Мы обошли фильтр Калмана на одной камере, но сначала три недели измеряли труп
Цель видна только через камеру, детектор отдает рамку, дальномера нет. В какой-то момент цель уходит из кадра на три четверти секунды, и ее надо продолжать вести вслепую. Классический фильтр Калмана в этой ситуации теряет цель в 84% эпизодов. Наш трекер теряет ее в 18% и возвращает в центр кадра в 80%.трекердержит цель вслепуювозврат в кадртеряет цельклассический фильтр Калмана−0,0322%84%нейросетевой пилот0,4184%8%
2000 идентификаций в секунду: как выбрать нужную таблицу на документе без нейросетей
Система распознавания документов может найти на одном изображении сразу несколько областей, похожих на таблицы. Среди них может быть нужная нам таблица, другая таблица, блок реквизитов, рамка или просто удачно выровненный текст. И прежде чем запускать распознавание ячеек, нужно понять, какой именно из найденных регионов содержит целевую таблицу.
Как генерировать реалистичные изображения при большом количестве параметров
Сгенерировать реалистичный портрет по одному описанию несложно. Гораздо труднее одновременно управлять десятками параметров: возраст, пол, причёска, форма лица и другие признаки.
Как детектили фрод, а получили Джонни и Джулию: история одной браузерной разминки
Привет, Хабр. Меня зовут Степанян Альберт и я всё ещё бегун по граблям и разработчик отдела R&D в компании «Биорг».
Как измерить то, что вы никогда не замечаете
Очень легко принимать многое вокруг себя как должное, особенно когда живешь в большом городе. В частности, инфраструктура, которая связывает людей, быстро отходит на второй план в нашей повседневной жизни. Конечно, общественный транспорт, тротуары, велосипедные дорожки и многие другие удобства, облегчающие нашу жизнь, не появились из ниоткуда. Мы просто к ним привыкли, поэтому не особо обращаем на них внимание.
Компас и нейросеть: как бегать рогейны по приборам
Волей случая мне повезло принадлежать к интересной породе людей. Мы не прочь встать в выходной пораньше, уехать из города в лес, где на поляне (или опушке) можно обменять небольшую сумму кровных на бумажную карту окрестностей с отмеченными на ней точками. И затем, вооружившись компасом, потратить несколько следующих часов жизни на блуждание по полям, лесам и болотам в поисках этих точек. Чаще в компании, чем в гордом одиночестве.Со стороны это обычно такие мероприятия выглядят, как толпа бездельников, скитающихся по разным зарослям, уткнувшись в карту, примерно так:
Точность 99,2% и ни одной найденной опухоли: во что обходится компьютерное зрение в медицине
Разговор всегда начинается одинаково.«Вы же делаете детекцию брака на конвейере. Там деталь и дефект, тут снимок и опухоль. Разница в датасете. Дайте модель, которая находит рак, точность нужна процентов 98, ну 99, чтобы наверняка».Логика в этом есть, и я не иронизирую. Архитектурно между дефектом сварного шва и узлом в легком действительно нет пропасти, обе задачи это поиск аномалии на картинке, и обе решаются примерно одним семейством сетей. Человек напротив рассуждает правильно ровно до того момента, пока не произносит слово «точность».Дальше я обычно прошу пять минут и открываю калькулятор.
Как мы детектили фрод, а получили Джонни и Джулию: история одной браузерной разминки
Привет, Хабр. Меня зовут Степанян Альберт (albert.stepanyan@beorg.ru), и я всё ещё бегун по граблям и разработчик отдела R&D в компании «Биорг».
ИИ для анализа рентген‑снимков грудного отдела
Классификация шести патологий на рентгене: обучение только головы поверх RAD‑DINO‑MAIRA-2С октября 2025 по апрель 2026 я собирал исследовательский прототип: модель принимает рентгеновский снимок грудной клетки и для каждой из шести патологий выдаёт отдельную вероятность.Это не сегментация (модель не рисует маски органов) и не генерация текстового отчёта. Это многометочная классификация
NVIDIA открыла веса Cosmos 3 Edge — компактной модели мира для роботов и автономных систем
NVIDIA выпустила в открытый доступ Cosmos 3 Edge — компактную модель мира (World Model) на 4 млрд параметров. Она предназначена для задач физического искусственного интеллекта: робототехники, компьютерного зрения, автономного транспорта и интеллектуальной инфраструктуры. Модель стала самым компактным представителем семейства Cosmos 3 и рассчитана на работу на устройствах с ограниченными вычислительными ресурсами.
