This media is not supported in your browser
VIEW IN TELEGRAM
🎯 مدل یکپارچه برای وظایف مختلف مکانیابی
مدل "Locate Anything" انویدیا، یک چارچوب یکپارچه مبتنی بر مدلهای بینایی-زبان (vision-language models) است که طیف وسیعی از وظایف مکانیابی را پوشش میدهد. این وظایف شامل درک اسناد (document understanding)، مکانیابی عناصر رابط کاربری گرافیکی (GUI grounding)، تشخیص متراکم (dense detection) و تشخیص نوری کاراکتر (OCR) میشود.
🔗 Locate Anything Repo
📄 Diverse localization tasks under a unified vision-language model
#مقاله #ComputerVision
مدل "Locate Anything" انویدیا، یک چارچوب یکپارچه مبتنی بر مدلهای بینایی-زبان (vision-language models) است که طیف وسیعی از وظایف مکانیابی را پوشش میدهد. این وظایف شامل درک اسناد (document understanding)، مکانیابی عناصر رابط کاربری گرافیکی (GUI grounding)، تشخیص متراکم (dense detection) و تشخیص نوری کاراکتر (OCR) میشود.
🔗 Locate Anything Repo
📄 Diverse localization tasks under a unified vision-language model
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #ComputerVision
🖼️ درک CNNها از تصویر
📌 شبکههای کانولوشن (CNN) تصاویر را از طریق تنسورهای ورودی، فیلترهای یادگیریشده، و نقشههای ویژگی (feature maps) پردازش میکنند؛ stride و padding برای تنظیم اندازه خروجی و حفظ اطلاعات مرزی استفاده میشوند. کانالها (channels) عمق اطلاعات را نشان میدهند، در حالی که pooling بهصورت فضایی ابعاد را کاهش و مقاومت در برابر تغییر مقیاس را افزایش میدهد. مفهوم receptive field (محدوده درک) بهصورت ذهنی توضیح میدهد که هر نورون به چه میزان از پیکسلهای ورودی واکنش نشان میدهد.
#آموزش #ComputerVision
📌 شبکههای کانولوشن (CNN) تصاویر را از طریق تنسورهای ورودی، فیلترهای یادگیریشده، و نقشههای ویژگی (feature maps) پردازش میکنند؛ stride و padding برای تنظیم اندازه خروجی و حفظ اطلاعات مرزی استفاده میشوند. کانالها (channels) عمق اطلاعات را نشان میدهند، در حالی که pooling بهصورت فضایی ابعاد را کاهش و مقاومت در برابر تغییر مقیاس را افزایش میدهد. مفهوم receptive field (محدوده درک) بهصورت ذهنی توضیح میدهد که هر نورون به چه میزان از پیکسلهای ورودی واکنش نشان میدهد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #ComputerVision
❤1
📚 راهنمای رایگان MIT برای مفاهیم کلیدی بینایی ماشین
موسسه فناوری ماساچوست (MIT) کتابی رایگان در زمینه بینایی ماشین منتشر کرده است که مفاهیم کلیدی این حوزه را پوشش میدهد. این راهنما برای علاقهمندان به هوش مصنوعی و یادگیری ماشین که به دنبال درک عمیقتر بینایی ماشین هستند، بسیار مفید است.
🔗 MIT Computer Vision Book
#آموزش #ComputerVision
موسسه فناوری ماساچوست (MIT) کتابی رایگان در زمینه بینایی ماشین منتشر کرده است که مفاهیم کلیدی این حوزه را پوشش میدهد. این راهنما برای علاقهمندان به هوش مصنوعی و یادگیری ماشین که به دنبال درک عمیقتر بینایی ماشین هستند، بسیار مفید است.
🔗 MIT Computer Vision Book
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #ComputerVision
❤1
🤖 ۵۰۰ پروژه آماده هوش مصنوعی و یادگیری ماشین
این مجموعه شامل ۵۰۰ پروژه کامل در حوزههای یادگیری ماشین، یادگیری عمیق، بینایی ماشین و پردازش زبان طبیعی است. تمامی پروژهها دارای کد هستند و امکان تحلیل و اجرای فوری آنها وجود دارد.
