#آموزش #بلاگ
📢پست‌ جدید وبلاگ شناسا،
📝تخمین وضعیت سر با استفاده از Mediapipe

🔗 https://vrgl.ir/gkYkA


🖊در یکی‌ از پروژه‌های شناسا نیاز به تخمین وضعیت سر و محاسبه‌ی جهت آن در فضا داشتیم. در روند بررسی نمونه کدهای موجود در اینترنت، متوجه اشکالاتی در برخی از آن‌ها شدیم که می‌توانست منجر به گمراه شدن افراد شود. از این رو، در این مطلب تلاش کردیم تا مقدمات لازم جهت درک مساله را بیان کنیم، مساله را هرچه واضح‌تر تعریف کنیم و مراحل پیاده‌سازی کد را توضیح دهیم.

ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزش‌های آینده را پیشنهاد بدهید.

————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai

ما تو شرکت یه مدت با خروجی کدهای آماده درگیر بودیم که چرا منطقی نیست.
بلاخره بعد همفکری مطمئن شدیم که یه سری از پیاده سازی ها فرضیات اشتباهی دارند که کارو خراب میکنه،
تو این بلاگ پست توضیح دادیم که چه طوری از نقاط چهره که توسط الگوریتم هایی نظیر medi-pipe استخراج میکنیم میتونیم درجه چرخش چهره نسبت به دوربینو به درستی محاسبه کنیم.
حتما بخونید و نظر بدید.

✨ رویداد CWS، کنفرانسی با جدیدترین دستاوردها و پژوهش های علوم کامپیوتر

موضوعاتی چون : بیوتکنولوژی، ماشین لرنینگ، رباتیک، کلود کامپیوتینگ، محاسبات کوانتومی

🎙 رویداد شامل سخنرانی های آکادمیک، صنعتی، ورک شاپ و میزگرد می باشد.

🔗 ثبت نام رایگان : ۱۰ دی الی ۹ بهمن ماه در سایت
📆 زمان برگزاری : ۱۰ الی ۱۵ بهمن ماه، آنلاین

Telegram | Twitter | LinkedIn | Instagram

✨ ایده بازی
من هم یک ایده‌ دارم

یکی از بخش های مهم رویداد CWS، ایده بازی نام دارد.
اگر شما هر ایده‌ یا طرح جالبی در حوزه‌های صنعتی، پژوهشی و استارتاپی با محوریت های رویداد در ذهن دارید کافی است آن را در قالب ویدیو یک دقیقه‌ای معرفی کرده و در سایت رویداد بارگزاری کنید.

🏷 محوریت های رویداد:
- ماشین لرنینگ
- رباتیک
- کلود کامپیوتینگ
- بایوتک
- محاسبات کوانتومی

🎙 ایده‌های برتر فرصت ارائه طرح خود را در اختتامیه حضوری رویداد خواهند داشت و تحت حمایت دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر به پژوهشگران، صنعتگران و سرمایه گزاران فعال معرفی خواهند شد.

🔗 لینک سایت رویداد جهت ثبت ایده‌ها
📆 آخرین مهلت ارسال : ۱۵ بهمن ماه ۱۴۰۰

Telegram | Twitter | LinkedIn | Instagram

#GAN
بزرگوارانی که این دوره را ثبت نام کردند، اما هنوز به گروه اد نشدند، لطفا به پشتیبانی دوره پیام بدهند:

@cvision_support

با پتانسیلی که شبکه‌های عصبی ژرف در حل مسائلی مانند بینایی ماشین و پردازش و فهم زبان از خود نشان داده اند، زمان آن رسیده که برای جنبه‌ها و مسائل چالشی تر هوش مانند منطق و استدلال (reasoning) نیز بر روی آنها حساب کنیم و مجددا به رویکرد‌هایی مثل Symbolic AI ولی این‌بار با ابزار‌های مدرن مثل مدل‌های زبانی ژرف فکر کنیم.
بعد از AlphaCode شرکت DeepMind این‌بار پژوهشگران آزمایشگاه OpenAI موفق به ساخت یک هوش مصنوعی موسوم به statement curriculum learning شدند که قادر است مسائل المپیاد ریاضی سطح دبیرستان مثل مسائل مسابقات AMC12 و مسابقات AIME را حل کند. این مدل روی دیتاست miniF2F به دقت 41.2% دست پیدا کرده است.

