Pilihan artikel tentang pembelajaran mesin: kasus, panduan dan studi untuk Mei 2020

Kami terus mengumpulkan bagi Anda berita dan alat paling menarik dari bidang pembelajaran mesin, yang ditulis dalam bahasa yang dapat diakses.

Jukebox

Awal bulan ini, OpenAI membangkitkan minat besar pada komunitas ML dengan memposting kode sumber untuk proyeknya yang disebut Jukebox. Alat ini menggunakan algoritma pembelajaran mesin memungkinkan Anda untuk menghasilkan komposisi seniman populer. Di jaringan Anda sudah dapat menemukan contoh trek yang dihasilkan oleh pengguna, ada kombinasi yang sangat tidak biasa.

AR Salin tempel

Pengembang Prancis Cyril Diagne memperkenalkan aplikasi AR yang mengambil gambar objek, menghapus semua latar belakang yang tidak perlu dari gambar dan (menggunakan U ^ 2-Net) mentransfer hasilnya ke program yang berjalan di komputer. Sebagai contoh, penulis menunjukkan bagaimana, menggunakan aplikasi, Anda dapat dengan cepat memilih dan menambahkan ilustrasi ke presentasi. Anda sudah dapat melihat kode dan mendaftar untuk akses awal ke aplikasi, yang saat ini sedang dalam pengembangan.



Pose Animator

Alat open source untuk animasi web yang dengannya Anda dapat menghidupkan karakter yang diambil di SVG. Alat ini didasarkan pada dua perpustakaan lainnya Facemesh dan PoseNet , yang menggunakan webcam untuk menangkap gerakan. Artikel tersebut menunjukkan bagaimana alat itu dibuat dan menunjukkan cara menggunakannya.



Kebun binatang galaksi

Sebuah studi kasus tentang bagaimana cara sukses menggabungkan crowdsourcing dan pembelajaran mesin untuk dengan cepat memproses informasi yang kompleks. Platform Galaxy Zoo telah menggabungkan dua pendekatan ini untuk mempelajari evolusi galaksi dengan mengklasifikasikan jutaan gambar. Materi tersebut menjelaskan cara menandai hanya data yang akan membantu meningkatkan model yang ada.

DistilBERT

Startup Hugging Face membagikan pengalamannya dalam membuat API publik yang dengannya Anda dapat mengoptimalkan kinerja model NLP di Node.js.

Clinical Trial Parser

Kebanyakan uji klinis gagal merekrut peserta yang cukup. Ini disebabkan oleh fakta bahwa orang tanpa madu. Pendidikan tidak selalu memahami kriteria seleksi dan rincian penelitian. Facebook diperkenalkanalat open source yang bertujuan untuk menyelesaikan masalah ini. Facebook

GrokNet

telah mengumumkan sistem visi komputer universal yang dirancang untuk e-commerce. Dia mampu mengidentifikasi atribut barang dalam berbagai kategori, dari otomotif hingga dekorasi rumah. Artikel ini menjelaskan bagaimana model dilatih pada tujuh set data, dan kesulitan apa yang ditemui. Serangkaian video juga menunjukkan bagaimana model ini akan membantu platform mengubah perdagangan online.

S2IGAN

Tampaknya kami berjanji untuk tidak menyertakan materi yang berisi tautan ke repositori kosong dalam koleksi, tetapi saya ingin membuat pengecualian. S2IGAN adalah kerangka kerja yang menerjemahkan ucapan menjadi gambar. Menggunakan dual encoder, model telah dibuat yang menghasilkan gambar menggunakan deskripsi suara. Para penulis penelitian berjanji untuk segera memposting kode tersebut, tetapi untuk saat ini mereka harus puas dengan contoh burung yang dihasilkan.



Estimasi Kedalaman Video yang Konsisten

Algoritma disajikan bahwa, menggunakan jaringan saraf convolutional, menentukan kedalaman frame individu dan mengembalikan kedalaman geometris yang konsisten untuk seluruh video. Ini membantu mengatasi sejumlah keterbatasan, misalnya, ketika gambar tidak stabil karena guncangan. Anda dapat menerapkan teknologi serupa di berbagai bidang, untuk efek AR atau mobil autopilot. Repositori masih kosong, tetapi penulis berjanji untuk membagikan kode sumber.

Itu saja, terima kasih sudah menonton!