#معرفی_کتاب Unsupervised Deep Learning 👤 (Lazy Programmer Series) 🔹 The LazyProgrammer 🔸 2019 🔗 http://lazyprogrammer.me #book #unsupervised #deep_learning 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

یک کتاب خوب و جامع در مورد پیاده‌سازی یادگیری عمیق بدون نظارت در پایتون 💯 محتوای این کتاب: - Principal Components Analysis - t-SNE - Autoencoders and Stacked Denoising Autoencoders - Restricted Boltzmann Machines and Deep Belief Networks - Feature Visualization - Tricking a Neural Network #شبکه_عصبی #یادگیری_عمیق #پایتون 🔗 https://t.me/GITAnet #book #unsupervised #deep_learning 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

Image Data Augmentation for Deep Learning: A Survey by: Suorong Yang , et al. Nanjing University [04/19/2022] Abstract: Deep learning has achieved remarkable results in many computer vision tasks. Deep neural networks typically rely on large amounts of training data to avoid overfitting. However, labeled data for real-world applications may be limited. By improving the quantity and diversity of training data, data augmentation has become an inevitable part of deep learning model training with image data. As an effective way to improve the sufficiency and diversity of training data, data augmentation has become a necessary part of successful application of deep learning models on image data. In this paper, we systematically review different image data augmentation methods. We propose a taxonomy of reviewed methods and present the strengths and limitations of these methods. We also conduct extensive experiments with various data augmentation methods on three typical computer vision tasks, including semantic segmentation, image classification and object detection. Finally, we discuss current challenges faced by data augmentation and future research directions to put forward some useful research guidance. 🔗 https://deepai.org/publication/image-data-augmentation-for-deep-learning-a-survey #deep_learning #data_augmentation 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

✍🏻با این تی‌شرت می‌توان از دید دوربین‌های نظارتی در امان ماند محققان دانشگاه نورث ایسترن، ام‌آی‌تی و آی‌بی‌ام موفق به طراحی لباسی شده‌اند که با رنگ کالیدوسکوپیک چاپ شده روی آن می‌تواند کاربر را در برابر هوش مصنوعی، غیرقابل شناسایی کند. این دستاورد نمونه‌ای از چند محصول تولیدی در زمینه مقابله با نظارت دیجیتال محسوب می‌شود. ژو لین، پژوهشگر این گروه تحقیقاتی توضیح می‌دهد: این تی‌شرت روی شبکه‌های عصبی که برای تشخیص اشیا مورد استفاده قرار می‌گیرد، اثر می‌گذارد. معمولا زمانی که یک شبکه عصبی، شخص یا جسمی ‌را در تصویر شناسایی می‌کند، یک باکس محدودکننده اطراف آن رسم می‌کند و یک برچسب به آن شیء اختصاص می‌دهد. لین و همکارانش با یافتن نقاط مرزی یک شبکه عصبی توانسته‌اند طرحی را ایجاد کنند که می‌تواند سیستم طبقه‌بندی و برچسب‌گذاری شبکه هوش مصنوعی را به اشتباه بیندازد. با نگاهی دقیق و تخصصی به دو شبکه عصبی تشخیص اشیا به نام‌های Yolo۲ و Faster R-CNN، این گروه تحقیقاتی توانستند مناطقی از بدن را شناسایی کنند که با افزایش نویز پیکسل به آن می‌توانند هوش مصنوعی را گیج کند. 📖 مجله هوش مصنوعی 🔗 https://t.me/HomeAI/9846 #deep_learning #control 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

شبکه DeepDPM: یک شبکه بر مبنای یادگیری عمیق برای خوشه‌بندی داده‌ها با تعداد نامشخص خوشه لینک: https://paperswithcode.com/paper/deepdpm-deep-clustering-with-an-unknown 🔗 https://t.me/Adv_AI/962 #deep_learning #control 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

GitHub Copilot هوش مصنوعی امروز همه‌جا هست. از نوشتن ایمیل گرفته تا خرید اینترنتی، این هوش مصنوعیه که داره به ما کمک می‌کنه. اما GitHub با معرفی محصول Copilot‌ اعلام کرده که وقتشه ما یه دستیار هوش مصنوعی کد‌نویسی داشته باشیم. این محصول از میلیارد‌ها کد کاربرانِ GitHub کد‌نویسی رو یاد گرفته و می تونه زبان طبیعی رو به کد تبدیل کنه! به همین راحتی. GitHub Copilot می‌تونه تا ۴۰ درصد کد‌هاتون رو براتون بنویسه. فوق‌العاده است نه؟ اما یه نگرانی‌ای که وجود داره اینه که این روند ورود هوش مصنوعی به کد‌نویسی تا کجا قراره که ادامه داشته باشه و آیا قراره یه روز ابزارهای هوش مصنوعی مثل Copilot به‌طور کامل جایگزین برنامه‌نویسا بشه؟ 🔗 https://t.me/quera_ir/1730 #natural_language_processing #deep_learning #artificial_intelligence #open_ai #github 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

مدل stable diffusion اپن سورس شد! در تاریخ 23 آگوست 2022 مدل تبدیل متن به تصویر stable diffusion اپن سورس شد و در دسترس عموم قرار گرفت. شما می‌توانید با استفاده از این مدل نوشته خود را به تصویر بکشید. این مدل نسبتا سبک‌تری با توجه به دیگر مدل‌های عرضه شده در این زمینه می‌باشد که روی GPU با حداقل 10GB VRAM نیز قابل اجرا می‌باشد. در لینک زیر می‌توانید خودتان متن دلخواه‌تان را تبدیل به تصویر بکنید و لذت ببرید! huggingface.co/spaces/stabilityai/stable-diffusion در ادامه چند نمونه از خروجی مدل را می‌توانید مشاهده کنید که با توجه به متن‌های زیر تولید شده‌اند. 'an insect robot preparing a delicious meal' 'Angela Merkel with hijab' 'birds playing football' 'Jesus, Painting, Cubism' 🔗 https://t.me/nlp_stuff/300 #deep_learning #natural_language_processing #machine_vision 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep