Review of the AI Segmentation by TerraLab plugin for QGIS
Nano Banana Pro. Реальное применение, а не мемные картинки
Когда данных мало, а домен сильно отличается, предобученные модели перестают работать. Я попробовал вместо сбора и ручной разметки генерировать дорожные дефекты поверх реальных кадров. Что получилось, где работает, где нет и сколько это стоит - в статье.
https://habr.com/ru/articles/993968/
#ai #nano_banana_pro #synthetic_data #computer_vision #segmentation
Ultralytics (@ultralytics)
Meta의 SAM 3 모델을 Ultralytics와 함께 사용하여 고품질 세그멘테이션을 실행할 수 있다는 안내입니다. 프롬프트 기반 세그멘테이션과 자동 마스크 생성을 통해 이미지와 비디오 전반의 다양한 실제 장면에서 정밀한 객체 마스크를 제공한다고 홍보합니다.
Run high-quality segmentation with @AIatMeta SAM 3 using Ultralytics! 🧠 Perform prompt-based segmentation and automatic mask generation to deliver precise object masks for images and videos across diverse real-world scenes. Read more ➡️ https://t.co/9i3LI7Ijwm #VisionAI
Review of the QGIS GeoAI plugin
AA (@measure_plan)
배구 관련 머신러닝 모델을 애니메이션 스타일과 비교하는 실험을 공유하면서 동일한 워크플로를 Roboflow Rapid와 SAM3로 구현했다고 밝힘. 컴퓨터비전·세분화 도구를 활용한 실제 워크플로 예시로, 세부 내용은 인용 트윗(QT)에 제공된다고 안내함.
Ultralytics (@ultralytics)
MobileSAM과 검출 모델을 결합해 분할(segmentation) 데이터셋을 자동 주석(automatic annotation)하는 워크플로를 소개. 검출 모델로 객체를 찾고 MobileSAM으로 고품질 분할 마스크를 자동 생성해 데이터셋 제작을 가속화하고 수작업 라벨링 부담을 크게 줄일 수 있다고 설명함.
https://x.com/ultralytics/status/2013300450674475495
#mobilesam #segmentation #dataset #annotation #computervision
Auto-annotate segmentation datasets with MobileSAM! ✍️ Use a detection model together with MobileSAM to automatically generate high-quality segmentation masks—ideal for accelerating dataset creation and significantly reducing manual labeling effort. Read more ➡️
Избавляемся от ошибок Segmentation fault из-за переполнения стека в С++
Развивая идею доверенного языка программирования я пришел к выводу, что за счет ограничений синтаксиса и создания соответствующих проверок в статическом анализаторе кода, можно защититься практически ото всех технических ошибок, кроме двух - контроль динамически выделяемой памяти и переполнения стека. Причем, если для подсчета ссылок в рантайме, решения существуют, то контроль переполнения стека невозможно сделать не только во время анализа исходного текста программы, но это практически невозможно и во время выполнения приложения! Ведь ошибка переполнение стека (stack overflow) - это всегда фатально, так как не существует способа поймать и обработать эту ошибку изнутри выполняемой программы, чтобы потом продолжить её выполнение как ни в чем не бывало. Существует ли хотя бы теоретическая возможность защититься от ошибок переполнения стека и сделать из нее обычную ошибку (исключение), которую можно поймать (обработать) в самом приложении, чтобы была возможность продолжить выполнение программы без боязни последующей ошибки сегментации (segmentation fault) или повреждения стека (stack smashing)?
https://habr.com/ru/articles/983394/
#переполнение_стека #segmentation #segmentation_fault #stack_overflow #ошибки #исключения_в_c++ #обработка_ошибок #надежное_программирование #сезон_ии_в_разработке
Meta Releases SAM 3 for Enhanced Segmentation
Hans van der Kwast
hansakwast
Habr
sayzard
Ronald
TechLİfe