لینک بلاگ‌پست معرفی:
https://openai.com/blog/formal-math/

لینک مقاله:
https://cdn.openai.com/papers/Formal_Mathematics_Statement_Curriculum_Learning__ICML_2022.pdf

VOS: Learning What You Don't Know by Virtual Outlier Synthesis

تو این روش به شبکه های object detection میتونید شئ "نمیشناسم" یا "OOD = Out Of Domain" را اضافه کنیم.
نتیجه بالایی بدون این تکنیک و پایینی با این تکنیک است.
https://arxiv.org/abs/2202.01197

The trick is to generate OOD examples automatically for the contrastive loss. But instead of doing it with a GAN, which is hard and flaky, they do it directly in the final feature space, just before the classification head.

source code for ICLR'22 paper "VOS: Learning What You Don’t Know by Virtual Outlier Synthesis"

https://github.com/deeplearning-wisc/vos

#object_detection

کلی شبکه object detection را با یک فریم ورک آموزش بدید و مقایسه کنید!

OpenMMLab Detection Toolbox and Benchmark
https://github.com/open-mmlab/mmdetection

🔰جامعه اسلامی دانشجویان دانشگاه تربیت دبیر شهید رجایی برگزار می کند:

💢بازار کار سلام💢

🔻آشنایی با بازار کار

🧑🏻‍💻ویژه دانشجویان مهندسی کامپیوتر

▫️با حضور:
🔹مهندس علیرضا اخوان پور
🔸️مدیر فنی شرکت دانش بنیان شناسا و استاد دانشگاه تربیت دبیر شهید رجایی

⏳ زمان برگزاری: چهارشنبه، ۲۰ بهمن

⏰ساعت: ۱۱ صبح

🔻همراه با پخش زنده از کانال تلگرامی جامعه اسلامی دانشجویان دانشگاه تربیت دبیر شهید رجایی به آدرس زیر:

🌐 https://news.1rj.ru/str/JADSRTTU

⁉️سوالات خود در این زمينه را به آیدی زیر در پیام رسان تلگرام ارسال نمایید:

@jadsrttu_12

#واحد_دبیری
#جامعه_اسلامی_دانشجویان
#دانشگاه_تربیت_دبیر_شهید_رجایی

🆔 @jadsrttu

از بزرگواران کسی دیتاست CASIA-SURF مربوط به چالش Challenge@CVPR2019 را دارد؟

بحث بین موسس های سایت یوتیوب در سال 2005
واقعا جالبه!

منبع این متن ایمیل:
https://twitter.com/stem_feed/status/1492894674725580804?cxt=HBwWiMC54YDz6bcpAAAA&cn=ZmxleGlibGVfcmVjcw%3D%3D&refsrc=email

یک داکیومنت پیرامون data shift در یادگیری ماشین

https://docs.google.com/document/d/14uX2m9q7BUn_mgnM3h6if-s-r0MZrvDb-ZHNjgA1Uyo/edit

CLIPasso: Semantically-Aware Object Sketching

https://clipasso.github.io/clipasso/

A Data-Augmentation Is Worth A Thousand Samples: Exact Quantification From Analytical Augmented Sample Moments

Randall Balestriero, Ishan Misra, Yann LeCun

https://arxiv.org/pdf/2202.08325

Self-Distilled StyleGAN: Towards Generation from Internet Photos

#gan
#StyleGAN
https://self-distilled-stylegan.github.io/

معماری شبکه ConvNeXt تماما از واحدهای کانولوشنالی است و روی top-1 چالش imageNet دقت 87.8% را کسب کرده که نسبت به مدلهای ترنسفورمری قبلی نظیر Swin Transformers بهتر عمل کرده...

https://github.com/facebookresearch/ConvNeXt

احتمالا این ویدیو که مربوط به حمل چراغ راهنمایی توسط یک کامیون که منجر به اخطارهای مکرر و اشتباه خودرو تسلا شده را دیده اید!
پخش سریع این ویدیو در اینترنت نشان از توقعات و انتظارات بیش از حد از هوش مصنوعی دارد.
این انتظارات بالا از تکنولوژی قاعدتا گریبان هر شخصی که در توسعه محصولات مرتبط با هوش مصنوعی نقش داشته را گرفته...