Компьютерное зрение: 6 полезных ресурсов
Подборка полезных ресурсов по CV от Data Scientist-а ВТБ Олега Милосердова для тех, кто работает с компьютерным зрением или хочет больше узнать об этой технологии.
Попробовать на практике
📌 Ultralytics Solutions (https://docs.ultralytics.com/solutions/)
— готовые примеры Computer Vision.
Помимо обычной документации по YOLO, у Ultralytics есть хороший раздел с готовыми сценариями: tracking, подсчёт объектов, heatmap, оценка скорости, работа с зонами. Можно быстро посмотреть, как решается типовая задача, и взять код за стартовую точку.
📌 Albumentations Explorer (https://albumentations.ai/explore/)
— посмотреть аугментации без кода.
Можно выбрать аугментацию, покрутить параметры и сразу увидеть результат на изображении. Хорошая штука, когда подбираешь blur, noise, perspective и другие искажения и хочешь глазами проверить, во что превращаются данные.
Разобраться в алгоритмах
📌 Distill — Computing Receptive Fields (https://distill.pub/2019/computing-receptive-fields/)
— receptive field наглядно.
Интерактивный разбор того, какую область исходного изображения видит конкретный нейрон CNN и как это зависит от kernel, stride и других параметров. Намного понятнее, чем разбираться в receptive field только по формулам.
📌 HIPR2 — Fourier Transform (https://homepages.inf.ed.ac.uk/rbf/HIPR2/fourier.htm)
— фурье для изображений.
Сайт старый, но материал хороший: на картинках показано, как изображение выглядит в частотной области и что происходит при фильтрации. Есть даже пример определения направления строк текста через спектр. Иногда полезно вспомнить, что не всё в CV обязательно решать нейросетью.
Подготовить съёмку
📌 Advanced Illumination (https://advancedillumination.com/a-practical-guide-to-machine-vision-lighting/)
— свет в машинном зрении.
Хороший разбор разных схем освещения с реальными фотографиями. Видно, как одним светом можно убрать блики, другим — выделить царапины или рельеф. Особенно полезно для промышленных задач, где правильная постановка света иногда даёт больше, чем очередное улучшение модели.
📌 Edmund Optics (https://www.edmundoptics.com/knowledge-center/tech-tools/imaging-system-parameter-calculator/)
— расчёт камеры и объектива.
Калькулятор для прикидки параметров системы съёмки: поле зрения, рабочее расстояние, фокусное расстояние, размер сенсора и т.д. Пригодится, когда нужно понять, какой объектив брать и какого размера объект в итоге получится на изображении.
Подборка полезных ресурсов по CV от Data Scientist-а ВТБ Олега Милосердова для тех, кто работает с компьютерным зрением или хочет больше узнать об этой технологии.
Попробовать на практике
📌 Ultralytics Solutions (https://docs.ultralytics.com/solutions/)
— готовые примеры Computer Vision.
Помимо обычной документации по YOLO, у Ultralytics есть хороший раздел с готовыми сценариями: tracking, подсчёт объектов, heatmap, оценка скорости, работа с зонами. Можно быстро посмотреть, как решается типовая задача, и взять код за стартовую точку.
📌 Albumentations Explorer (https://albumentations.ai/explore/)
— посмотреть аугментации без кода.
Можно выбрать аугментацию, покрутить параметры и сразу увидеть результат на изображении. Хорошая штука, когда подбираешь blur, noise, perspective и другие искажения и хочешь глазами проверить, во что превращаются данные.
Разобраться в алгоритмах
📌 Distill — Computing Receptive Fields (https://distill.pub/2019/computing-receptive-fields/)
— receptive field наглядно.
Интерактивный разбор того, какую область исходного изображения видит конкретный нейрон CNN и как это зависит от kernel, stride и других параметров. Намного понятнее, чем разбираться в receptive field только по формулам.
📌 HIPR2 — Fourier Transform (https://homepages.inf.ed.ac.uk/rbf/HIPR2/fourier.htm)
— фурье для изображений.
Сайт старый, но материал хороший: на картинках показано, как изображение выглядит в частотной области и что происходит при фильтрации. Есть даже пример определения направления строк текста через спектр. Иногда полезно вспомнить, что не всё в CV обязательно решать нейросетью.
Подготовить съёмку
📌 Advanced Illumination (https://advancedillumination.com/a-practical-guide-to-machine-vision-lighting/)
— свет в машинном зрении.
Хороший разбор разных схем освещения с реальными фотографиями. Видно, как одним светом можно убрать блики, другим — выделить царапины или рельеф. Особенно полезно для промышленных задач, где правильная постановка света иногда даёт больше, чем очередное улучшение модели.
📌 Edmund Optics (https://www.edmundoptics.com/knowledge-center/tech-tools/imaging-system-parameter-calculator/)
— расчёт камеры и объектива.
Калькулятор для прикидки параметров системы съёмки: поле зрения, рабочее расстояние, фокусное расстояние, размер сенсора и т.д. Пригодится, когда нужно понять, какой объектив брать и какого размера объект в итоге получится на изображении.