👨💻Распознаём объекты на Python —[16:17]
В видео показывается, как с помощью библиотек ImageAI и OpenCV создать модель на Python, которая будет распознавать объекты на фото, видео или в режиме реального времени.
Перейти к просмотру
#видео#python#нейросети
🤖ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НАУЧИЛИ ПРОЕКТИРОВАТЬ КОРАБЛИ ГОРАЗДО БЫСТРЕЕ ЧЕЛОВЕКА
🇨🇳 Китайский центр проектирования и исследования кораблей разработал систему, которая проектирует электрические системы военных кораблей
⚡️ Конструктор на основе искусственного интеллекта работает во много раз быстрее людей
❗️Испытания системы показали, что за один день она выполняет работу, на которую у проектировщика ушло бы около года — примерно 300 дней
🔝 Не менее важно, что по итогам выполнения 400 сложных задач она продемонстрировала 100-процентную точность работы без присущих людям ошибок
✅ Важно, что система на основе искусственного интеллекта уже готова к внедрению в производство
#нейросети#ИИ
__________________________
Источник:https://digitalocean.ru/n/ai-ships
Анализ видео: визуализация
Последний пост серии, первые два по ссылкам:
1. Подготовка данных
2. Анализ данных
Для виза снова используем cv2. Если данные записаны в таблицу xlsx, то понадобится модуль ast для корректного считывания синтаксиса списков.
При считывании объединяем данные в одномерный список (colors) и создаем пустой массив:
# суммарное число цветов
colors_length = len(colors)
# высота изображения в пикселях
height = 500;
# создаем пустой массив
# height: число строк
# colors_length: число столбцов
# 3: массив цвета (r, g, b)
img_array = np.zeros((height, colors_length, 3), np.uint8)
После этого заполняем массив цветами и с помощью cv2 создаем изображение:
# заполняем массив
for x in range(colors_length):
img_array[:,x] = colors[x]
# записываем в файл
cv2.imwrite('file_name.png', img_array)
Подробнее о параметрах файла палитры и том, как с ним работать, — в карточках.
P.S. И как обычно, полный код этой части в комментариях.
#датавиз#python
Анализ видео: цвет
На прошлом этапе мы записали по одному кадру видео в секунду в список captures_array. Имея данные о кадрах в формате rgb, мы можем определить преобладающие оттенки.
Для этого используем метод кластеризации, а точнее kmeans. Он позволяет разбить массив на нужное число групп по близости значений и выделить их центры (центроиды). Эти значения являются доминирующими оттенками кадра. На мой взгляд, детальность данных будет достаточная, если выделить пять центроидов (k). Этот алгоритм нужно применить в цикле к каждому кадру (capture):
# определяем размеры массива
shape = capture.shape
# пересобираем в одномерный массив
ar = capture.reshape(np.product(shape[:2]), shape[2]).astype(float)
# находим заданное число центроидов
centroids,_ = kmeans(ar, k)
В итоге получаем палитру каждого кадра фильма в хронологическом порядке. Как ее визуализировать, расскажу в следующем посте.
P.S. Полный код оставила в комментариях.
#датавиз#python
Анализ видео: подготовка данных
Я использую python, но общая логика алгоритма может пригодиться и для других языков.
Сначала нужно покадрово считать видео. Сделаем это с помощью библиотеки OpenCV (cv2):
import cv2
# видео целиком
video = cv2.VideoCapture('file_name.mp4')
# частота кадров
fps = int(video.get(cv2.CAP_PROP_FPS))
# число кадров во всем видео
frame_count = int(video.get(cv2.CAP_PROP_FRAME_COUNT))
Теперь можно запустить цикл и собрать один кадр за каждую секунду. В цикле повторяется такой код:
ret, frame = video.read()
Каждую итерацию считывается следующий кадр. В ret записывается информация о корректности считывания (True/False), frame — кадр в формате массива с rgb каждого пикселя.
