AiConf

Конференция завершена.

Ждем вас

на AiConf

в следующий раз!

Увеличиваем число обнаружений в задачах Object Detection и Instance Segmentation

Компьютерное зрение и генерация изображений

Python
ML

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Ваши модели распознают только несколько объектов, а дальше безбожно разваливаются? Приходите послушать доклад на тему обнаружения большого числа объектов, вы узнаете про трюки и вызовы, а также сможете попробовать фреймворк сами, ведь он доступен в open source!

Целевая аудитория

Computer Vision-инженеры, DS-специалисты, DL-разработчики.

Тезисы

Patch-Based-Inference является усовершенствованным SAHI-подходом для обнаружения большого количества маленьких объектов на изображениях с поддержкой задач инстанс-сегментации, улучшенной технологией подавления дубликатов и удобной библиотекой с широкой кастомизацией.

Разработанная Python-библиотека поддерживает следующие модели по Object Detection и Instance Segmentation: YOLOv8, YOLOv8-seg, YOLOv9, YOLOv9-seg, YOLOv10, FastSAM и RTDETR.

В рамках доклада будет рассказано, как работает данная технология, какие актуальные задачи может помочь решить. Вы узнаете, как можно в разы увеличить число обнаруживаемых объектов без дополнительного обучения нейронных сетей.

Ссылка на open source-проект — github.com/Koldim2001/YOLO-Patch-Based-Inference

Дмитрий Колесников

Цифровые технологии и платформы

Технический лидер команды компьютерного зрения. Руководит Computer Vision-проектами для заводов ЕвроХим.

Активно ведет open source-проекты на Github (Koldim2001) и снимает обучающие видеоролики по DS на своем YouTube-канале.

Видео

Другие доклады секции

Компьютерное зрение и генерация изображений