腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

企鹅号快讯

企鹅号技术类相关资讯

专栏作者

3887

文章

4498583

阅读量

291

订阅数

计算机视觉这一年：2017 CV技术报告Plus之卷积架构、数据集与新趋势

卷积神经网络 keras

企鹅号小编

2018-01-02

7340

2 分钟论文：语音生成表情包背后的技术原理

人工智能卷积神经网络

AI 科技评论出品系列短视频《 2 分钟论文》，带大家用碎片时间阅览前沿技术，了解 AI 领域的最新研究成果。来源 /Two Minute Papers 翻译 /郭维校对 /凡江整理 /雷锋字幕组【本期论文】 AI Creates Facial Animation From Audio 由语音生成实时面部表情动画本期论文探讨的话题是 —— 由语音生成实时面部表情动画，也就是说，在对我们说的话进行语音记录后，通过某种学习算法，生成数字形象在说话的高质量动画。听起来是不是很酷呢？ 📷 实际上，这种学

企鹅号小编

2018-01-10

6720

大牛教你使用7种卷积神经网络进行物体检测！

卷积神经网络人工智能

-欢迎加入AI技术专家社群>> 当我们讨论对图片进行预测时，到目前为止我们都是谈论分类。我们问过这个数字是0到9之间的哪一个，这个图片是鞋子还是衬衫，或者下面这张图片里面是猫还是狗。 📷 但现实图片会更加复杂，它们可能不仅仅包含一个主体物体。物体检测就是针对这类问题提出，它不仅是要分析图片里有什么，而且需要识别它在什么位置。我们使用在机器学习简介那章讨论过的图片作为样例，并对它标上主要物体和位置。 📷 可以看出物体检测跟图片分类有几个不同点：图片分类器通常只需要输出对图片中的主物体的分类。但物体检测必须能

企鹅号小编

2018-01-16

1.2K0

一文读懂卷积神经网络CNN

深度学习人工智能机器学习卷积神经网络

来源：机器学习算法与自然语言处理作者：白雪峰本文为图文结合，建议阅读10分钟。本文为大家解读如何简单明了的解释卷积，并且分享了学习中的一些方法案例。首先文章的提纲为： CNN栗子镇楼 What is CNN 什么是卷积什么是池化 Why CNN 对CNN的其他一些理解 CNN实现（接口） 1、CNN栗子（A Beginning Glimpse of CNN） Modern CNN since Yann LeCun 2. 📷 上面是最经典和开始的两篇CNN的结构图 2、What is CNN？神经

企鹅号小编

2018-01-16

1.3K0

腾讯提出自适应图卷积神经网络，接受不同图结构和规模的数据

人工智能卷积神经网络机器学习

选自arXiv 作者：Ruoyu Li等机器之心编译参与：路雪近日，AAAI 2018 发布接收论文列表，腾讯 AI Lab 共入选 11 篇。在论文《Adaptive Graph Convolutional Neural Networks》中，腾讯联合德克萨斯大学阿灵顿分校提出自适应图卷积神经网络 AGCN，可接受任意图结构和规模的图作为输入。论文：自适应图卷积神经网络（Adaptive Graph Convolutional Neural Networks）论文链接：https://arxiv

企鹅号小编

2018-02-05

9170

深度学习之卷积神经网络

人工智能深度学习卷积神经网络

纵观过去两年，“深度学习”领域已经呈现出巨大发展势头。在计算机视觉领域，深度学习已经有了较大进展，其中卷积神经网络是运用最早和最广泛的深度学习模型，所以今天就和大家分享下卷积神经网络的工作原理。首先来聊聊什么是深度学习？什么是深度学习 “Deep learningis abranch of machine learning based on a set of algorithms thatattempt to model highlevel abstractions in databy using a

企鹅号小编

2018-02-05

8610

康奈尔博士后黄高：如何设计高效地卷积神经网络

深度学习人工智能机器学习卷积神经网络

AI 科技评论按：卷积神经网络则是深度学习最具代表性的模型，在计算机视觉和自然语言翻译等领域有着极其广泛的应用。随着精度以及复杂度的逐步提升，卷积网络的推理效率问题越来越明显的成为制约其在实际应用中的瓶颈。黄高博士，现为美国康奈尔大学计算机系博士后，主要研究领域为深度神经网络的结构设计与优化算法，以及深度学习在计算机视觉与自然语言理解中的应用；获得北京航空航天大学学士学位，清华大学控制科学与工程博士学位。其博士论文被评为中国自动化学会优秀博士学位论文以及清华大学优秀博士论文一等奖。目前已发表学术论文20余

