ImDisk. Виртуальный диск на оперативке. Продлит жизнь SSD.

Автоматическая разметка трекинга объекта в видео (используя SAM)

RGB или HSV для обучения моделей? А может ещё Canny подмешать?

25. Особенность работы с камерами (2-мя). Задержки. Синхронность. OpenCV

DeepStream. Часть 3. Развёртывание для работы на GPU стационарного компьютера под WSL (Docker)

DeepStream. Часть 2. Кодируем на Python. Jetson Orin NX.

DeepStream. Часть 1. Знакомство. Запуск конфигов. Jetson Orin NX.

GStreamer. Управление видеопотоками. Обзор возможностей на примерах

Distill Any Depth. Определение глубины на основе 2D изображения.

052. YOLO. Часть 3. Метод Train. Разбор аргументов.

051. YOLO. Часть 2. Сегментация. Обучение на собственном датасете.

050. YOLO. Часть 1. Детекция. Обучение на собственном датасете.

03 Тестовое задание Python. Определить места пересечения линий.

FFmpeg для специалиста в компьютерном зрении и DataScience в общем. Часть 1.

51. Поиск и выделение контуров (Find Contours).

50. Вычитатель фона (Background subtractor).

Определение глубины на основе 2D видео. Модель Rolling Depth.

Треккинг объектов на видео. SAMURAI + SAM2.

037. FPN. Пирамиды фич для детекции (Feature Pyramid Networks).

036. Детекция на основе Faster R-CNN

Jetson Orin NX. Детекция изображений, обучение модели. Детекция в Арме.

Jetson Orin NX. Детекция изображений, используя предобученную модель.

035. Детекция на основе R-CNN, Fast R-CNN.

001. HSV. Сегментация изображения на основе HSV. С практическим уклоном.

Jetson Orin NX. Обучение модели для задачи классификации (ConvNeXt)

Jetson Orin NX. Классификация изображений, используя предобученные модели.

050. MMSegmentation фреймворк. Знакомство.

02 Тестовое задание CV. UNet модель на PyTorch для детекции Canny (Python, OpenCV, PyTorch)

01 Тестовое задание CV. Поиск таблицы на изображении и чтение данных из неё (Python, OpenCV, Pandas)

Jetson Orin NX. Что за зверь? Испытаем на Yolo v8 и сравним с десктопными видеокартами.

CVAT. Путешествие по рассылке. Часть 2 (март 2024 – май 2024)

100. Segment Anything Model 2. Обзор возможностей.

CVAT. Путешествие по рассылке. Часть 1 (ноябрь 2023 – март 2024)

Искусственный интеллект для бизнеса. О сложностях внедрения. (Динамичное видео)

025 Классификация изображений. Часть 18. ConvNeXt (2022)

024 Классификация изображений. Часть 17. Swin Transformer (2021)

023 Классификация изображений. Часть 16. EfficientNet v2 (2021)

022 Классификация изображений. Часть 15. ViT (Vision Transformer) (2020)

021 Классификация изображений. Часть 14. RegNet (2020)

020 Классификация изображений. Часть 13. EfficientNet v1 (2020)

019 Классификация изображений. Часть 12. MobileNet v3 (2019)

018 Классификация изображений. Часть 11. MnasNet (2019)

017 Классификация изображений. Часть 10. MobileNet v2 (2019)

016 Классификация изображений. Часть 9. ShuffleNet (2018)

015 Классификация изображений. Часть 8. DenseNet (2018)

014 Классификация изображений. Часть 7. Wide ResNet (2017)

013 Классификация изображений. Часть 6. ResNeXt (2017)

012 Классификация изображений. Часть 5. SqueezeNet (2016)

011 Рефакторинг кода классификации. Часть 1 (жизненный опыт и программирование)

010 Классификация изображений. Часть 4. ResNet (2015)

009 Классификация изображений. Часть 3.2. Inception_v3 (2015)

008 Классификация изображений. Часть 3.1. GoogLeNet (2014)

007 Классификация изображений. Часть 2. VGG (VGG-16, VGG-19, VGG-16_bn)

006 Классификация изображений. Часть 1. AlexNet.

005_Нарезка изображений для задачи классификации. (Data-engineering. Программируем)

004_Разметка изображений. (Делюсь практическим опытом; Data-annotation)

003_Сравнение датасетов для задачи классификации с датасетом Арма. (Аналитика)

002_Наводим порядок в структуре датасета. Data-engineering. Программируем.

001_Подготовка датасета Arma

000_Вместо предисловия (компьютерное зрение, Arma 3)