首页
学习
活动
专区
工具
TVP
发布

ATYUN订阅号

专栏成员
2069
文章
2123605
阅读量
114
订阅数
Pixelmator Pro的最新技术:图片放大三倍而不失真
现实中我们总会遇到这样的困境,有些图片很精美但分辨率很小,放大之后又变得很模糊。现在,有了Pixelmator Pro的最新技术,将图像放大到原始分辨率的三倍还保持清晰完全没有问题。
AiTechYun
2019-12-22
1.3K0
用Google Sheets搭建深度网络
我想告诉你们,卷积神经网络并不像听起来那么可怕。我将通过展示我在google sheets中制作的一个实现来证明它。这里有一些可用的内容。复制它(使用左上角的file→make a copy选项),然后你可以尝试一下,看看不同的控制杆是如何影响模型的预测的。
AiTechYun
2019-11-18
1.5K0
图解十大CNN架构(上)
发布 | ATYUN订阅号 您是如何跟上不同的卷积神经网络(CNNs)的?近年来,我们见证了无数CNNs的诞生。这些网络已经变得如此之深奥,以至于很难将整个模型可视化。我们不再跟踪它们,而是把它们当
AiTechYun
2019-10-10
5550
机器学习为CAD插上一双翅膀(上)
基于机器学习在无数行业中得到了充分利用,从网络上的提示性搜索到照片库存图像推荐。其核心是,推荐引擎可以在大量数据库中查询相关信息(文本、图像等),并在用户与给定界面交互时将其显示给用户。随着大型3D数据仓库的聚合,架构和设计可以从类似的实践中受益。
AiTechYun
2019-07-24
1.7K0
用StyleGAN生成“权力的游戏”人物(上)
编译 | sunlei 发布 | ATYUN订阅号 本文目录 介绍 生成式对抗网络 生成器 鉴别器 本文小结 介绍 《权利的游戏》迎来了大结局,我斗胆在此问一下各位权游迷,你有没有想过如果你最喜欢的
AiTechYun
2019-05-22
1.4K0
深度学习词汇表(一)
对于刚开始学习深度学习的新人来说,深度学习术语掌握起来会非常困难。这篇深度学习词汇表包含了一些深度学习的常用术语,以帮助读者深入了解特定主题。
AiTechYun
2019-05-13
8680
揭秘图像识别,告诉你机器如何“看见”这个世界
看懂一个东西对人类来说很容易,但是对机器来说却是很难的,这个时候图像识别技术就应运而生。今天我们就为大家揭秘图像识别技术原理,告诉你机器如何利用卷积神经网络进行图像识别,从而“看见”这个世界。
AiTechYun
2018-12-29
9850
AI有助于揭示人们如何处理抽象思维
随着AI变得越来越复杂,公众越来越关注这些技术在国际象棋和其他战略游戏中如何成功地与人类竞争。来自休斯顿大学的一位哲学家采取了不同的方法,解构机器学习中使用的复杂神经网络,以阐明人类如何处理抽象学习。
AiTechYun
2018-10-25
5000
NVIDIA开发新的基于深度学习的算法,实时为黑白视频上色
手动着色黑白视频是需要大量劳动力且繁琐的过程。 但是现在,由NVIDIA研究人员开发的一种新的基于深度学习的算法有望使这个过程变得更加容易,新的框架允许视觉艺术家简单地着色场景中的一个帧,并且AI可以实时地将场景的其他部分着色。
AiTechYun
2018-09-26
9760
20世纪福克斯开发AI模型,通过电影预告片预测观众偏好
为了帮助确定展示出电影的最佳预告片,20世纪福克斯电影制片厂的研究人员开发了一种深度学习模型,可以根据电影的电影预告片预测观众偏好。
AiTechYun
2018-08-06
4610
谷歌大脑研究:AI识别蛋白质结晶,准确率高达94%
谷歌大脑团队的成员今天宣布开发了用于识别蛋白质结晶的深层卷积神经网络,准确率约为94%。蛋白质结晶决定了细胞的形状,可以在发现治疗各种疾病的药物中发挥作用。它们十分罕见,一旦你错过了,就有可能会失去发现重要医学新成果的机会。
AiTechYun
2018-07-27
4230
深度学习图像识别项目(下):如何将训练好的Kreas模型布置到手机中
今天,我们将这种经过训练的Keras模型部署到iPhone手机或者说iOS的APP中,在这里我们使用CoreML,这 是一种易于使用的Apple应用程序机器的学习框架。
AiTechYun
2018-07-27
5.3K0
赫尔辛基大学AI基础教程:先进的神经网络技术(5.3节)
在赫尔辛基大学AI基础教程前一节中,我们讨论了大多数神经网络方法的基本思想:多层神经网络,非线性激活函数并学习了反向传播算法。
AiTechYun
2018-07-27
4000
【业界】是什么推动了深度学习的“寒武纪大爆炸”?
