Möödunud lahing · 2024-02-05 UTC
Computer Vision Vastasseis — 5. veebruar 2024
Kategooriast Computer Vision. 27 märget pandud 8 võitleja kohta. Trickle võttis krooni.
Lõppseis
Koosseis
Võitlejad
Iga selles lahingus võistelnud tööriista profiilid, järjestatud nende lõppskoori järgi.
Tekkidega ettevõtlused näitab, juhised ja mallide uuendamine vajadustes vahetat-ilma koodiga
Разбивка критериев
- Lisandmoodulite luomine ning koolendamine kasutuskeelest
- Automaatne agenti loomine veebisaidi ja kommunikaatsevad kasutuskeeldest
- Virutald, mõistlik ja luuhuv töötel toodud kood
- Ühendus API:idega ja datast andmine kasutuskeeldest
- Teenuste, skaalimaide ja isiklikat agenti saatamine ja kehtestamine vajadusest kasutuskeelest
- Juhisedga ja miljooni mallit luomise toimib minema
DeepFace AI
Pythoni raamistik näotuvastuse ja atribuudi analüüsi jaoks, toetades mitmeid tipptasemel mudeleid.
DeepFace AI on Pythoni framework, mis on loodud välja kuuldavate näo võimaluste ja attribute-analüüsiks. See toetab mitmeid staatilisi tehisintellektimallid, mis lubab programmeerijatele kindlustada erinevate arhitektuuride tugevusi oma täpsete vajadustega kasutades kasutama. Framondi on mõeldud arendajatele ja uurijatele, kes vajavad analüüsida näo omadusi, nagu vanus, soolus ja emotsioonid, või teostada näo tõendamis- ja identifitseerimiskaas. Rakendades ühtset haldusliidet mitme modeliga, vähendab DeepFace AI näoanalüüsi võimeuste ühendamist rakendusteks. DeepFace AI töövõimeline ei vaja ainult näo tuvastamist, - paigutamist ja väljendamist, vaid ka atribuudi analüüsi ning näo tuntamist. Seda võimaldatakse kasutada mitmekesistes rakendustes, nagu võrdluskeskkonnates, juhtimisarvestuse puhul ning ühiskonnasotsiaalsete kontekstites. Kasutamaks tarkvara, peab tarkvaraarendaja võtma arvesse mitmeid mudelite toetamist ning valida see, mis on tema jaotusprojektile sündsal puudutusega parim mudel, olga seda tuletades täpsusest, kiirusest ning arvutiressurssidest. Üks DeepFace AI töövõimetest on see, et see aitab toetada lai valikut moodeleid, sealhulgas konvolutsioonilised neuronaalmudelid (CNN-sid) ja teisi sügava õppimise arhitektuure. See võimaldab programmeerijatel katsetada erinevaid mudelike ning valida see, mis parima võimaluste hulgas sobib nende vajadustele. Lisaks pakub raamistik lihtsama ja intuitsiivsama API-d, mis võimaldab lihtsasti integreerida näoanalüüsi võimalusi rakendustesse. Kokku on DeepFace AI võimas tööriist südamepiiratuse ja atribuutide analüüsi tarbeks, pakkes lõputult ja skaalast lahendi arendajatele ja uurijatele. Aga tema tulemuslikkus sõltub sisendandmete kvaliteeditest ning valitud mudelitest ning see võib võita olulist arvukomputeerimisvõimet suurkalaliste rakenduste korral.
Разбивка критериев
- Näo atribuudi analüüs
- Mitme mudeli tugi
- Reaaliaegne näotuvastus
- Pythoniline API hõlpsamaks integreerimiseks
- Ülikeskkonnaga ühilduvus
Segment Anything Model (SAM) on mitmeobjektse koosnev tugev andmete püsivad komponent, mille juhised segadavad mitmeobjektse ja vaheline image segmentation. SAM on väi täines: * Promegpunikega liikmete juhtimise segadav – Kasutamine SAM-iga mitmeobjektse ja vaheline image segmentation ja ise väide tagastamise vói andmeavaldjate vahel. Kohandatud liikme juhtimine……Image segmentation juhtimise alus…AI tói automaatne kirjutatud kujundade t¾ kuvastatse kohta segadamate ja vaheline jaisturite jaoks. Lehekujude kohandatud painimise ja andmete reaì jaotsida mitmeobjektse ja vaheline segmentation and useful for both AI and human segmentation * Liikme ja andmete püsitusepides ja image and object segmentation ja valitud päid komplektitveski analûzindustuse jaoks jaoks. Esitada SEê Läita image and object segmentation * Andmehoidlused ja image segmentation and object and segmentation * Siin teurban on puudutasó idist on kasutatavë toimetada kujundlik, mitmeobjekti ja vaheline segmentation for both AI and human segmentation. Segmentation ja andmedª segami andmete ja objekt ja object segmentation jaoks jaoks jaoks. SAM kuulubó Eesti ja segmentation- ja nimetatud püstitamine ja kujundlik, objekti ja vaheline segmentation jaoks jaoks jaoks jaoks.
