Switch to English?
Yes
Переключитись на українську?
Так
Переключиться на русскую?
Да
Przełączyć się na polską?
Tak
  • NaftoGaz Europe | Новостной сайт

    Машинное обучение
    #php #yii2


  • 1000 UAH

    Распознавания кошек и собак на изображениях

    Машинное обучение
    Демонстрационная программа для распознавания кошек и собак на изображенях. Свёрточные нейронные сети. Точность 85-90%. Интерфейс сделан на Tkinter.


  • 10 000 UAH

    Автоматическое Удаление Логотипов WaterMarks

    Машинное обучение
    На основе методов машинного обучения разработаны модели для автоматического поиска и удаления логотипа (WaterMark, водная печать).

    Программа состоит из 3 частей:
    Часть 1. Детекция, определение местоположения и вырезание логотипа с субпиксельной точностью.
    Часть 2. На основе 50-100+ экземплярах фото (объектах обучения) вычисляется обратное математическое преобразовании для каждого пиксела, при котором частотный спектр области под логотипом соответствует области вокруг логотипа. Тем самым удается на 90-99% уменьшить видимость ватермарка на исходном фото
    Часть 3. Пакетное применение обученной модели удаления ватермарка для фотографий.

    Результаты:
    В данной работе Логотип был удален на 7433 фото.
    Время преобразования: по 3-5 секунд на очистку одного фото (1600х1200, 1280х960).
    Среднеквадратичное отклонение 0.3 градиента цвета.
    Зрительный контроль > 93% фотографий распознать наличие логотипа не представляется возможным.
    6% фото — только при увеличении контрастности на 300% логотип слегка виден
    1% фото — при увеличении на месте удаленного ватермарка заметен небольшой пиксельный шум.

    Цена 200-300$ - обучение модели 1-му виду логотипов
    (в зависимости от сложности логотипа)
    N x 0.02$ - автоматическая обработка 1-й фотографии

    (Примеры в полном качестве высылаю по запросу)


  • 40 000 UAH

    Распознавание объектов на изображении

    Машинное обучение
    Распознавание и классификация объектов на изображении. Сетка была обучена на малой выборке, можно увидеть погрешности. #neural-networks #машинное обучение #машинное зрение


  • 7500 UAH

    NFT Pokemons

    Машинное обучение
    Генерация НОВЫХ Покемонов используя GPT-2

    В данном репозитории находятся два IPython Блокнота для тренировки и генерации изображений с помощью GPT-2. Эта нейронная сеть с 1.5 млрд параметров (против обычно используемых в таких случаях 100-300 млн) оказалась способна генерировать целые страницы связного текста.

    Картинки Покемонов были переведены в текст, и "скормлены" нейросети.

    Кол-во эпох - 400 000.


  • 1000 UAH

    FER2013

    Машинное обучение
    Распознавание эмоций в наборе данных FER2013 с использованием сверточной нейронной сети (CNN).

    Победитель - 71.161 % точности
    Эта модель - 66.369 % точности


  • 500 UAH

    MNIST numbers

    Машинное обучение
    Простая однослойная нейронная сеть для распознавания рукописных однозначных цифр (0-9) из файлов изображений MNIST.


  • 1500 UAH

    Funny News

    Машинное обучение
    Нейронная сеть, генерирующая забавные новости на основе реальных новостей Украины с https://korrespondent.net/ukraine/
    Для генерации новости напишите /newh боту


  • Система оценки уровня загрязнений полов

    Машинное обучение
    Консольное серверное приложение которое по видео (или c live камеры или видео файл)
    оценивает в выбранной зоне уровень загрязнений.
    Вся "грязь" классифицируется на 4 категории: грязь, мелкий мусор, крупный муссор, посторонние преметы. Все данные записываются в БД.
    Python3.7 + OpenCV 4


  • Серия лабораторных работ по машинному обучению

    Машинное обучение
    Несколько лабораторных работ в рамках одного исследования. Был выполнен анализ данных, постановка задачи, которую предлагалась решить с помощью машинного обучения, подбор наилучшего алгоритма, визуализация результата и развёртывание обученной модели в облаке MS Azure. Тестирование работы развёрнутой модели через POST (json) API.
    Работа была с творческим уклоном. Постановка бизнес задачи была выбрана исходя из данных в датасете и потенциального интереса для реального использования.