准确地说,多伦多大学计算机科学家Alex Krizhevsky、Geoffrey Hinton和Ilya Sutskever都不知道他们要发布的是什么。那是2012年,他们刚刚向运行ImageNet竞赛的人们提交了关于他们的新机器学习模型的细节,其称为卷积神经网络(CNN)。
AiTechYun
2018-07-27
5520
深度学习图像识别项目(中):Keras和卷积神经网络(CNN)
在下篇文章中,我还会演示如何将训练好的Keras模型,通过几行代码将其部署到智能手机上。
AiTechYun
2018-07-27
9.2K4
卷积神经网络检测皮肤癌已超越皮肤科专家
研究人员首次发现深度学习卷积神经网络(CNN)比经验丰富的皮肤科医生在检测皮肤癌方面表现更好。
AiTechYun
2018-07-27
7860
深度学习要点:可视化卷积神经网络
AiTechYun 编辑:yuxiangyu 深度学习中最深入讨论的话题之一是如何解释和理解一个训练完成的模型,尤其是在医疗保健等高风险行业的背景下。“黑盒”这个词经常与深度学习算法联系在一起。如果我们不能解释它是如何工作的,我们如何相信模型的结果呢? 以一个为了检测癌症肿瘤而训练的深度学习模型为例。该模型告诉你它99%确定它检测到了癌症,但它并没有告诉你为什么或怎么确定的。 它是在MRI扫描(磁共振)中找到了一条重要线索,还是仅仅是扫描中的一个污点被错误地检测为肿瘤?这对患者来说是生死攸关的问题,医生经不
AiTechYun
2018-04-19
2.3K0
只使用Numpy手动实现多层卷积神经网络(详解)
AiTechYun 编辑:yuxiangyu 在过去,我曾写过一篇关于“理解在最大池化层和转置卷积的反向传播”的文章。现在我想要使用这些知识做一个多层(或者说多通道)的卷积神经网络。 在阅读本文之前我建议你可以看一下下面两个链接的内容(都是探讨舍弃反向传播给人工智能找到新方向的): 链接1:https://www.quora.com/Why-is-Geoffrey-Hinton-suspicious-of-backpropagation-and-wants-AI-to-start-over 链接2:ht
AiTechYun
2018-03-27
9930
【学术】卷积神经网络教你如何还原被马赛克的文本图像
对人类来说,将带有文字的图像锐化是很容易的。以图1为例。 图1:被锐化的图像 把图1恢复为图2也不是件很困难的事。 图2:原图 然而,我们太懒了的,并且不想这样做,所以我们尝试用神经网络来自动实现图
AiTechYun
2018-03-06
1.7K0
使用Keras集成卷积神经网络的入门级教程
在统计学和机器学习中,组合使用多种学习算法往往比单独的任何的学习算法更能获得好的预测性能。与统计力学中的统计集成不同(通常是无穷大),机器学习的集成由具体的有限的替代模型集合构成,但通常在这些备选方案中存在更灵活的结构。 使用集成主要是为了找到一个不一定包含在它所建立的模型的假设空间内的假设。从经验来看,当模型之间存在差异显著时,集成通常会产生更好的结果。 动机 如果你看过一些大型机器学习竞赛的结果,你很可能会发现,最好的结果是往往是由集成模型取得而不是由单一模型来实现。例如,ILSVRC2015(201
AiTechYun
2018-03-06
1K0
点击加载更多
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