Разбивка критериев
- Viibaga segmenteerimine punktide ja kastidega
- Automaatne maski genereerimine kogu piltide jaoks
- Eelkoolitatud ViT-põhine kujutise kodeerija
- Null-shoti ülekandmine uutele domeenidele
- Avatud lähtekood ja SA-1B andmestik
- Integreerub PyTorchi ja tavaliste CV virnadega
Autoware
Avatud lähtekoodiga tarkvaraplatvorm autonoomsete sõiduki süsteemide ehitamiseks
Autoware on avatud lähtekoodiga autonoomse sõidu tarkvarakomplekt, mis on loodud isesõitvate sõidukite toiteks laiades rakendusvaldkondades alates sõiduautodest kuni ühissõidukite ja tööstussõidukiteni. ROS-il põhinevana pakub see mooduleid taju, lokaliseerimise, planeerimise ja juhtimise jaoks, andes arendajatele tervikliku aluse autonoomia uurimiseks ja juurutamiseks. Autoware'i Fondi hooldamisel ja ülemaailmse kaastöötajate kogukonna toel kasutavad seda ülikoolid, idufirmad ja väljakujunenud autotööstuse ettevõtted. Selle modulaarne arhitektuur võimaldab meeskondadel komponente vahetada, kohandatud andureid integreerida ja virna kohandada vastavalt konkreetsetele operatiivse disaini domeenidele. Kuna see on täielikult avatud lähtekoodiga, siis Autoware vähendab sisenemistõketi autonoomsete sõidukite arendamiseks ning julgustab läbipaistvat koostööd ohutuskriitilise tarkvara vallas.
Разбивка критериев
- Tajumine LIDARi, kaamera ja radari ühendusega
- Asukohaandmete ja HD-kaardi tugi
- Missiooni- ja liikumise planeerimise moodulid
- Sõiduki kontrolli liidesed
- Simulatsiooni ja testimise tööriistad
- ROS 2 ühilduvus
YOLO (You Only Look Once) on kiiruse ja tõhususe jaoks loodud objektidetekteerimise algoritmide perekond. Erinevalt traditsioonilistest detekteerimissüsteemidest, mis rakendavad mudelit pildile mitmes kohas ja skaalal, käsitleb YOLO detekteerimist ühe regressiooniprobleemina, ennustades piirdekastid ja klassi tõenäosused ühes ettepoole suunatud passis läbi närvivõrgu. See arhitektuur muudab YOLO eriti sobivaks reaalajas rakenduste jaoks, nagu videoanalüüs, autonoomsed sõidukid, robootika, valve ja täiendatud reaalsus. Järgnevate versioonide (YOLOv3, v5, v7, v8 ja hilisemad) tõttu on paranenud täpsus, laiendatud ülesannete tugi segmentatsioonile ja asendi hindamisele ning säilitatud on raamistikku kiire järelduse maine. YOLO on laialdaselt kasutusel uurijate ja arendajate poolt tänu oma avatud lähtekoodiga realiseeringutele, aktiivsele kogukonnale ning hea tasakaalu tõttu tuvastamise täpsuse ja töötlemiskiiruse vahel nii GPU-del kui ka servaseadmetel.
