Comunidad Clarifai
Publicó el modelo de detección de rostros BlazeFace para GPU móviles
Ahora puede utilizar el Modelo de detección de rostro BlazeFace para detectar caras en las imágenes.
BlazeFace es un detector de rostros liviano y de buen rendimiento diseñado para la inferencia de GPU móvil. Funciona a una velocidad de 200-1000+ FPS en dispositivos emblemáticos. Este rendimiento en tiempo súper actual permite que se aplique a cualquier tubería de realidad aumentada que requiera una región facial de interés precisa como entrada para modelos específicos de tareas, como puntos clave faciales 2D/3D o estimación de geometría, características faciales o clasificación de expresiones, y cara. segmentación de regiones. Nuestras contribuciones incluyen una purple de extracción de características liviana inspirada en MobileNetV1/V2, pero distinta de él, un esquema de anclaje appropriate con GPU modificado de Single Shot MultiBox Detector (SSD) y una alternativa de estrategia de resolución de vínculo mejorada a la supresión no máxima.
Publicados cuatro modelos “Detic” para detección normal de imágenes
Dético representa detector con imago Cmuchachas que pueden usar etiquetas de nivel de imagen para entrenar fácilmente a los detectores. Pueden detectar veinte mil clases usando supervisión a nivel de imagen.
Detección de veinte mil clases mediante supervisión a nivel de imagen,
Xingyi Zhou, Rohit Girdhar, Armand Joulin, Philipp Krähenbühl, Ishan Misra,
ECCV 2022 (arXiv 2201.02605)
Corrección de errores de la comunidad y el portal
- Se solucionó un problema por el cual las notas de descuento excedían el ancho de la página. Anteriormente, cuando existía un bloque de código con texto grande en las notas de descuento, excedía el ancho de la página. Esto llevó a que el lienzo del visor del modelo se expandiera más allá del ancho regular y se rompiera sin cargar bien las entradas.
- Se solucionó un problema por el cual el nombre largo de la aplicación de un usuario rompía la barra lateral. La aplicación de un usuario tenía un nombre largo que se extendía más allá de la barra lateral. El nombre fue abreviado.
- Se solucionó un problema por el cual el modelo de asignación de sinónimos fallaba cuando se usaba en un flujo de trabajo. El modelo de mapeador de sinónimos ahora funciona como se esperaba cuando se usa en una predicción de flujo de trabajo.
- Se solucionó un problema por el que no funcionaba el cambio de la plantilla de un modelo existente. Anteriormente, la edición de la plantilla existente de un modelo de detector visible no funcionaba. La plantilla existente y sus parámetros correspondientes se mantuvieron igual incluso después de seleccionar otra plantilla.
- Se solucionó un problema en Enter-Supervisor al aplicar filtros de etiquetas para entradas. Anteriormente, al seleccionar una etiqueta para ver las imágenes asociadas con esa etiqueta, se producía un error. La consulta de búsqueda tardó más de lo esperado.
- Se solucionó un problema en el administrador de entrada al usar la opción “Sin asignar” para filtrar entradas no asignadas a ningún conjunto de datos. Anteriormente, la opción de filtro “Sin asignar” en el front-end enviaba una solicitud de filtrado en un formato que el back-end no admitía. Ocurría si una aplicación tenía varios conjuntos de datos.
- Se solucionó un problema por el que las miniaturas no se cargaban después de una búsqueda visible. Después de usar la función de búsqueda visible para buscar imágenes, las miniaturas resultantes ahora se cargan correctamente.
- Se mejoró el mensaje de error generado cuando un modelo no pudo entrenar. Anteriormente, cuando un modelo no se entrenaba, el mensaje de error generado no period suficiente para que el usuario proporcionara una solución.
