L’IA embarquée sous-estimée pour des tâches concrètes
Des modèles d’IA embarquée plus petits prouvent leur efficacité pour des tâches concrètes, comme la reconnaissance du code Morse sur smartphone.
Des modèles d’IA embarquée plus petits prouvent leur efficacité pour des tâches concrètes, comme la reconnaissance du code Morse sur smartphone.
Le modèle WordDetectorNet de Harald Scheidl utilise une régression de boîtes englobantes par pixel et DBSCAN pour la détection de mots manuscrits, s’éloignant des méthodes classiques.
Une IA, Qwen2-VL, est entraînée pour détecter des fraudes complexes sur la blockchain via la vision par ordinateur.
Une nouvelle méthode améliore le suivi de personnes par systèmes multi-caméras en prédisant leur position même quand une caméra les perd, grâce à une calibration automatique.
BloodshotNet, un modèle IA open-source, détecte la présence de sang dans les images pour la modération de contenu.
Sentence Transformers étend ses capacités à la multimodalité, reliant texte et images pour une recherche sémantique enrichie.