首页
学习
活动
专区
工具
TVP
发布

AI科技大本营的专栏

专栏成员
3088
文章
3321425
阅读量
203
订阅数
基于 Openpose 实现人体动作识别
伴随着计算机视觉的发展和在生活实践中的广泛应用,基于各种算法的行为检测和动作识别项目在实践中得到了越来越多的应用,并在相关领域得到了广泛的研究。在行为监测方面,不仅仅有通过图形、温湿度、声音等信息进行蜂群行为的监测,同时更多的应用是集中在人类行为监测上。而人体姿态识别作为行为监测重要参考依据在视频捕捉、计算机图形学等领域得到了广泛应用。其中传统的人体姿态识别方法有RMPE模型和Mask R-CNN模型,它们都是采用自顶向下的检测方法,而Openpose作为姿态识别的经典项目是采用的自底向上的检测方法,主要应用于行为监测、姿态纠正、动作分类,在智能家居、自动驾驶、智能监控等领域局具有重要的研究意义和应用价值。
AI科技大本营
2021-09-27
6.1K0
“我想玩游戏!” 大佬:玩啥游戏,教你做一个智能贪吃蛇游戏!
人工智能的发展已经影响到了我们的日常生活,像我们生活中的刷脸支付是用的是计算机视觉中的人脸识别;网购时商品的推荐和阅读新闻时话题的推荐也是基于用户使用记录进行搜索智能优化;以及包括电脑代替游戏玩家进行游戏等等。
AI科技大本营
2020-04-25
6290
先马后看!详解线性回归、朴素贝叶斯、随机森林在R和Python中的实现应用!(附代码)
我们或许生活在一个人类历史上最具决定性的时期:从大型计算机到个人电脑,再到云计算时代。重要的不是过去已经发生了什么,而是未来将会发生什么。
AI科技大本营
2020-03-04
2.7K0
流行于机器学习竞赛的Boosting,这篇文章讲的非常全了
Boosting 已经存在了很多年,然而直到最近它们才成为机器学习社区的主流。那么,为什么这些 Boosting 如此流行呢?
AI科技大本营
2020-02-24
9470
用最少的时间学最多的数据挖掘知识(附教程&数据源)| CSDN博文精选
最近笔者学到了一个新词,叫做“认知折叠”。就是将复杂的事物包装成最简单的样子,让大家不用关心里面的细节就能方便使用。作为数据科学领域从业者,我们所做的事情就是用数学模型来解决实际的商业决策问题,最后包装成客户能看懂的简单图表。
AI科技大本营
2019-11-15
7220
开源sk-dist,超参数调优仅需3.4秒,sk-learn训练速度提升100倍
【导语】这篇文章为大家介绍了一个开源项目——sk-dist。在一台没有并行化的单机上进行超参数调优,需要 7.2 分钟,而在一百多个核心的 Spark 群集上用它进行超参数调优,只需要 3.4 秒,把训练 sk-learn 的速度提升了 100 倍。
AI科技大本营
2019-09-09
1.1K0
15分钟带你入门sklearn与机器学习——分类算法篇
【导读】众所周知,Scikit-learn(以前称为scikits.learn)是一个用于Python编程语言的免费软件机器学习库。它具有各种分类,回归和聚类算法,包括支持向量机,随机森林,梯度增强,k-means和DBSCAN,旨在与Python数值和科学库NumPy和SciPy互操作。本文将带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树。
AI科技大本营
2019-05-15
1.2K0
开源!《AI 算法工程师手册》中文教程正式发布!
这本《AI 算法工程师手册》已正式开源,无需购买纸质书籍,可以直接在线阅读,体验感爆棚。在线阅读地址为:
AI科技大本营
2019-05-15
9880
45K!刚面完 AI 岗,这几点分享给你!
互联网虽然寒冬,但人工智能热度不减,成果不断。今年所有的互联网公司,都在ALL in AI。百度、腾讯、阿里巴巴、京东等互联网巨头甚至都在美国硅谷大肆高薪挖掘人工智能人才。
AI科技大本营
2018-12-28
6070
机器学习决策树的分裂到底是什么?这篇文章讲明白了!
作者 | Prashant Gupta 译者 | AI100(rgznai100) 在实际生活中,树的类比如影随形。事实证明,树形结构对于机器学习领域同样有着广泛的影响,特别是对分类和回归两大任务来说。 在决策分析中,决策树可以非常清晰地呈现决策的过程和结果。“树”如其名,决策树所用的正是一个树形的决策模型。数据挖掘领域经常会用决策树来搜寻给定问题的解决策略,机器学习领域同样会广泛用到这一方法。这将会是这篇博客的主题。 算法如何能被表示成树形? 对于这一点,我们来看一个基本的例子:用泰坦尼克号的数据集每位乘
AI科技大本营
2018-04-28
2.2K0
盘点|最实用的机器学习算法优缺点分析,没有比这篇说得更好了
推荐理由 对于机器学习算法的盘点,网上屡见不鲜。但目前,还没人能结合使用场景来把问题说明白,而这一点正是本文的目的所在。 在文章中,作者将结合他的实际经验,细致剖析每种算法在实践中的优势和不足。 本文的目的,是务实、简洁地盘点一番当前机器学习算法。尽管人们已做过不少盘点,但始终未能给出每一种算法的真正优缺点。在这里,我们依据实际使用中的经验,将对此详加讨论。 归类机器学习算法,一向都非常棘手,常见的分类标准是这样的:生成/判别、参数/非参数、监督/非监督,等等。 举例来说,Scikit-Learn
AI科技大本营
2018-04-27
1.2K0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档