Fühlst du dich inspiriert, deinen ersten Beitrag für TDS zu schreiben? Wir sind immer offen für Beiträge von neuen Autoren. Bevor wir jedoch in die Auswahl dieser Woche von herausragenden Artikeln eintauchen, möchten wir einen Moment nutzen, um all unseren Lesern, Autoren und Mitgliedern unserer breiteren Gemeinschaft zu danken, die dazu beigetragen haben, dass wir einen wichtigen Meilenstein erreichen konnten, da unsere Followeranzahl auf Medium gerade erreicht hat… Wir könnten nicht begeisterter sein – und sind dankbar für jeden, der uns dabei unterstützt hat, TDS zu der blühenden, lernorientierten Publikation zu machen, die sie ist. Auf mehr Wachstum und Erkundung in der Zukunft!
Zurück zu unserem regulären Geschäft: Diese Woche haben wir drei aktuelle Artikel als Höhepunkte ausgewählt, die sich auf modernste Tools und Ansätze aus den stets aufregenden Bereichen der Computer Vision und Objekterkennung konzentrieren. Während multimodale Modelle ihre Reichweite ausbauen und Anwendungsfälle wie autonomes Fahren, Gesundheitswesen und Landwirtschaft Mainstream werden, war es für Daten- und ML-Praktiker noch nie so wichtig, mit den neuesten Entwicklungen Schritt zu halten. (Wenn Sie derzeit an anderen Themen interessiert sind, haben wir Sie abgedeckt! Scrollen Sie nach unten für eine Handvoll sorgfältig ausgewählter Empfehlungen zu Neurowissenschaften, Musik und KI, umweltbewussten ML-Arbeitsabläufen und mehr.)
Beherrschung der Objektzählung in Videos
Die genaue Objekterkennung in Videos bringt im Vergleich zum gleichen Prozess in statischen Bildern eine Vielzahl neuer Herausforderungen mit sich. Lihi Gur Arie, PhD präsentiert ein klares und prägnantes Tutorial, das zeigt, wie Sie dies dennoch erreichen können, und verwendet das lustige Beispiel des Zählens von sich bewegenden Ameisen auf einem Baum, um ihren Fall zu verdeutlichen.
Würzen des Eishockeys mit KI: Spieler-Tracking mit Computer Vision
Für alle, die eine gründliche und fesselnde Projektdurchführung suchen, empfehlen wir nachdrücklich Raul Vizcarra Chirinos’ Bericht über seinen kürzlichen Versuch, einen Eishockey-Spieler-Tracker (mehr oder weniger) von Grund auf aufzubauen. Unter Verwendung von PyTorch, Computer-Vision-Techniken und einem Convolutional Neural Network (CNN) entwickelte Raul einen Prototypen, der Spieler verfolgen und grundlegende Leistungsstatistiken sammeln kann.
Ein Crashkurs für Wahrnehmungsingenieure im autonomen Fahren
Obwohl wir noch Jahre von selbstfahrenden Autos entfernt sein mögen, haben Forscher und Industrieakteure in den letzten Jahren bedeutende Fortschritte gemacht. Praktiker, die ihr Wissen über Planung und Entscheidungsfindung im Kontext des autonomen Fahrens erweitern möchten, sollten Patrick Langechuan Lius umfassenden “Crashkurs” zu diesem Thema nicht verpassen.