Не зря пишут intermediate

Ну, я к тому, что я разраб, а не девопс

Всё равно стоит?

Думаю да, там концептуально полезные вещи рассказываются. Для того, чтобы получить общее представление полезно посмотреть. Но специализация новая, ещё не полностью готова. Недавно только третий курс выкатили.

Спасибо. И да, пожалуйста, отвечайте на сообщения через "reply", а то не видно

Так и буду делать :)

Огромное спасибо! С:

В torch.models какая самая быстрая модель для классификации?

попробуй  мобайлнет

+

Да, спасибо ..

Вот она меня и удовлетворила

Чем обучать нейросеть находить на изображении человека, если есть только depth map?

набрать depth map примеров и на них обучить

но тогда нейросеть не сможет в расстояние, т.е. мне для каждого расстояния нужно будет обучение проводить. были мысли про оффсеты, но тоже имхо не вариант.

т.е. предлагаете также как и при обычном распознавании действовать? попробовать стоит, наверное.

Подскажите, может кто сталкивался работаю в Google colab с библиотекой imageai, беру для Машинного обучения модель resnet50 для Retinanet. Выполняю скрипт, на что он мне указывает на detector.loadModel(), с ошибкой list index out of range

Работа с YOLOv3 - всё как по маслу

Да, как при обычном распознавании. Вообще depth map может выступать 4м цветом в домолнении к rgb, что должно хорошо поднять качество распознавания. Но и в случае, если rgb нет, depth map это та же картинка. Просто для неё нужны свои обучающие примеры.
Вот если представить depth map как ч/б картинку, что меняется с расстоянием? Цвет пикселя от 0 до 255. Что бы отличить кошку от собаки модели нужны границы объекта и взаимное расположение границ. В общем, полагаю, как и с обычными изображениями, растояние до объекта в некоторых пределах, не имеет значения, для задач object detection и image classification