Understanding Positional Encodings: Absolute, Relative, and Rotary

Positional encodings are a crucial component of transformer models, enabling them to understand the order of tokens in a sequence. Since transformers lack built-in mechanisms to process sequential data, positional encodings inject information about the position of each token, allowing the model to capture the structure of the input. In this blog post, we’ll explore three popular types of positional encodings: **Absolute Positional Encoding**, **Relative Positional Encoding**, and **Rotary Positional Encoding**. We’ll also discuss their differences, sample outputs, and why they matter.

Zaman serisi tahmini ve açıklanabilirlik

Yıllar önce (7 yıl önce!) zaman serisi tahmini hakkında ARIMA ve LSTM ile Zaman Serisi Tahmini başlıklı iki makale yazmıştım, aşağıda bağlantıları paylaşıyorum.

• Zaman Serisi İnceleme ve ARIMA ile Tahmin
• Keras LSTM ile Zaman Serisi Tahmini

Aradan geçen sürede zaman serileri konusunda literatüre birçok yöntem eklendi. Günümüzde sürekli olarak zamana bağlı veri üretildiği ve  verinin en önemli şey olduğu düşünüldüğünde, bu konunun ne kadar popüler olduğunu anlatmaya gerek olmadığını düşünüyorum. Bu yazıda, zaman serisi analizinde güncel yaklaşımları, özellikle de Açıklanabilir Yapay Zeka (Explainable AI *XAI*) çerçevesinde ele almayı amaçlıyorum.

İsveç oturum izni alma ve tasinma surecleri

İsveç`te postdoc icin kabul aldiktan sonra tabi ki ilk is olarak oturum izni konusu gundeme geldi. Ben Universitede calisacagim icin basvuru icin universiteden aldigim kontrati kullandim, baska herhangi bir maas bordrosu, banka hesabi vs gibi seylere ihtiyac olmadi. 

Moving object detection from ChatGPT perspective

Moving object detection is a research area that focuses on identifying and tracking objects in video sequences. This can include cars, pedestrians, animals, and other moving objects. The goal of moving object detection is to accurately identify and track objects in real-time, despite changes in lighting, weather, and other environmental conditions.

Using Pytorch C++ API to extract features with CNN

I continue to enhance the existing courses over Udemy. I have prepared a new video to show how to use Pytorch C++ API.  In this example, We will save a model for feature extraction in the Python, and then use that model in C++.

By using extracted features, we will classify two target objects.

https://www.udemy.com/course/computer-vision-by-using-cpp-and-opencv-with-gpu-support/?couponCode=202209

OCR example processing a newspaper image

OpenCV: SVM ve HOG ile nesne tespiti

Bu yazı kapsamında Python ile OPENCV kütüphanesini kullanarak basit bir nesne tespiti/sınıflama uygulamasını nasıl gerçekleştirebileceğinizi anlatacağım. Örneğimizde OpenCV ML (machine learning) modülü içerisindeki SVM(Support Vector Machine) ve Object Detection modülü içerisindeki HOG yöntemlerini kullanacağız.

UAV Images Dataset (PESMOD) for Moving Object Detection from Moving Cameras

I have prepared a high resolution aerial images dataset for motion detection. This dataset (named PESMOD) consists of challenging images containing small targets compared to other publicly available datasets. You can view the preprint paper comparing two methods in the literature and proposed method which is relatively simple.

https://lnkd.in/dFVyP-E
To download the dataset and compare your own method
https://lnkd.in/d3ASwaC

Moving object detection from moving camera

Hareketli kameradan hareketli nesne tanıma üzerine bir takım çalışmalar

C++ ile OpenCV CUDA metodlarının kullanımı

Python kullanarak OpenCV ile Görüntü işleme üzerine yayınladığım udemy kurslarına ek olarak, C++ ile OpenCV+CUDA destekli metodları nasıl kullanabileceğimize dair bir başka video serisi daha hazırladım.

Comparison of Dense optical flow methods