Научились обнаруживать тонущих в воде, а ещё нейросети будут работать не быстро, а точно
1. Научились обнаруживать тонущих в воде
😯 Что: создали систему, которая в реальном времени выявляет тонущих в воде людей.
😲 Как работает: дроны с установленной системой патрулируют берег с воздуха. Нейронка обрабатывает изображения с камер, распознаёт нетипичное поведение человеков в воде и определяет, кто из них нуждается в спасении. Уведомления с отмеченными на фото человеками отправляются через облако на смартфон. После этого служба спасения реагирует на сигнал, и дежурные специалисты помогают утопающему.
Эксперимент провели на одном из японских пляжей, всё прошло успешно. Утопающих имитировали добровольцы, никто не пострадал.
😎 Зачем: с помощью такой системы можно снизить количество происшествий на пляжах и повысить безопасность отдыхающих. Этот инструмент — часть системы распознавания поведения, которая создана для предотвращения разных инцидентов и аварий, будь то просто неприличное поведение пьяного человека на улице или что-то более серьёзное.
👤 Кто: компании Asilla, Inc и Japan Drone Organization, Co., Ltd, Япония.
2. Нейросети будут работать не быстро, а точно
😢 Проблема: модели машинного обучения могут выдавать неточные прогнозы, когда полагаются на простые характеристики набора данных, а не на их истинную природу. Это быстрее, но менее надёжно. Например, модель может научиться распознавать изображение коровы по зелёной траве на фотографии, а не по сложным формам и узорам самой коровы.
Если нейронка таким образом определяет заболевания по медицинским снимкам, она может поставить неверный диагноз.
😎 Решение: заставлять модель фокусироваться на большем количестве данных при обучении. Более простые свойства удаляют, заставляя модель фокусироваться на сложных характеристиках, которые не были учтены при быстрой обработке.
Метод основан на неявном изменении функции и не полагается на человеческий вклад в обучение модели.
С такими машинами Митчеллы бы не справились.
👤 Кто: исследователи Массачусетского технологического института и Питтсбургского университета, США.
Подписывайтесь на наши соцсети:
ВКонтакте: vk.com/thecode.media
Фейсбук: facebook.com/thecode.media
Инстаграм: instagram.com/thecodemedia/
Телеграм: t.me/thecodemedia
Связаться: welcome@thecode.media
1. Научились обнаруживать тонущих в воде
😯 Что: создали систему, которая в реальном времени выявляет тонущих в воде людей.
😲 Как работает: дроны с установленной системой патрулируют берег с воздуха. Нейронка обрабатывает изображения с камер, распознаёт нетипичное поведение человеков в воде и определяет, кто из них нуждается в спасении. Уведомления с отмеченными на фото человеками отправляются через облако на смартфон. После этого служба спасения реагирует на сигнал, и дежурные специалисты помогают утопающему.
Эксперимент провели на одном из японских пляжей, всё прошло успешно. Утопающих имитировали добровольцы, никто не пострадал.
😎 Зачем: с помощью такой системы можно снизить количество происшествий на пляжах и повысить безопасность отдыхающих. Этот инструмент — часть системы распознавания поведения, которая создана для предотвращения разных инцидентов и аварий, будь то просто неприличное поведение пьяного человека на улице или что-то более серьёзное.
👤 Кто: компании Asilla, Inc и Japan Drone Organization, Co., Ltd, Япония.
2. Нейросети будут работать не быстро, а точно
😢 Проблема: модели машинного обучения могут выдавать неточные прогнозы, когда полагаются на простые характеристики набора данных, а не на их истинную природу. Это быстрее, но менее надёжно. Например, модель может научиться распознавать изображение коровы по зелёной траве на фотографии, а не по сложным формам и узорам самой коровы.
Если нейронка таким образом определяет заболевания по медицинским снимкам, она может поставить неверный диагноз.
😎 Решение: заставлять модель фокусироваться на большем количестве данных при обучении. Более простые свойства удаляют, заставляя модель фокусироваться на сложных характеристиках, которые не были учтены при быстрой обработке.
Метод основан на неявном изменении функции и не полагается на человеческий вклад в обучение модели.
С такими машинами Митчеллы бы не справились.
👤 Кто: исследователи Массачусетского технологического института и Питтсбургского университета, США.
Подписывайтесь на наши соцсети:
ВКонтакте: vk.com/thecode.media
Фейсбук: facebook.com/thecode.media
Инстаграм: instagram.com/thecodemedia/
Телеграм: t.me/thecodemedia
Связаться: welcome@thecode.media