The Next Web0 Hot0 comments5 min read1 h ago

Amazon puts another $1.9bn into its delivery partner programme for 2027

Amazon pays the partners. The partners set driver pay. Its new $1.9bn comes with an anticipated national average of nearly $24 an hour.

Read the original

#amazon #computer-vision #future-of-work

Source: https://thenextweb.com/news/amazon-dsp-1-9bn-investment-delivery-driver-pay. 8 Sync News only summarizes and links out; content copyright belongs to the authors and original sources.

Recommended for you

freeCodeCamp1 Hot19 min2 d agoAI

How to Turn a RECIST Line into a 3D Tumor Segmentation Mask

Bài viết giải quyết vấn đề chuyển đổi RECIST line (đo thẳng) thành 3D tumor segmentation mask (khối u 3D) trong y học hình ảnh. Phương pháp sử dụng deep learning model như UNet để dự đoán hình dạng 3D từ các đo thẳng trên CT scan. Kết quả cho độ chính xác lên đến 89% khi so sánh với manual segmentation. Điều đáng học là kỹ thuật này giảm 70% thời gian làm việc so với phương pháp thủ công truyền thống.

Bài này giúp lập trình viên chuyển đổi RECIST line thành 3D tumor segmentation mask một cách hiệu quả.

#computer-vision

Bình luận

Đang tải bình luận…

Towards Data Science1 Hot16 min1 mo agoAI

Why We Fine-Tuned SigLip (And Why That’s Not Always the Right Call)

Alma Media phát triển một bộ phân loại hình ảnh riêng cho ảnh đăng bán bất động sản với 23 lớp phòng và nội dung, đồng thời đưa ra một khung quyết định để chọn giữa gọi API VLM hay huấn luyện mô hình riêng, chọn mô hình nền tảng và quyết định fine‑tune hay freeze backbone. Họ thực nghiệm trên tập dữ liệu riêng 40.000 ảnh, so sánh SigLIP freeze, DINOv2 freeze và SigLIP fine‑tune bằng LoRA, kết quả cho thấy LoRA nâng micro F1 từ 78,4% lên 82,6% và giảm tỷ lệ ảnh chưa gắn nhãn từ 9,4% xuống 3,4%, gần với mức cơ bản tự nhiên 3,9%. Lớp GARDEN nhận được tăng recall 26 điểm, trong khi việc đơn giản chuyển sang DINOv2 đã hồi phục hơn một nửa của khoảng cách này mà không cần fine‑tune. So sánh chi phí cho thấy việc sử dụng API VLM như Gemini tốn khoảng 1.500 USD cho mỗi triệu ảnh, natomiast bộ phân loại chạy trên GPU riêng chỉ tốn khoảng 0,37 USD cho cùng lượng ảnh, và việc thực hiện toàn bộ quá trình quét siêu tham số LoRA chỉ tốn khoảng 30 USD. Bài học là mặc dù fine‑tune có thể cải thiện chỉ số, nhưng việc lựa chọn mô hình nền tảng phù hợp và cân nhắc chi phí thường làm cho việc freeze backbone hoặc chuyển mô hình trở thành lựa chọn hiệu quả hơn.

Bài viết này cung cấp framework ra quyết định chi tiết và so sánh thực tế giữa việc fine-tune SigLIP, sử dụng DINOv2 hay gọi API VLM giúp lập trình viên tối ưu hóa lựa chọn mô hình hình ảnh với chi phí và hiệu suất tối ưu.

#deep-learning #computer-vision #lora Source

Amazon puts another $1.9bn into its delivery partner programme for 2027

Recommended for you

How to Turn a RECIST Line into a 3D Tumor Segmentation Mask

Bình luận

Jobs Are Disappearing Quietly, The Math Keeps Me Awake

Your Second Skill Was Never a Parachute

Building a Real-Time 3D Face Mask with MediaPipe, Threlte and Three.js

Mushroom hunting with LLMs: what can go wrong?

Cell C in talks with Starlink and Amazon Leo

Why We Fine-Tuned SigLip (And Why That’s Not Always the Right Call)

Amazon Is Creating the Biggest Pollution Source in the Entire Country

One account, the whole ecosystem

8syncdev.com

Courses

Coding practice

IELTS

ZUS — AI IDE

mind0

AcoLeads