zeskalowany obraz, żeby jego wymiar zgadzał się z wejściem sieci.

Dodatkowy prosty preprocessing to standaryzacja, czyli odjęcie od danych wejściowych średniej wartości wyliczonej z bazy danych a następnie podzielenie ich przez odchylenie standardowe. Robi się to per kanał, czyli osobno wyliczasz i działasz na R, G,B , czy w przypadku opencv właściwie BGR.
  • Odpowiedz
dziobaki_sa_jadowite
dziobaki_sa_jadowite
  • 0
@mojemirabelki Mam nadzieję że się nie obrazisz jeśli założę że brakuje Ci wiedzy w temacie Machine Learningu. Przed ruszeniem dalej polecałbym zapoznać się przynajmniej orientacyjnie bardziej z jakimiś artykułami na ten temat.
Możesz zacząć tutaj https://medium.com/@ageitgey/machine-learning-is-fun-part-3-deep-learning-and-convolutional-neural-networks-f40359318721 co prawada opisuje sieci konwolucyjne, ale bardzo dobrze jest zwizualizowane jak to wszystko działa. Innych źródeł jest na prawdę tona.
  • Odpowiedz
interface
  • 10
Colaboratory is a research project created to help disseminate machine learning education and research. It’s a Jupyter notebook environment that requires no setup to use. #machinelearning #ai
https://research.google.com/colaboratory

Witamina D i zapobieganie powstawania raka
https://www.cancer.gov/about-cancer/causes-prevention/risk/diet/vitamin-d-fact-sheet

#interfacesmieci
interface - Colaboratory is a research project created to help disseminate machine le...

źródło: comment_G4dC12jzaHKXBhiSToOV2SSLrjqdcusa.jpg

Pobierz
  • 4
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
interface
  • 2
@zly_dzien uznałem ten wpis za wartościowy, szybko nie łatwo tłumaczący zastosowanie Wit Dd więc go dodałem. Czytam i przeglądam newsy z wielu dziedzin nie tylko IT ;)
  • Odpowiedz
dziobaki_sa_jadowite
dziobaki_sa_jadowite
  • 0
Zależy jak jest cel twojej detekcji. Jeżeli celem jest wykrycie czy jest coś na obrazku, czy nie jest to wystarczy raczej samo Confusion matrix. Jeżeli celem jest wykrycie położenia na obrazku to wtedy ja bym zrobił i confusion matrix i IoU.
  • Odpowiedz

Powiązane tagi