企鹅号小编

2018-02-06

1.5K0

浅析图像视频类AI芯片的灵活度

人工智能深度学习机器学习卷积神经网络

兼容性和灵活度是芯片快速杀入新市场、扩大市场范围、快速适应客户需求，减少开发周期的关键特性。目前深度学习的网络结构已走向了多样化，出现了大量的算法变种、更多的算子和复杂层次结构，这对芯片的支撑灵活度能力提出了挑战。本文通过列举目前图像视频类的典型算法、典型网络结构、典型平台和接口等方面来分析AI芯片的灵活度范围。目前，DNN加速器会收敛于三类形态，第一类是支持通用运算的DSP或者GPU，它既可以实现神经网络运算，也可以实现其他数学运算或者通用程序，例如图像处理和语音处理，其典型特征是具有通用指令集和支持类

企鹅号小编

2018-02-06

9670

机器学习卷积神经网络深度学习

引言斯蒂文认为机器学习有时候像婴儿学习，特别是在物体识别上。比如婴儿首先学会识别边界和颜色，然后将这些信息用于识别形状和图形等更复杂的实体。比如在人脸识别上，他们学会从眼睛和嘴巴开始识别最终到整个面孔。当他们看一个人的形象时，他们大脑认出了两只眼睛，一只鼻子和一只嘴巴，当认出所有这些存在于脸上的实体，并且觉得“这看起来像一个人”。斯蒂文首先给他的女儿悠悠看了以下图片，看她是否能自己学会认识图中的人(金·卡戴珊)。 📷 斯蒂文接下来用几张图来考她： 📷 悠悠图中有两只眼睛一个鼻子一张嘴巴，图中的物体是个

企鹅号小编

2018-02-07

7610

TensorFlow 从入门到放弃（一）：卷积神经网络与TensorFlow实现

tensorflow 卷积神经网络

IT 领域的三角不可能定律：质量编程、速度编程、廉价编程。 ——麦杰克 · 索伊导读：从本质上讲，我们在做回归或者分类的时候，就是把数据映射到一个或多个离散标签上，或者是映射到连续空间。对于BP前反馈神经网络，我们是构建神经元（非线性映射），通过比较映射结果与标签的误差，用损失函数表示出来。理论上我们能够构建不限数量的神经元来协助我们来无限逼近最合适的映射。对于复杂多变的数据结构，如图片集合，我们该如何处理？我们已经知道图片可以通过二维矩阵（灰度图片，只有一个channel）来表示，最简单的方法是把矩阵

企鹅号小编

2018-02-08

8280

用keras搭建3D卷积神经网络

keras 卷积神经网络

资源： 3D卷积神经网络相关博客：http://blog.csdn.net/lengxiaomo123/article/details/68926778 keras文档关于3D卷积层的介绍：http://keras-cn.readthedocs.io/en/latest/layers/convolutional_layer/#conv3d 3D卷积层可以理解为对有一系列时序性的图片进行卷积的操作，也即2D是在平面上卷积，3D层添加了时序作为另一维度实现了空间上的卷积，从而能够对具有时序性的一组图片进行卷积操

企鹅号小编

2018-02-11

2.9K0

从图像到知识：深度神经网络实现图像理解的原理解析

神经网络卷积神经网络图像识别

摘要：本文将详细解析深度神经网络识别图形图像的基本原理。 - 针对卷积神经网络，本文将详细探讨网络中每一层在图像识别中的原理和作用，例如卷积层(convolutional layer)，采样层(pooling layer)，全连接层(hidden layer)，输出层(softmax output layer)。 - 针对递归神经网络，本文将解释它在在序列数据上表现出的强大能力。 - 针对通用的深度神经网络模型，本文也将详细探讨网络的前馈和学习过程。卷积神经网络和递归神经网络的结合形成的深度学习模型甚

企鹅号小编

2018-02-12

1.4K0

看可口可乐如何玩转TensorFlow

人工智能 tensorflow 机器学习卷积神经网络

“ 随着人工智能的高速发展，开发者们对于能够应对产品多样化挑战的学习框架TensorFlow，也有着很高的热情。除了各类科技产品，零售行业也同样将TensorFlow运用于大规模的深度学习中。在这篇文章中，来自可口可乐公司数据侠Patrick Brandt，就将为我们介绍如何使用AI和TensorFlow实现无缝式购买凭证。可口可乐的核心忠诚度计划于2006年以MyCokeRewards.com形式启动。 “MCR.com”平台包含为每一瓶以20盎司规格销售的可口可乐、雪碧、芬达和动乐产品，以及可以在杂

企鹅号小编

2018-02-23

1.1K0

如何使用Keras集成多个卷积网络并实现共同预测

keras 机器学习卷积神经网络

在统计学和机器学习领域，集成方法（ensemble method）使用多种学习算法以获得更好的预测性能（相比单独使用其中任何一种算法）。和统计力学中的统计集成（通常是无穷集合）不同，一个机器学习集成仅由一个离散的可选模型的离散集合组成，但通常拥有更加灵活的结构 [1]。 GitHub 地址：https://github.com/LawnboyMax/keras_ensemblng 使用集成的主要动机是在发现新的假设，该假设不一定存在于构成模型的假设空间中。从经验的角度看，当模型具有显著的多样性时，集成方法倾

企鹅号小编

2018-03-02

1.4K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

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