🍳 Датазавтраки ☕️ НСК (Академ)

02.09.2025 🍳 датазавтрак по вторникам ☕️ в Новосибирском Академгородке с 8:30 до 10:00 в "Shurubor coffeeshop" у фонтана ТЦ https://go.2gis.com/wlkqi

VLM для детекции объектов на изображении

У традиционных детекторов есть серьёзное ограничение: набор классов определён обучающей выборкой (Closed-set Object Detection). В попытках обойти его, создали новый класс детекторов, Open Vocabulary Object Detection (OVOD), для детекции произвольных объектов. В новой статье мы привели обзор таких OVOD-моделей, основанных на Vision Language Model (VLM).

Из статьи вы узнаете:
- какие есть подходы для применения VLM к задаче Object Detection
- какие результаты сравнения моделей на бенчмарках для Closed-Set и Open Vocabulary детекций
- почему идеи CLIP всё ещё актуальны

Читайте новую статью по ссылке!

YOLO history. Part 8

В предыдущей статье мы рассказали о том, как использовать вспомогательные модели для улучшения качества основной.
В новой статье разберём устройство архитектур YOLOv8 и YOLOv11, а также отличия академического и индустриального подходов к созданию нового детектора.

Читайте новую статью по ссылке!

- ИИ помощники в коде - continue.dev , Cursor
- php против python и rust 🙊
- Бирюзовые компании: Холократия, Смартократия
- Эффективность созвонов

- Подходы к подоготовке датасетов (ручная от белорусских разметчиков в топе) для дообучения YOLO и оптимизацию инференса (https://docs.ultralytics.com/guides/optimizing-openvino-latency-vs-throughput-modes/#managing-first-inference-latency).
- Датасеты для CV for free с разным уровнем качества аля: https://public.roboflow.com/object-detection
- Подход к проведению совещания по методу тактических встреч (смартократия)
- Как можно заменить ПМ на проектке с помощью LLM (https://youtu.be/BfMnvNheEfY?si=tIqD6BBJUVYjK08D)

Темплейты для питоновский проектов
https://cookiecutter.readthedocs.io/en/stable/
https://copier.readthedocs.io/en/stable/

последние версии yolo
https://docs.ultralytics.com/models/yolo11/

Напишите, пожалуйста, в комментариях к этому посту - что обсуждали

Я, к сожалению, буду в отъезде в следующий вторник - но собраться можно и без меня 😉

Придумал, как можно доразмечать большой датасет с помощью маленького размеченного, но сам так еще не делал (придумал по дороге с завтрака)
Обучаем на маленьком размеченном датасете модель А,
размечаем моделью А большой неразмеченный датасет.
Затем учим на разметке большого датасета модель B и скорим ей маленький датасет.
Смотрим, в каких местах сильно ошиблись. Для этих точек считаем "объектную. важность" - те смотрим, какие из точек большого датасета обучили модель B плохому. Их переразмечаем руками, повторяем.

Объектную важность умеет считать, например, CatBoost https://catboost.ai/docs/en/concepts/ostr

Вот постер с NeurIPS про weak supervision https://nips.cc/virtual/2024/poster/97608 Stronger Than You Think: Benchmarking Weak Supervision on Realistic Tasks

Вот немножко старый обзор про weak supervision https://github.com/michael-aloys/awesome-weak-supervision

Рассказывал про оценку неопределенности в бустингах с помощью ансамблирования предикта на разных уровнях, одной и той же моделью
https://arxiv.org/abs/2006.10562
https://github.com/yandex-research/GBDT-uncertainty

Напишите, пожалуйста, в комментариях - про что говорили, а то за тремя столами сидели, мало что успел услышать 😉

snorkel-team/snorkel: A system for quickly generating training data with weak supervision
https://github.com/snorkel-team/snorkel?tab=readme-ov-file

19.08.2025 🍳 датазавтрак по вторникам ☕️ в Новосибирском Академгородке с 8:30 до 10:00 в "Shurubor coffeeshop" у фонтана ТЦ https://go.2gis.com/wlkqi

Ну и про топологический анализ данных - у Perplexity шпаргалки лучше, чем у меня https://www.perplexity.ai/search/podgotov-obzor-osnovnykh-podkh-Oi2ZUHjTRzqa3JwW4KFMew#0

Рассказывал про магистратуру ИТМО https://ai.itmo.ru/

вот сам Nebius https://nebius.com/

Вспоминали курс от Nebius (ex Яндекс) про LLM https://github.com/Nebius-Academy/LLM-Engineering-Essentials

Вспоминали топологический анализ данных https://kolodezev.ru/tda.html