Ведущая российская ИТ-компания. Создаем умные решения для бизнеса.
Наш сайт: https://lanit-tercom.ru/
Мы в ВК: https://vk.com/llclanittercom
Связаться с HR: @HRNadezhda
Post #459
284
Deep Learning (глубокое обучение) – это разновидность машинного обучения и одно из направлений искусственного интеллекта. С его помощью компьютер учится решать различные задачи, обычно выполняемые человеком. Например, понимать, о чем говорит собеседник, прогнозировать события или идентифицировать изображения.
Эта область активно развивается и все больше проникает в нашу жизнь – например, во время пандемии системы научились определять личность человека даже с медицинской маской на лице.
Чтобы оставаться в теме, мы расскажем о главных трендах глубокого обучения.
1. Развитие сетей типа You Only Look Once – детекторов, работающих в реальном времени. Самая современная архитектура такого рода — у YOLOv7. Она решает и более сложную задачу сегментации изображения (Instance Segmentation).
2. Использование трансформеров. Если у таких сетей в распоряжении достаточно большой объем данных для обучения, то они превзойдут сверточные нейросети. Например, такие данные доступны в области обработки текста.
3. Развитие систем распознавания текста. Актуальные решения построены на нейронных сетях, хотя ещё предыдущее поколение могло использовать другие алгоритмические подходы.
4. Скачок в области генеративных сетей. Недавно появилось сразу несколько моделей, позволяющих генерировать изображения по описаниям.
5. Технологии распознавания лиц. Их развитие идёт сразу в двух направлениях: использование все более представительных наборов данных и повышение сложности нейросетей. Уже есть положительный эффект: повысилась точность распознавания людей в медицинских масках.
6. Появление различных датасетов. Для задачи распознавания лиц разнообразие данных особенно актуально, так как точность зависит от равномерности данных в отношении расы, пола, возраста.
#LT_технологии
Эта область активно развивается и все больше проникает в нашу жизнь – например, во время пандемии системы научились определять личность человека даже с медицинской маской на лице.
Чтобы оставаться в теме, мы расскажем о главных трендах глубокого обучения.
1. Развитие сетей типа You Only Look Once – детекторов, работающих в реальном времени. Самая современная архитектура такого рода — у YOLOv7. Она решает и более сложную задачу сегментации изображения (Instance Segmentation).
2. Использование трансформеров. Если у таких сетей в распоряжении достаточно большой объем данных для обучения, то они превзойдут сверточные нейросети. Например, такие данные доступны в области обработки текста.
3. Развитие систем распознавания текста. Актуальные решения построены на нейронных сетях, хотя ещё предыдущее поколение могло использовать другие алгоритмические подходы.
4. Скачок в области генеративных сетей. Недавно появилось сразу несколько моделей, позволяющих генерировать изображения по описаниям.
5. Технологии распознавания лиц. Их развитие идёт сразу в двух направлениях: использование все более представительных наборов данных и повышение сложности нейросетей. Уже есть положительный эффект: повысилась точность распознавания людей в медицинских масках.
6. Появление различных датасетов. Для задачи распознавания лиц разнообразие данных особенно актуально, так как точность зависит от равномерности данных в отношении расы, пола, возраста.
#LT_технологии
- 🔥 8
