Una selección de artículos sobre aprendizaje automático: estudios de casos, guías e investigaciones para abril de 2020

Continuamos seleccionando publicaciones que ayudan a reducir el umbral para ingresar a la esfera de LA. Como antes, compila principalmente herramientas de código abierto, modelos pre-entrenados y API de alto nivel.

Blender

Facebook AI presentó el chatbot de código abierto más grande Blender . Se basa en un modelo con 9.400 millones de parámetros, lo que lo convierte en el sistema más grande existente. Este es el primer chatbot de dominio abierto que combina una variedad de habilidades de conversación en un solo sistema: es capaz de expresar empatía y mostrar individualidad. Según los autores del estudio, Blender es en todos los aspectos mejor que Meena, que Google anunció a principios de este año , pero no se ha demostrado.

Estera de fondo

El aprendizaje automático se usa a menudo para eliminar el fondo de las imágenes. Si con imágenes estáticas los resultados han sido muy buenos durante mucho tiempo, e incluso hay servicios completos como remove.bg, ahora esto también se puede lograr para el video: ¡ya no se necesita el chromakey! Ha aparecido una herramienta gratuita que hace un excelente trabajo al eliminar el fondo del video. Para obtener el resultado deseado, debe tomar una imagen de fondo sin una persona, y luego los algoritmos de aprendizaje automático hacen su magia. Los resultados son sorprendentes, en la publicación puedes ver los puntos de referencia.



Desoclusión

Los algoritmos de aprendizaje automático existentes solo pueden analizar las partes visibles de los objetos. Esto lleva a una interpretación incompleta de la escena.
Ahora ha aparecido el marco de código abierto, que puede complementar fragmentos ocultos a la vista de objetos en la imagen. La herramienta se basa en un modelo entrenado sin la participación de un maestro.



El

rendimiento del TensorFlow Profiler es un factor clave en la investigación del aprendizaje automático. Cuanto más rápido se entrena el modelo, más iteraciones se pueden hacer, lo que reduce la sobrecarga. Esto es muy importante en el desarrollo industrial. Sin embargo, no siempre está claro qué debe optimizarse, y lleva tiempo buscar cuellos estrechos. Ahora para TensorFlow hay un conjunto de herramientas diseñadas para resolver este problema.

Ruido cuant

Los modelos modernos de aprendizaje automático se están volviendo más voluminosos y contienen millones de parámetros. Sin embargo, existe una necesidad urgente de ejecutar estos modelos en dispositivos débiles. En un intento por resolver esta contradicción, ha aparecido una herramienta de código abierto que proporciona la máxima compresión de modelos prácticamente sin pérdida de rendimiento. En el futuro, esto le permitirá ejecutar aplicaciones localmente en dispositivos móviles y conjuntos de chips IoT.

TensorFlow Lite

Sin embargo, ya hay muchos modelos que están optimizados para dispositivos débiles. Esta publicación muestra cómo, al no tener experiencia en aprendizaje automático, usar TensorFlow Lite para ensamblar un producto completo. La cantidad de modelos de pre-entrenamiento en el repositorio se repone constantemente, por lo que nada le impide crear aplicaciones móviles ahora, en cuyo corazón habrá modelos de aprendizaje automático.

Transferencia de estilo ¿

Recuerda la aplicación Prisma, que transfirió el estilo artístico a las fotos de los usuarios que utilizan una red neuronal? No sorprenderá a nadie ahora, pero ahora puede armar su propio prisma para Android e iOS. La publicación describe cómo esta técnica está optimizada para que TensorFlow lite sea compatible con dispositivos móviles no tan potentes. Por cierto, en abril, apareció la misma característica en la aplicación Google Arts & Culture.



Bonificación:

la Universidad de Stanford publicó un curso de lectura de acceso abierto en 2018, que ahora se puede ver en Youtube .

En lugar de una conclusión: en

base a las bibliotecas de la selección de marzo, armamos un pequeño proyecto que le permite controlar la interfaz web utilizando una cámara web común y hablamos de ello en detalle.en Habré. Quizás las herramientas de esta colección también inspiren a algunos lectores a encontrar una solución a algún problema real. Será genial leer sobre esto. Mientras tanto, eso es todo, ¡gracias por su atención!