Как компьютер умеет мгновенно распознавать объекты. Joseph Redmon - видеоролик
Изучайте английский язык с помощью параллельных субтитров ролика "Как компьютер умеет мгновенно распознавать объекты".
Метод интервальных повторений для пополнения словарного запаса английских слов. Встроенный словарь.
Всего 827 книг и 2706 познавательных видеороликов в бесплатном доступе.
страница 2 из 3 ←предыдущая следующая→ ...
00:02:04
this is the kind
of information that you want.
это именно та информация,
которая вам пригодится.
You want something so that
you can interact with the physical world.
Вам нужно что-то, что поможет вам
взаимодействовать с материальным миром.
Now, when I started working
on object detection,
Сейчас, работая над проблемой
обнаружения объекта,
it took 20 seconds
to process a single image.
я добился того, что для обработки одного
изображения требуется 20 секунд.
And to get a feel for why
speed is so important in this domain,
И чтобы понять, почему
скорость так важна в этой области,
00:02:21
here's an example of an object detector
вот пример детектора объекта,
that takes two seconds
to process an image.
которому требуется две секунды
на обработку изображения.
So this is 10 times faster
Он в 10 раз быстрее
than the 20-seconds-per-image detector,
20-секундного детектора,
and you can see that by the time
it makes predictions,
понятно, что к моменту,
когда он выдаёт варианты,
00:02:35
the entire state of the world has changed,
в мире происходит много изменений,
and this wouldn't be very useful
и это делает приложение
for an application.
бесполезным.
If we speed this up
by another factor of 10,
Если увеличить скорость операций в 10 раз,
this is a detector running
at five frames per second.
получим детектор, обрабатывающий
пять кадров в секунду.
00:02:47
This is a lot better,
Это значительно лучше,
but for example,
но в случае,
if there's any significant movement,
если произойдёт значительное
движение, я бы не хотел,
I wouldn't want a system
like this driving my car.
чтобы подобная система
управляла моим автомобилем.
This is our detection system
running in real time on my laptop.
На ноутбуке видно, как наша система
обнаружения работает в реальном времени.
00:03:01
So it smoothly tracks me
as I move around the frame,
Она плавно отслеживает,
как я передвигаюсь по помещению,
and it's robust to a wide variety
of changes in size,
и она точно определяет широкий
спектр изменений в размере,
pose,
позе,
forward, backward.
движений вперёд и назад.
This is great.
Великолепно.
00:03:14
This is what we really need
Это как раз то, что нам нужно,
if we're going to build systems
on top of computer vision.
если мы хотим создать систему
самого лучшего компьютерного зрения.
(Applause)
(Аплодисменты)
So in just a few years,
Всего лишь за несколько лет
we've gone from 20 seconds per image
мы продвинулись от 20 секунд
на одно изображение
00:03:29
to 20 milliseconds per image,
a thousand times faster.
до 20 миллисекунд,
что в тысячу раз быстрее.
How did we get there?
Как нам это удалось?
Well, in the past,
object detection systems
В прошлом система опознавания объектов
would take an image like this
брала такое вот изображение
and split it into a bunch of regions
и разделяла его на множество секций,
00:03:41
and then run a classifier
on each of these regions,
а затем запускала классификатор
по каждой из этих секций,
and high scores for that classifier
и высокий рейтинг классификатора
would be considered
detections in the image.
считался определением изображения.
But this involved running a classifier
thousands of times over an image,
Подразумевается, что классификатор должен
перебрать тысячи вариантов изображения,
thousands of neural network evaluations
to produce detection.
тысячи оценок нейронной сети,
чтобы выдать конечный результат.
00:03:59
Instead, we trained a single network
to do all of detection for us.
Вместо этого мы использовали единственную
сеть, которая выполнила всю работу за нас.
It produces all of the bounding boxes
and class probabilities simultaneously.
Она производит все ограничения
и варианты видов одновременно.
With our system, instead of looking
at an image thousands of times
Благодаря нашей системе, вместо того,
чтобы смотреть на изображение тысячи раз
Для просмотра параллельного текста полностью залогиньтесь или зарегистрируйтесь