Войти через соцсеть:
Войти через email:
Рассмотрим постановку задачи, методы и алгоритмы решения с примерами, немного поговорим о взломах систем распознавания, а также подумаем, можно ли привнести что-то новое там в теме идентификации личности по изображению. Основные вопросы, которые осветим в докладе, следующие:
В чем разница задачи распознавания лиц и традиционной классификации изображений?
Как сделать систему распознавания гибкой (удалять и добавлять новые лица без переобучения)?
Зачем нужен крутой детектор с нормализацией?
Какие технологии сейчас SOTA и как они работают?
Дистиллируем модель = распознаем быстрее и/или быстро во встраиваемых системах. А где это нужно?
Что такое визуальные атаки на системы распознавания и как с ними бороться?
В распознавании лиц уже всё решено?
В маркетплейсах и b2b-секторе часто возникают две прикладные задачи
- сопоставления друг с другом некоторого количества товарных позиций;
- категоризации большого объема товарных позиций.
В докладе будет рассказано о решения этих задачи с помощью методов NLP (Natural Language Processing), их особенностях и применяемых подходах (почему транфсормеры не всегда лучшее решение для задач NLP). Доклад ориентриован на data-science специалистов, знакомых с NLP.
Уже ни для кого не является секретом, что качество работы нейронных сетей зависит от качества данных, на которых они обучались. К процессу подготовки данных необходимо подходить с тем же вниманием и ответственностью, что и к остальным процессам разработки.
Мы собрали за вас все грабли в процессе сбора и разметки данных и готовы поделиться с вами. Доклад будет полезен в первую очередь тем, кто организует и проводит выезды и съемки для подготовки данных для обучения нейронок, работающих с картинками и видео. Полезные советы написанные потом и кровью разбавлены забавными (во время доклада, но не в моменте) историями из реальной жизни.
