15 نوت‌بوک آموزشی جدید به این ریپو اضافه شد.

🤗 OWL-ViT is a zero-shot text-conditioned object detection model that allows querying images with text denoscriptions of unseen objects. It has impressive generalization capabilities and is on par with some of the state-of-the-art object detection models.

Docs: https://huggingface.co/docs/transformers/main/en/model_doc/owlvit
Demo: https://huggingface.co/spaces/adirik/OWL-ViT
Tutorial: https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/zero

#معرفی سایت

تو این سایت می‌تونید یه کلمه یا collocation تو انگلیسی را سرچ کنید، و براتون توی روزنامه ها و سایتهای معروف میگرده و هر جا این عبارت استفاده شده را میاره،
یه کاربرد عالیش برای پیدا کرد مثالهای واقعی استفاده از یک اصطلاح یا لغته:

https://ludwig.guru/

#Lane_segmentation
مجموعه داده:
https://www.kaggle.com/datasets/mehmetokuyar/line-segmentation

کد:
https://github.com/MehmetOKUYAR/lane_segmentation

Mean Average Precision (mAP) in Object Detection

https://learnopencv.com/mean-average-precision-map-object-detection-model-evaluation-metric/

🔹 ۱۹ مرداد ۱۴۰۱ | OpenAI، یک API فیلتر محتوای هوش مصنوعی بهبودیافته و جدید منتشر کرده که استفاده از آن هم رایگان است، تا محتوای جنسی، توهین‎آمیز و ... سریع و دقیق در شبکه‎های اجتماعی و ... فیلتر شود

openai.com/blog/new-and-improved-content-moderation-tooling

این خبر را یادتون هست؟!
حتی با افزایش قیمت دلار، الان کارت گرافیک 3090 نو را میشه با حدود 45 میلیون هم تهیه کرد! زمانی بالای 100 میلیون بود!

🔹 ۱۹ مرداد ۱۴۰۱ | مجمع جهانی اقتصاد
خواستار ادغام انسان و هوش مصنوعی اینتل برای جلوگیری از انتشار سخنان نفرت‌آمیز و اطلاعات نادرست (طبق تشخیص مجمع) در فضای اینترنت شده است

humansbefree.com/2022/08/world-economic-forum-calls-for-merging-of-human-and-ai-intel-to-censor-hate-speech-misinformation.html

weforum.org/agenda/2022/08/online-abuse-artificial-intelligence-human-input

🔹 ۲۹ مرداد ۱۴۰۱ | مجمع جهانی اقتصاد:
دلایل منطقی برای ریزتراشه کردن فرزند شما وجود دارد

مجمع جهانی اقتصاد ادعا می‌کند که کاشت تراشه یا چیپ در کودکان، می‌تواند توسط والدین به عنوان یک حرکت محکم و منطقی، تلقی شود!
همه اینها در یک پست وبلاگ در وب سایت سازمان که به آینده واقعیت افزوده (AR) اختصاص داده شده است

humansbefree.com/2022/08/world-economic-forum-there-are-rational-reasons-to-microchip-your-child.html

🔹 ۶ مرداد ۱۴۰۱ | مجمع جهانی اقتصاد و سازمان ملل، پشت جنگ جهانی کشاورزان هستند

اهداف توسعه پایدار یا همان دستور کار ۲۰۳۰ سازمان ملل و مجمع جهانی اقتصاد،
مستقیماً با افزایش حمله نظارتی به تولیدکنندگان محصولات کشاورزی از هلند و ایالات متحده گرفته تا سریلانکا و فراتر از آن مرتبط هستند

humansbefree.com/2022/07/un-wef-are-behind-global-war-on-farmers.html

@cvision

#منبع #کورس #آموزش
Deep Learning Course

You can find here slides, recordings, and a virtual machine for François Fleuret's deep-learning courses 14x050 of the University of Geneva, Switzerland.

https://fleuret.org/dlc/

Clone a voice in 5 seconds to generate arbitrary speech in real-time.
تنها ۵ ثانیه از صداتون رو به این نرم‌افزار بدید تا هر متنی که دلتون میخواد رو با صدای خودتون ایجاد کنه! البته من با CPU تست کردم احتمالا با GPU نتیجه خفن‌تری بده

#AI #voice #realtime #application #CUDA #python #pytorch #torch #artificial #intelligence #speech #neural #network

https://github.com/CorentinJ/Real-Time-Voice-Cloning

🙏Thanks to: @pythony

یک سال بود که تو خماری مدل های Text to Image مثل DALL-E و Imagen بودیم 😅. حالا شرکت Stable AI اومده و یک مدل نبستا کوچیک که بشه روی یک GPU تست اش کرد رو train کرده و به صورت Open Source در دسترس همه قرار داده. اینجا می تونید تست اش کنید و متن های خودتون رو بدید تا ببینید چی تولید میکنه! البته خب کیفیت imagen رو نداره ولی امتحان کردنش خیلی هیجان انگیزه
لینک دمو:‌ تازه release شده شلوغه باید صف وایسید 😂
https://huggingface.co/spaces/stabilityai/stable-diffusion

پ.ن: اگه می خواید فنی تر بخونید که چطور با این حجم کوچیک همچین کیفیتی داره می تونید مقاله اش رو اینجا برررسی کنید:‌
https://arxiv.org/abs/2112.10752

