Apple приобретает Xnor.ai, дрессировку собак с искусственным интеллектом, ImagineNet для передачи стилей, обнаружения обрезанных изображений с помощью функции оценки позы Фрица и т. Д.
Уважаемый читатель,
Напоминаем, что скоро мы прекратим поддержку информационного бюллетеня Heartbeat и рассылаем первый выпуск нового информационного бюллетеня Fritz AI. Как подписчик Heartbeat Newsletter, вы будете автоматически добавлены в это новое письмо.
Чтобы быть в курсе всех последних отраслевых новостей, руководств, кода и многого другого в области мобильного и периферийного машинного обучения, вы можете подписаться на Deep Learning Weekly, который в дальнейшем будет включать в себя специальный раздел для мобильных / периферийных устройств.
Спасибо за вашу постоянную поддержку и читателей.
Удачного чтения,
Остин и команда Fritz AI
НОВОСТИ
Как приобретение Apple Xnor.ai может обеспечить поддержку Siri, которую мы так долго ждали
На прошлой неделе Apple произвела большой фурор, когда появились новости о приобретении Xnor.ai из Сиэтла, стартапа с искусственным интеллектом для устройств, который стоял за системой обнаружения людей с помощью камеры Wyze, о которой мы рассказывали здесь в предыдущих выпусках. Теперь, когда эта новость подтверждена, мы наблюдаем различные анализы того, что это значит для будущего Apple в области искусственного интеллекта. Эта статья в Macworld посвящена Siri, но при дополнительном анализе были рассмотрены другие устройства Apple, которые могут быть готовы к использованию искусственного интеллекта на устройстве (например, Apple Watch), включая устройства, которых еще нет даже в списке продуктов Apple. Это еще предстоит выяснить, но это была огромная новость для искусственного интеллекта на устройствах, которая продолжает распространяться по отрасли. ["Подробнее"]
Беспокоитесь о конфиденциальности дома? Для этого есть искусственный интеллект
Мы видим все больше и больше полнометражных статей, изучающих возможности ИИ на периферии, и эта недавняя статья от Wired особо выделяет и уделяет особое внимание конфиденциальности, которая, как мы уже исследовали ранее, является одним из основных преимуществ перенос логического вывода машинного обучения на периферийные устройства, такие как телефоны, микроконтроллеры и т. д. Я особенно ценю подход, который используется в этой статье в отношении необходимой функциональности моделей на устройстве и того, чем они могут отличаться от облачных моделей. ["Подробнее"]
Facebook запускает PyTorch 1.4 с мобильной настройкой и поддержкой Java
В первом крупном обновлении с момента появления PyTorch Mobile в PyTorch 1.3 этот выпуск включает в себя несколько изменений, относящихся к мобильным устройствам. Во-первых, разработчики теперь могут настраивать сценарии сборки, чтобы помочь оптимизировать размеры библиотеки, которая на ранних этапах тестирования позволила создать версию MobileNetV2, которая была на 50% меньше. Кроме того, 1.4 включает платформу для обучения распределенной модели, а также поддержку Java для вывода PyTorch для улучшения функциональности Android. ["Подробнее"]
[TensorFlow] Автономная дрессировка собак с компаньоном
Я чувствую это каждое утро, когда уезжаю на работу - я смотрю прямо в глаза своей собаке Конской Лицо, говорю ей, что люблю ее, а затем оставляю ее на целый день в офисе. В этом гостевом посте в блоге TensorFlow создатели Companion подробно рассказывают о своей работе по созданию AI-компаньона для наших любимых питомцев, которые часами проводят в одиночестве, глядя в дверь, чтобы мы вернулись. Действительно интересный вариант использования и процесс, и в последнем разделе рассматриваются проблемы и возможности, связанные с переносом этого опыта на телефон или другое пограничное устройство. ["Подробнее"]
В следующем iPhone будет усовершенствованная камера, способная сканировать 3D-объекты, - сообщает Барклайс.
Этот новый отчет аналитиков Barclays Semiconductor предлагает несколько вещей об этой возможной камере. Во-первых, это технология 3D-сканирования. Согласно отчету, модели Pro iPhone следующего поколения будут иметь новые датчики глубины полета 3D, что, вероятно, упростит рендеринг сцены AR и сделает ее более захватывающей. Кроме того, 3D-камера глубины также может улучшить качество изображения в целом. Во-вторых, в отчете указывалось, что новые iPhone будут иметь обновленную систему Face ID, хотя особенности там менее ясны. ["Подробнее"]
12 идей для приложений на базе машинного обучения на 2020 год
Это хороший взгляд на некоторые конкретные варианты использования мобильного машинного обучения. Хотя мне меньше нравится оформление статьи (приложения X принесут вам деньги), я оценил, как в этой статье исследуются как отраслевые вертикали, так и варианты использования на основе задач. Кроме того, включение реальных приложений помогло сделать это более ощутимым. ["Подробнее"]
КОД / БИБЛИОТЕКИ
[Исследования] ImagineNet: рестайлинг приложений с использованием нейронной передачи стиля
[GitHub] makeml-app / dribble-ios-app
Приложение для iOS, которое подсчитывает количество касаний футбольного мяча с помощью обнаружения объектов. ["Исследовать"]
ОБУЧЕНИЕ
[Fritz AI] Обнаружение обрезанных лиц на изображениях с помощью API оценки позы Фрица
Харшит Двиведи продолжает работу над своим приложением AfterShoot на базе искусственного интеллекта. Здесь он использует API оценки позы Фрица для определения обрезанных лиц на фотографиях, чтобы отфильтровать эти изображения из настраиваемой галереи. ["Учить больше"]
Введение в RealityKit для iOS: сущности, жесты и трансляция лучей
Анупам Чу начинает свою серию статей о RealityKit, новом фреймворке Apple для 3D-рендеринга для iOS. ["Учить больше"]
Детекторы обучающих объектов без реальных данных с использованием рандомизации домена
Мы твердо верим в возможности генерации синтетических данных, особенно для решения уникальных задач, которые ставит мобильное машинное обучение. Здесь Оливер Гилденберг Хьермитслев g показывает, как он создал и реализовал генератор данных для обнаружения объектов. Внутри много интересного обсуждения. ["Учить больше"]
Примечание редактора. Heartbeat - это онлайн-публикация и сообщество, созданное авторами и посвященное изучению зарождающегося пересечения разработки мобильных приложений и машинного обучения. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.
Независимая редакция, Heartbeat спонсируется и публикуется Fritz AI, платформой машинного обучения, которая помогает разработчикам учить устройства видеть, слышать, ощущать и думать. Мы платим участникам и не продаем рекламу.
Если вы хотите внести свой вклад, переходите к нашему призыву участников. Вы также можете подписаться на наши еженедельные информационные бюллетени (Deep Learning Weekly и Heartbeat), присоединяйтесь к нам на » «Slack И подписывайтесь на Fritz AI в Twitter , чтобы узнавать обо всех последних новостях в области мобильного машинного обучения.
