Информация Сергей Кондратов

Фрилансер Сергей Кондратов Машинное обучение sv380382

Информация Сергей Кондратов

На сайте 4 года и 11 месяцев (заходил 11 дней 5 часов назад)

Свободен

+ 0 - 0

397.33

Написать в Telegram

Предложить заказ

Рейтинг

397.33

Безопасные сделки

Отзывы

+ 0 - 0

Показать контакты

Написать в Telegram

Рейтинг:

397.33

Посещаемость:

1528

Пол:

Мужской

На сайте:

4 года и 11 месяцев

Дата регистрации:

06.06.2019

Местонахождение:

Россия, Благовещенск (Амурская обл.)

Языки:

Русский (родной), английский (средний)

Участие в конкурсах и награды

Примеры проектов, не запрещенные заказчиком к публикации.

<strong>1. Определение координат углов документа на изображении (2000х3000 пикс.) с помощью нейронной сети (регрессия).</>

Цель – достичь точность ±1 пиксель.
Был подготовлен, размеченный датасет из 15000 изображений.
Обучались две сверточные нейронные сети, первая определяла грубые координаты, по которым вырезались картинки (128х128 пикс.). На полученых изображениях, обучалась вторая сеть, которая в свою очередь, получала уже уточненные координаты.
Результат:
Из 1500 тестовых изображений,
640 примеров – отклонение 0
847 примеров – отклонение 1 пиксель
13 примеров – отклонение 2 пикселя
Результат можно еще улучшать, но заказчика устроила такая точность.

<strong>2. Задача: Вернуть смещенную и(или) развернутую ступню в исходное положение, по всем восьми ракурсам.</>

Требования: Линейное расхождение по контуру, между оригинальным и сгенерированным изображением, не более 20 пикселей.
Dataset: Изображения ступней, восемь ракурсов (бинарная маска, size 3088 : 2320).
Инструмент: GAN pix2pix
Предобработка: На вход нейронной сети, подается восьмиканальный массив, shape (N, 2048, 2048, 8), N – samples. Для подачи входных данных, использовался генератор.

Пример полученного результата на тестовых данных:
drive.google.com/file/d/1...
Метрики (IoU):
Значения в процентах от общей площади оригинала.
Первое значение {red} – площадь красной области, лишние сгенерированные пиксели
Второе значение {green} – площадь зеленой области, не до cгенерированные пиксели
Первое и второе значения, должны стремиться к 0.
Часть процесса обучения (видео):
drive.google.com/file/d/1...