Имея частоту видео, мы можем записать только один кадр в секунду. Такого объема данных достаточно для анализа. В итоге получаем список с числом кадров равным длительности видео в секундах. Что делать с ним дальше расскажу в следующем посте.
P.S. В комментариях полный код этой части.
#датавиз#python
😅Как сделать виральную рекламу с AI-дубляжом
Делимся классным кейсом от Ivan Bannikov и канала DIV.
.
⚡️ 200K просмотров, 11K репостов и рост аудитории в 3 раза — и это реклама курсов для аналитиков!
Предыстория: когда хобби становится услугой
Иван уже несколько месяцев экспериментирует с AI-переозвучкой фильмов: берёт культовые сцены и адаптирует их под IT-реалии — получается смешно, узнаваемо и вирально.
Вот его предыдущие работы в нельзяграме:
➡️Гарри Поттер и мандрагора
→ HR пытается вытащить удалёнщиков в офис — 7 млн просмотров
➡️Гэндальф и белые берега
→ Созвон с лидом про выгорание — 400K просмотров
Формула успеха: знакомые персонажи + голоса оригинала + ситуации из жизни IT-шников = вирусный контент.
Когда креатив превращается в заказ
К Ивану обратилась школа для аналитиков с запросом: «Можешь сделать нам что-то подобное?»
Клиент: образовательная компания с курсами для аналитиков.
Задача: виральный охват среди аналитиков и смежных специалистов при аудитории всего 1000+ подписчиков.
Чтобы глубже понять аудиторию, Иван вышел на созвон с представителями школы, изучил популярные ролики по теме аналитики и начал искать, что можно адаптировать.
⭐️От идеи до вирального ролика
1. Поиск сцены (день 1)
Сцену искали вместе с ChatGPT и Claude. Вариантов было много, но победил Совет Элронда из «Властелина колец»:
команда спорит, что делать с Кольцом (читай: с легаси-кодом),
Фродо берёт на себя задачу (читай: аналитик разбирается и пишет документацию),
а Гэндальф напутствует (читай: рекламирует курсы).
2. Сценарий и адаптация (день 1–2)
Диалоги переписаны под IT-реалии. Каркас — авторский, отдельные реплики — совместный брейншторм с нейросетями.
3. Переозвучка (день 2–3)
Голоса — через ElevenLabs, монтаж — в CapCut. Много ручной работы, но результат стоил того.
Результаты на день написания поста: 200 000 просмотров, 11 000 репостов, рост с 1 000 до 3 000+ подписчиков (основной импульс дал именно ролик)
Видео начали перепостить даже другие IT-каналы — и не вырезали рекламную часть 🙌
#ИИ#AI#Нейросети
———
#Кейсы#Видео
✍️ Подписывайтесь: @aiforproduct
🔥 Сегодня
**Moscow Python Meetup**
📅 22 февраля / 18:00 / Москва, ул. Льва Толстого, д.16, конференц-зал «Экстрополис»
💵 Бесплатно
📝 Регистрация тут: https://goo.gl/sqFZUE
53я встреча сообщества Moscow Python. С докладами выступят разработчики из «Лаборатории Касперского», Сбербанка и Яндекса. Они расскажут об asyncio, мобильной разработке на Питоне и о применении JupyterHub.
🔗 Программа: https://goo.gl/kKpQqv
🔗 Сайт: https://goo.gl/8Woxvh
#python#Москва
✅ Завтра
**Moscow Python Meetup**
📅 22 февраля / 18:00 / Москва, ул. Льва Толстого, д.16, конференц-зал «Экстрополис»
💵 Бесплатно
📝 Регистрация тут: https://goo.gl/sqFZUE
53я встреча сообщества Moscow Python. С докладами выступят разработчики из «Лаборатории Касперского», Сбербанка и Яндекса. Они расскажут об asyncio, мобильной разработке на Питоне и о применении JupyterHub.
🔗 Программа: https://goo.gl/kKpQqv
🔗 Сайт: https://goo.gl/y82XG7
#python#Москва