🔗 مجموعه پروژهها در گیتهاب
#مقاله #ComputerVision
این مجموعه شامل ۵۰۰ پروژه کامل در حوزههای یادگیری ماشین، یادگیری عمیق، بینایی ماشین و پردازش زبان طبیعی است. تمامی پروژهها دارای کد هستند و امکان تحلیل و اجرای فوری آنها وجود دارد.
🔗 مجموعه پروژهها در گیتهاب
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #ComputerVision
This media is not supported in your browser
VIEW IN TELEGRAM
🏯 معرفی دیتاست عظیم Worldwide Semantic Facade
🚀 پروژه UnderOneFacade یک مجموعه داده عظیم با ۲.۷ میلیارد نقطه (Point Cloud) است که با دقت سانتیمتری، نمای ساختمانها را در مقیاس جهانی پوشش میدهد. این منبع برای تحقیقات معماری و بینایی ماشین بسیار ارزشمند است.
🧠 این دیتاست شامل بخشبندی معنایی (Semantic Segmentation) دقیق از عناصر معماری است و از یک طبقهبندی سلسلهمراتبی برای تحلیل اجزای نما استفاده میکند. این ابزار برای توسعه سیستمهای درک سهبعدی محیط شهری کاربرد دارد.
Paper
Project
Data
#پژوهش #ComputerVision
🚀 پروژه UnderOneFacade یک مجموعه داده عظیم با ۲.۷ میلیارد نقطه (Point Cloud) است که با دقت سانتیمتری، نمای ساختمانها را در مقیاس جهانی پوشش میدهد. این منبع برای تحقیقات معماری و بینایی ماشین بسیار ارزشمند است.
🧠 این دیتاست شامل بخشبندی معنایی (Semantic Segmentation) دقیق از عناصر معماری است و از یک طبقهبندی سلسلهمراتبی برای تحلیل اجزای نما استفاده میکند. این ابزار برای توسعه سیستمهای درک سهبعدی محیط شهری کاربرد دارد.
Paper
Project
Data
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #ComputerVision
This media is not supported in your browser
VIEW IN TELEGRAM
⚽️ نتایج چالشهای SoccerNet 2026
🏆 ششمین دوره از رقابتهای SoccerNet با هدف ارتقای تحقیقات در حوزه بینایی ماشین (Computer Vision) برای تحلیل ویدئوهای ورزشی به پایان رسید. این رویداد بهعنوان یکی از مهمترین مراجع برای ارزیابی مدلهای پردازش ویدئو در محیطهای ورزشی شناخته میشود.
🔬 خروجیهای این دوره شامل مجموعهای از بنچمارکها و دادههای غنی است که به محققان کمک میکند درک عمیقتری از رویدادهای سریع و پیچیده در ویدئوهای ورزشی پیدا کنند. بررسی دقیق نتایج و دستاوردهای علمی این چالش برای متخصصان حوزه Video Understanding بسیار ارزشمند است.
👉Review https://t.ly/sfD4T
👉Paper https://lnkd.in/dSBgW_3s
👉Project https://lnkd.in/dfdmuvG8
#گزارش #ComputerVision
#گزارش #ComputerVision
🏆 ششمین دوره از رقابتهای SoccerNet با هدف ارتقای تحقیقات در حوزه بینایی ماشین (Computer Vision) برای تحلیل ویدئوهای ورزشی به پایان رسید. این رویداد بهعنوان یکی از مهمترین مراجع برای ارزیابی مدلهای پردازش ویدئو در محیطهای ورزشی شناخته میشود.
🔬 خروجیهای این دوره شامل مجموعهای از بنچمارکها و دادههای غنی است که به محققان کمک میکند درک عمیقتری از رویدادهای سریع و پیچیده در ویدئوهای ورزشی پیدا کنند. بررسی دقیق نتایج و دستاوردهای علمی این چالش برای متخصصان حوزه Video Understanding بسیار ارزشمند است.
👉Review https://t.ly/sfD4T
👉Paper https://lnkd.in/dSBgW_3s
👉Project https://lnkd.in/dfdmuvG8
#گزارش #ComputerVision
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#گزارش #ComputerVision