Как компьютер умеет мгновенно распознавать объекты. Joseph Redmon - видеоролик
Изучение английского языка с помощью параллельных субтитров ролика "Как компьютер умеет мгновенно распознавать объекты".
Метод интервальных повторений для пополнения словарного запаса английских слов. Встроенный словарь.
Всего 828 книг и 2768 познавательных видеороликов в бесплатном доступе.
страница 3 из 3 ←предыдущая следующая→ ...
00:04:12
to produce detection,
для его опознавания,
you only look once,
достаточно взглянуть раз,
and that's why we call it
the YOLO method of object detection.
вот почему мы назвали её
метод опознавания YOLO.
So with this speed,
we're not just limited to images;
С такой скоростью мы не ограничены
разнообразием объектов,
we can process video in real time.
мы можем воспроизвести видео
в режиме реального времени.
00:04:25
And now, instead of just seeing
that cat and dog,
Сейчас вместо того, чтобы просто
смотреть на эту кошку и собаку,
we can see them move around
and interact with each other.
мы видим, как они двигаются
и общаются друг с другом.
This is a detector that we trained
Мы обучили этот детектор
on 80 different classes
на 80 разных видах
in Microsoft's COCO dataset.
в наборе данных COCO от Майкрософт.
00:04:44
It has all sorts of things
like spoon and fork, bowl,
Он учитывает все виды вещей,
такие как как ложка, вилка, миска
common objects like that.
и другие обычные предметы.
It has a variety of more exotic things:
Есть и более специфичные объекты:
animals, cars, zebras, giraffes.
животные, автомобили, зебры, жирафы.
And now we're going to do something fun.
А сейчас сделаем кое-что прикольное.
00:04:58
We're just going to go
out into the audience
Я подойду к кому-нибудь из аудитории,
and see what kind of things we can detect.
и мы посмотрим,
какие объекты мы сможем определить.
Does anyone want a stuffed animal?
Кто-нибудь хочет чучело?
There are some teddy bears out there.
Мы подготовили несколько
плюшевых медведей.
And we can turn down
our threshold for detection a little bit,
Можно немного снизить порог опознавания,
00:05:14
so we can find more of you guys
out in the audience.
так что мы сможем
кое-что о вас узнать, друзья.
Let's see if we can get these stop signs.
Посмотрим, сможем ли
получить эти знаки остановки.
We find some backpacks.
Обнаружили несколько рюкзаков.
Let's just zoom in a little bit.
Давайте немного увеличим масштаб.
And this is great.
Класс!
00:05:31
And all of the processing
is happening in real time
Весь процесс происходит
в режиме реального времени
on the laptop.
на ноутбуке.
And it's important to remember
Важно помнить,
that this is a general purpose
object detection system,
что это главная цель системы обнаружения,
so we can train this for any image domain.
поэтому мы можем экспериментировать
с изображениями из разных областей.
00:05:48
The same code that we use
Тот же самый код, который мы используем
to find stop signs or pedestrians,
для обнаружения знаков
«Стоп» или пешеходов,
bicycles in a self-driving vehicle,
велосипедов в самоуправляемых автомобилях,
can be used to find cancer cells
может быть использован
для поиска раковых клеток
in a tissue biopsy.
в биопсии ткани.
00:06:01
And there are researchers around the globe
already using this technology
Исследователи по всему миру
уже используют эту технологию
for advances in things
like medicine, robotics.
для внедрения инноваций
в медицине, робототехнике.
This morning, I read a paper
Сегодня утром я прочёл статью о том,
where they were taking a census
of animals in Nairobi National Park
что в национальном парке Найроби
при составлении переписи животных
with YOLO as part
of this detection system.
используют YOLO как часть
этой системы обнаружения.
00:06:18
And that's because Darknet is open source
Причина этого о в том, что Darknet
является общедоступным ресурсом
and in the public domain,
free for anyone to use.
и любой пользователь
может пользоваться им бесплатно.
(Applause)
(Аплодисменты)
But we wanted to make detection
even more accessible and usable,
Но мы хотели сделать опознавание
ещё более доступным и удобным,
so through a combination
of model optimization,
и благодаря комбинации модели оптимизации,
00:06:40
network binarization and approximation,
сети бинаризации и приближения,
we actually have object detection
running on a phone.
в итоге мы смогли добиться опознавания
объекта с помощью телефона.
Для просмотра параллельного текста полностью залогиньтесь или зарегистрируйтесь
←предыдущая следующая→ ...