Rastreamento de Objetos x Detecção de Objetos
Veja neste artigo um rápido comparativo entre as técnicas de rastreamento de objetos e detecção de objetos
Veja neste artigo um rápido comparativo entre as técnicas de rastreamento de objetos e detecção de objetos
Ao invés de usar redes neurais convolucionais, os autores se basearam nos algoritmos de análise lenta de atributos, que foram capazes de reconhecer os atributos faciais que variam lentamente ao longo da vida, e assim prever a idade das pessoas com base em suas fotografias.
O algoritmo usa informações contextuais, como a hora do dia e o local onde o usuário se encontra, para aumentar a eficiência de predição da próxima palavra, assim diminuindo consideravelmente o esforço que o usuário precisa fazer para se comunicar.
O algoritmo foi desenvolvido para anotar automaticamente imagens tridimensionais, obtidas por tomografia de raio-X, das partículas presente no cátodo da bateria, o que possibilita o estudo do processo que faz com que as baterias percam eficiência.
O modelo foi treinado com marcadores sanguíneos que se mostraram elevados em pacientes que morreram em função da infecção pelo novo coronavírus, e com dados demográficos que representam fatores de risco. Agora, um aplicativo disponível à comunidade médica usa o modelo para fazer predições de severidade em tempo real.
O método compara as imagens em baixa resolução com um banco de dados onde as versões em alta resolução estão disponíveis, construindo os atributos faciais região por região.
Partindo de uma rede neural convolucional treinada para reconhecer rostos humanos, os pesquisadores adaptaram o algoritmo para medir a similaridade entre rostos de macacos, e identificaram que animais mais similares (um indicativo de parentesco), mesmo que criados em grupos diferentes, mantinham laços sociais mais próximos.
O algoritmo foi treinado para classificar os atributos de personalidade de acordo com a escala Big Five, usando apenas fotografias estáticas, sem expressões faciais. O desempenho foi melhor do que o de pessoas fazendo a mesma avaliação em encontros presenciais.
Neste artigo, apresentamos as características dos neurônios e das estruturas presentes nos principais tipos de redes neurais, apontando suas aplicações mais comuns ou potenciais.
Através de uma nova métrica, o trabalho consegue identificar as sub-redes que serão relevantes na tarefa para qual a rede neural está sendo treinada. Assim, é possível “podar” a rede numa etapa bem inicial do treinamento, o que diminui seu tamanho e, com isso, o tempo necessário para o treinamento, o que tem impacto direto no custo energético envolvido.