NeuroHive - Нейронные сети. Страница 23

​​Annotate.online — это платформа для автоматизации процесса разметки данных. Разметка данных для обучения моделей является ресурсоемких процессом. Это особенно актуально для задач компьютерного зрения. SuperAnnotate разработали инструмент, который облегчает ручную разметку данных для задачи сегментации объектов на изображении. Annotate.online доступен бесплатно исследователям.

​​Нейросеть обучили семантически сегментировать объекты на изображении, имея только лейблы классов объектов без попиксельной разметки. Модель итеративно выучивает схожесть пикселей и выдает более правдоподобные маски объектов. Предложенный подход обходит предыдущие модели, которые обучаются в weakly-supervised манере.

​​Яндекс.Практикум открыл набор в Школу наставников для аналитиков и специалистов по машинному обучению.

Вы научитесь обучать младших специалистов и управлять группой сотрудников. Также разберём, как устроена мотивация и что делать со «сложными» членами команды.

Обучение бесплатное и проходит онлайн с 2 по 20-ое марта.

Чтобы попасть в Школу необходимо пройти небольшой отбор на сайте до 24 февраля. Подробности по ссылке - https://praktikum.yandex.ru/promo/mentors-school

​​AutoFlip — это опенсорс фреймворк от Google AI, который использует нейросети для автоматического изменения формата видеозаписи. Модель принимает на вход видеозапись и желаемое соотношение сторон. AutoFlip анализирует содержание видеозаписи и определяет оптимальные стратегии обрезания кадров. На выходе модель выдает исходную видеозапись в желаемом формате.

​​ClearGrasp — это нейросетевой алгоритм для представления RGB-D изображений с прозрачными объектами в 3D. Совместно с моделью разработчики опубликовали датасет с синтетическими изображениями прозрачных объектов. С помощью ClearGrasp робота научили лучше переносить прозрачные объекты — процент удачных попыток увеличился с 12% до 74%.

​​UPSNet — это нейросетевая архитектура для паноптической сегментации объектов на изображении. Задача паноптической сегментации объединяет в себе семантическую и instance сегментации. Предыдущие методы имели две отдельные сети для семантической и instance сегментации. UPSNet использует одну сеть в качестве базовой, представления из которой используются для сегментации. Поверх базовой сети два модуля одновременно решают задачи instance и семантической сегментаций.

​​Turing Natural Language Generation (T-NLG) — это языковая модель с 17 миллиардами параметров, которую обучили исследователи из Microsoft. На данный момент это самая крупная языковая модель из существующих. Исследователи использовали библиотеку DeepSpeed и оптимизатор ZeRO, чтобы ускорить обучение модели.

​​CCMatrix — это самый крупный датасет параллельных текстов для обучения моделей машинного перевода. Данные включают в себя 4.5 миллиарда параллельных предложений на 576 пар языков. Предложения собирали из открытого датасета с веб-страницами CommonCrawl. Чтобы решить задачу поиска переводов среди предложений из CommonCrawl исследователи использовали параллельную обработку и библиотеку FAISS для поиска близких предложений.

​​HiPlot — это библиотека для интерактивной визуализации многомерных данных. HiPlot использует параллельные графики и другие графические методы представления информации. Работать с библиотекой можно напрямую из Jupyter ноутбуков. HiPlot позволяет визуализировать процесс обучения нейросетей.

​​BREAK — это датасет для решения задачи понимания сути вопроса нейросетью. Он предназначен для того, чтобы модели вычленяли из комплексных вопросов сущности, которые помогут при генерации ответов. Датасет состоит из 83,978 вопросов на естественном языке, которые разметили с помощью предложенного представления QDMR. Question Decomposition Meaning Representation (QDMR) каждого вопроса представляет собой лист пунктов на естественном языке, которые необходимы для ответа на вопрос. Вопросы в BREAK собирали из 10 датасетов для задач question answering. Сбором датасета занимались исследователи из Allen Institute for AI.

​​LaserTagger — это нейросетевая модель для генерации текста, которая размечает входную последовательность. Нейросеть рассматривает задачу генерации текста как задачу редактирования текста. Целевые тексты восстанавливаются из входных текстов с помощью трех операций редактирования: оставить токен, удалить токен и добавить фразу до токена. LaserTagger предсказывает, какие операции необходимо провести на входном тексте, чтобы восстановить целевую последовательность.

​​FAIR опубликовали библиотеку для обработки 3D данных. PyTorch3d предназначен для решения задач компьютерного зрения на 3D данных. Ключевой функционал библиотеки включает в себя: структуру данных для хранения и проведения операций над 3D триангуляционными сетками, трансформации и дифференцируемый рендеринг сеток.

​​Задача сегментации поражения мозга у грызунов по томографическому снимку усложняется за счет субъективности определения зоны поражения. RatLesNetv2 использует 3D сверточную архитектуру, чтобы автоматизировать сегментацию зон поражения мозга у крыс.

​​Autonomous Learning — это объектно-ориентированная библиотека для обучения RL-агентов. Библиотека разрабатывалась, чтобы облегчить прототипирование и оценку новых RL-агентов. Кроме того, в библиотеке есть реализации последних алгоритмов глубокого обучения с подкреплением.

​​FaceShifter — это двухступенчатый нейросетевой фреймворк для реалистичного переноса лица на изображение человека. Модель устойчива к окклюзии лиц на входных изображениях. FaceShifter состоит из двух подсетей: AEI-Net, которая генерирует изображение целевого лица; HEAR-Net, которая избавляется от артефактов на сгенерированном изображении.

​​Advbox — это открытая библиотека инструментов для проверки обученных нейросетей на уязвимости. В библиотеке есть функционал для генерации, распознавания и защиты от состязательных примеров. Состязательными примерами называются примеры входных данных, для которых модель выдает неверные предсказания. Разработкой библиотеки занимались исследователи из Baidu.

​​Фанатам «мальчика, который выжил» будет чем заняться в начале февраля.

Нетология запустила бесплатный онлайн-марафон «Data Science и философский камень». За 3 дня вы попробуете свои силы в анализе данных с помощью реальных инструментов дата-сайентистов:

— выберете волшебную палочку с помощью SQL
— напишете собственную распределительную шляпу на Python
— сварите волшебное зелье средствами Machine Learning

Регистрируйтесь, чтобы не пришлось использовать «империо»: http://netolo.gy/ff3.

​​6 февраля в 20:00 мск OTUS приглашает на бесплатный вебинар онлайн-курса «Machine learning» - «Как я взял золото на Kaggle. Разбор задач» для аналитиков и разработчиков. Для регистрации пройдите тест (необходимо знание Python и математики): https://otus.pw/Az3t/

На вебинаре Валерий Бабушкин (Competitions Grandmaster на Kaggle, top 30) разберёт несколько задач с соревнований, на которых он взял золото, и поделится секретами побед.

Будут разобраны задачи: IEEE kaggle camera identification; carvana masking challenge. Не упустите возможность задать преподавателю все интересующие вопросы!

Чтобы попасть на курс с welcome-скидкой прямо сейчас, пройдите вступительный тест: https://otus.pw/wjVu/