خروجی برای متن: یک مرد ایرانی 😅😂

کیفیت تصاویری خروجیش خیلی عالیه که نشون میده ایده ای Latent Diffusion خوب کار میکنه اما ارتباط اش با متن از اونی که توی مدل Imagen دیده بودیم خیلی کمتره. این مدل حجم Text Encoder اش تقریبا 10 برابر کوچیک تر از Imagen هست. مقاله Imagen اشاره کرده بود که حجم مدل Text Encoder خیلی مهمه و هر چقدر بزرگ تر باشه تصاویر خیلی مرتبط تری تولید می شه.
اینجا می تونید چند تا از نمونه های خروجی Imagen رو ببینید و مقایسه کنید:‌
https://imagen.research.google/

ظرفیت یک گرم از DNA هر انسانی بیشتر از مجموع کل حجم داده‌های گوگل و فیسبوک و کلی از کمپانی‌های دیگه هست!

medcitynews.com/2015/02/one-gram-dna-theoretically-capable-holding-data-google-facebook-combined

🔹 ۴ شهریور ۱۴۰۱ | محقق ایرانی در سوئیس، ماده‌ای کشف کرد که می‌تواند مثل نورون‌ها در مغز انسان رفتار کند

محمد سمیع‌زاده‌نیکو، دانشجوی دکترای الکترونیک دانشگاه پلی‌تکنیک لوزان در سوئیس که کارشناسی‌ارشد خود را در دانشگاه صنعتی شریف گذرانده است، کشف کرده است که اکسید وانادیوم رفتاری شبیه به نورون‌ها دارد و تحت شرایطی می‌تواند جریان الکتریکی را از خود عبور دهد و به وسیله آن می‌توان دقیقا همین شبکه نورون‌هایی را که در مغز ما هست، با اتصال پیاپی قطعات الکترونیکی تولید کرد؛
در گذشته سعی می‌کردند با ترانزیستوری رفتار‌های نورون‌ها را شبیه‌سازی کنند. اما رفتار خاص ترانزیستور بسیار دور از نورون است. برای همین هم ابعاد سیستم‌ها بسیار بزرگ می‌شد، هم دقتشان بسیار پایین بود و هم مصرف انرژیشان خیلی زیاد بود. اما این سویچ الکترونیکی به خودی خود بسیار شبیه به نورون‌ها عمل می کند و بنابر این کاندیدای بسیار خوبی برای هوش مصنوعی است؛

اگرچه کامپیوتر‌های امروزی توان محاسباتی بسیار بالایی دارند، مثلا می‌توانند حاصل‌ضرب دو عدد خیلی بزرگ را در کسری از ثانیه بدست آورند، اما همیشه در تقابل با مغز انسان پیروز نیستند؛
برای مثال مغز ما به راحتی می‌تواند چهره یک دوست قدیمی را تشخیص دهد، اما این فرآیند برای کامپیوتر‌های امروزی بسیار دشوار است؛
حال فرض کنید اگر بتوانیم سیستمی بسازیم که ویژگی‌های کامپیوتر و مغز انسان را همزمان داشته باشد، به چه سطحی از هوشیاری دست می‌یابیم

per.euronews.com/next/2022/08/26/iranian-researcher-discovered-a-material-that-has-memory

آشنایی با پردازش آماری سیگنال‌ها #کتاب
اگر که مفاهیم درس DSP برای شما مشکل و پیچیده است و یا در درس‌هایی مثل فرآیندهای تصادفی، جبر خطی و پردازش سیگنال مشکل دارید، این کتاب می‌تواند برای شما راهگشا باشد. یادآوری مباحث فرآیندهای تصادفی و جبر خطی در فصل های ابتدایی به خواننده کمک می‌کند که مباحث بعدی کتاب از جمله پردازش سیگنال دیجیتال، طراحی فیلترها، فیلترهای بهینه، تئوری آشکارسازی، تئوری تخمین و پردازش سیگنال آرایه‌ای را بهتر متوجه شود.
برخی مواردی که در این کتاب به آن برخورد می‌کنید عبارتند از: فیلتر وینر، فیلتر کالمن، حد پایین کرامر‐رائو (CRLB)، تخمین فرکانس کمینه واریانس، فیلترهای بازگشتی تطبیقی، تئوری نیمن‐پیرسون، آرایه های کروی و بسیاری موارد دیگر.
تمرین های آخر هر فصل این کتاب به شما کمک می کند که دانش خود را محک بزنید. پیاده‌سازی روش‌ها و الگوریتم های این کتاب با متلب انجام شده است و کدهای آن در کتاب موجود است. همچنین این کتاب برای اساتید محترم در مقاطع تحصیلات تکمیلی می‌تواند منبع خوبی برای معرفی به دانشجویان باشد.

https://publish.sru.ac.ir/book_947.html

میشه گفت یادگیری و پیاده سازی Object Dection توی Application های معروف Computer vision از همه سخت تره. اما چندتا محقق اومدن و این ایده رو دادن که بیایم با این تسک هم شبیه Image Captioning برخورد کنیم و فقط یه Language Model داشته باشیم که Cordination ها و نوع object رو پشت سر هم مثل یه جمله تولید کنه. این بلاگ پست، مقاله رو همراه با توضییح خوبی پیاده سازی کرده.


لینک به بلاگ پست تو towards AI