Blogy
-
V předchozích dvou článcích jsem z knihovny Detectron2 využíval modely trénované na konkrétní datové sadě, což byla v mém případě Common Objects in Context. To vám může postačovat v těch případech, kdy chcete vyhledávat objekty, které tato datová sada zná. Co když ale chci hledat něco, co v té datové sadě není? Můžu existující modely naučit „novým kouskům“? Na to se zkusím podívat dnes.15. 11. 2024 0:001 názor -
Detectron2 je framework vyvíjený a udržovaný firmou Facebook. Jedná se o nástroj pro detekci objektů a segmentaci obrázků, zahrnující implementaci mnoha modelů, např. RetinaNet, Mask R-CNN, Faster R-CNN a dalších. Navíc je součástí také široká škála modelů trénovaných na volně dostupných datových sadách v rámci tzv. Detectron2 Model Zoo.8. 11. 2024 14:54
-
V tomto článku si ukážeme jiný způsob řízení LED diodové matice na oblíbeném vývojářském boardu Arduino UNO v revizi 4 Wifi Diodová matice na Arduino R4 Wifi (Dot Matrix) Bastlíři si jistě všimli, že minulý rok vyšla nová revize oblíbené vývojové desky s mikročipem Arduino UNO. Nová revize nese označení R4 a prodává se ve dvou variantách. Verze Arduino UNO R4 Minima, verze Arduino UNO R4 Wifi…3. 11. 2024 13:02 (aktualizováno) -
Algoritmus mravenčí kolonie (Ant colony optimization algorithms, ACO) patří do rodiny pravděpodobnostních optimalizačních algoritmů zaměřených na hledání cest v grafech. Je pokusem napodobit chování mravenčí kolonie při hledání co nejkratší cesty k potravě. Více informací o algoritmu můžete najít například: Ant colony optimization algorithms11. 10. 2024 0:00
-
Variational AutoEncoder (dále také VAE) je dost zajímavý model, který se obvykle řadí k těm generativním. Svou strukturou vychází z běžného AutoEncoder modelu (dále také AE), rozdíly najdete především ve struktuře jeho vnitřní reprezentace. Zatímco AE má vnitřní reprezentaci obrázku tvořenou n-rozměrným vektorem čísel, VAE tuto vnitřní reprezentaci vytváří ve formě pravděpodobnostního rozložení pro každou vlastnost. Trochu blíže se k modelu dostanu v průběhu článku.27. 9. 2024 0:00
-
Ony ty AutoEncoder modely jsou na první pohled sice jednoduché, ale jejich využití je dost zajímavé. Jednou z oblastí využití je tzv. Anomaly Detection (někdy také Outlier Detection). Už jsem se této oblasti dříve dotkl, ale dnes se pokusím na ně podívat poněkud důkladněji. Jen pro připomenutí, každý takový AutoEncoder model má dvě části.20. 9. 2024 0:00
-
V článku Lokalizace infekce malárie – klasifikační model a heatmap jsem se pokusil rozšířit výstup klasifikačního modelu o lokalizaci místa v obrázku, na základě kterého model došel ke svému závěru. Stále jsem ale vycházel z toho, že mám připravena vzorová data (obrázky) a jim odpovídající klasifikaci (metoda z kategorie Supervised learning). A v tom může být někdy zádrhel…13. 9. 2024 0:00
-
Hledáte vhodný termín pro společnou událost? Nejen v tomto případě by vám mohl přijít vhod článek, který popisuje zkušenost s preferenčním hlasováním účastníků ve sdílené tabulce dokumentu Google Sheets s využitím Schulzeho metody. Tato metoda bývá považována za jednu z nejlepších, které splňují Condorcetovo kritérium. -
Tato taškařice, vhodná na Apríla, je původně starý text z roku 2001 ze sekce „Zasmáli jsme se“ Linuxových novin, jsem autorem, takže jej ještě copypastuju na blog, abych na něj ex post upozornil. Bylo odhaleno šokující tajemství týkající se UNIXových systémů: všichni jistě víte, že superuživatel se jmenuje root podle slečny Rút, milenky Briana Kerninghana. Průhledná záminka, že je to anglicky „kořen“, určitě neobstojí. Co však bylo odhaleno až nyní, je existence hyperuživatele.9. 9. 2024 3:08 -
Tímto příspěvkem bych chtěl volně navázat na předchozí články zabývající se klasifikací obrázků do několika tříd. V těch dřívějších článcích se jednalo o rozpoznání zápalu plic na základě RTG snímků. Pokud bych měl rychle shrnout jejich obsah, pak se jednalo o to, že jsem měl k dispozici snímky zdravých plic a snímky se zápalem. Úkolem hledaných modelů bylo najím způsob, jak rozlišit jedny od druhých…6. 9. 2024 0:00
1–10 / 1 895