Разбивка критериев
- Pikaaegset objektioksaneeringut
- Allikate põhjal puhul kogavad ja eriliste lehed
- Valmistatud tähenduslikud sätted
- Erinevad versions võimalused ja tööriisid
- Dannete osa
- Ekstremalised käivitavad akseleetne ja tellida objektioksaneerimine
EtechStars
AI-põhine autonoomsete sõidukite ettevõte, mis ümber kujundab transporti tulevikku
EtechStars on AI-põhine isetootvas sõiduki ettevõte, mis keskendub autonoomsete sõidukite arendamisele eesmärgiga muuta transport turvalisemaks, efektiivsemaks ja kättesaadavamaks. Ettevõte kombineerib masinõppe, arvutinägemise ja sensorikogumise tehnoloogiad, et võimaldada sõidukitel nende ümbrust tajuda ja teha reaalajas sõiduotsuseid. EtechStars sihib nii era- kui ka ärimobilityt, et vähendada inimtegevusega seotud õnnetusi, lihtsustada liiklusummikuid ja alandada transportikulude. Selle töö valdkonnad hõlmavad autonoomse sõidu tarkvara, sõiduki integreerimist ning andmeinfra struktuure, mis on vajalikud isetootva süsteemi treenimiseks ja valideerimiseks.
Разбивка критериев
- AI-põhine isetootva sõidu süsteemid
- Arvutinägemine ja sensorikogumine
- Reaalse ajaga otsustamise algoritmid
- Autonoomsete sõidukite riistvaralise integreerimine
- Fookus turvalisema, efektiivsema transpordi
PrompTale AI
API:d ja SDK:d haldatav AI uuvõttimine plõttu hindamiseks ja näitavate kogemuste praegusest loetletud tööriistad uuvõttimiseks.
PrompTale AI on sisu loomise platvorm, mis aitab kirjanikel, turundajatel ja loojatel muuta tooreid looideed viimistletud ja kaubanduslikult elujõulisteks töödeks. See ühendab generatiivse AI kasutamise mustandite koostamiseks ja narratiivide täpsustamiseks plokiahela infrastruktuuriga, et salvestada autorlus ja kaitsta intellektuaalset omandit. See platvorm on suunatud kasutajatele, kes soovivad muuta oma loomingulised väljundid tuluallikaks, pakkudes koostöös kirjutamise, sisu pakendamise ja õiguste haldamise tööriistu. Lugude ahelasse kinnitamisega saavad kaastöötajad kontrollida päritolu ja uurida uusi levitamis- ja tulumudelid, mis on seotud nende tööga.
Разбивка критериев
- AI uuvõttimine
- SDK ja APi'ga liiga
- Läinud, reedeltuve ja näitavate uuvõttimine blockchainiga
- API:d ja SDK:d kasutatav JavaScript jõudluse tööriisidega ja scriptide valmistamine
- Polekana seaduse ja API markka
- Ümberlanduse ja kubemise eeslõige
AI Robotics Drones
Tehisintellektil põhinevad autonoomsed droonid valve, ülevaate ja reaalajas jälgimise jaoks.
AI Robotics Drones ühendab arvuti nägemise, masinõppe ja autonoomse lennusüsteemid, et pakkuda intelligentsed õhulised platvormid kommerts- ja tööstuslikuks kasutamiseks. Droonid suudavad navigeerida keerulistes keskkondades, tuvastada huvipakkuvaid objekte ja voogesitada tegutsemiseks vajalikke teadmisi ilma pideva inimoperaatori juhtimiseta. Tüüpilised rakendused hõlmavad perimeetri turvalisust, infrastruktuuri ülevaadet, põllumajanduslikku jälgimist ja otsing- ja päästeoperatsioone. Pardal olev tehisintellekt töötleb pilte reaalajas, märgistades anomaaliaid, jälgides sihtmärke ja genereerides aruandeid, mis integreeruvad olemasolevate operatsioonide armatuurlaudadega. Platvorm on loodud meeskondadele, kes vajavad skaleeritavat õhulist intelligentsust, toetab missiooni planeerimist, automatiseeritud patrulle ja kaugülevaadet mitme seadme jaoks.
Разбивка критериев
- Autonoomne navigeerimine ja takistuste vältimine
- Arvuti nägemise objektide tuvastamine
- Automatiseeritud patrull- ja ülevaatusrad
- Reaalajas video voogesitus ja analüütika
- Mitme drooni laevastiku juhtimine
- Anomaaliate tuvastamine ja hoiatamine