A tökéletes fotók azonosítása Androidon, gépi tanulással
Firebase ML Kit paraméterezési tapasztalatok, egy valós projekt kapcsán.
Hyperscaler vagy hazai felhő? Lehet, hogy nem kell választani!
Egy jól felépített hibrid vagy multicloud modellben a különböző felhők nem versenytársai, hanem kiegészítői egymásnak.
|
Hyperscaler vagy hazai felhő? Lehet, hogy nem kell választani!
Egy jól felépített hibrid vagy multicloud modellben a különböző felhők nem versenytársai, hanem kiegészítői egymásnak.
Melyek a képelemzés alapjai, illetve milyen lehetőségeket nyújt ehhez a Firebase ML Kit? Fejes Ádám, a Supercharge Android fejlesztője a 2019-es HWSW mobile! termékfejlesztési konferencián tartott előadásában bemutatja a Firebase ML Kit arcfelismerő rendszerének a paraméterezési lehetőségeit, illetve azt, hogyan lehet a lehető leggyorsabban kiszolgálni a felhasználókat. A Supercharge egyik 2019-es machine learning projektjében ugyanis fontos szempont volt, hogy ne várassák túl sokat a felhasználóinkat - a csapat rengeteget kísérletezett azzal, hogy milyen módon tudja optimalizálni algoritmusát. Ehhez megvizsgálták az optimalizációk hatását az eredmények pontosságán és a futási időn, különböző eszközökön, a végső cél pedig az volt, hogy megtalálják az adott feladathoz legjobban illeszkedő bemeneti formátumot és arcfelismerő rendszer paraméterezést. Az előadás a projekt értékes tapasztalatait járja körbe.
A tökéletes fotók azonosítása Androidon gépi tanulással - Fejes Ádám (Supercharge)
Még több videó
Hyperscaler vagy hazai felhő? Lehet, hogy nem kell választani!
Egy jól felépített hibrid vagy multicloud modellben a különböző felhők nem versenytársai, hanem kiegészítői egymásnak.Hyperscaler vagy hazai felhő? Lehet, hogy nem kell választani! Egy jól felépített hibrid vagy multicloud modellben a különböző felhők nem versenytársai, hanem kiegészítői egymásnak.
Melyek a képelemzés alapjai, illetve milyen lehetőségeket nyújt ehhez a Firebase ML Kit? Fejes Ádám, a Supercharge Android fejlesztője a 2019-es HWSW mobile! termékfejlesztési konferencián tartott előadásában bemutatja a Firebase ML Kit arcfelismerő rendszerének a paraméterezési lehetőségeit, illetve azt, hogyan lehet a lehető leggyorsabban kiszolgálni a felhasználókat. A Supercharge egyik 2019-es machine learning projektjében ugyanis fontos szempont volt, hogy ne várassák túl sokat a felhasználóinkat - a csapat rengeteget kísérletezett azzal, hogy milyen módon tudja optimalizálni algoritmusát. Ehhez megvizsgálták az optimalizációk hatását az eredmények pontosságán és a futási időn, különböző eszközökön, a végső cél pedig az volt, hogy megtalálják az adott feladathoz legjobban illeszkedő bemeneti formátumot és arcfelismerő rendszer paraméterezést. Az előadás a projekt értékes tapasztalatait járja körbe.
A tökéletes fotók azonosítása Androidon gépi tanulással - Fejes Ádám (Supercharge)
Még több videó