首页
学习
活动
专区
工具
TVP
发布

深度学习自然语言处理

专栏成员
1035
文章
1345151
阅读量
164
订阅数
【论文推荐】《目标检测》必看的8篇论文【附pdf】
目标检测是计算机视觉里面十分重要的任务。 作为计算机视觉中众多基础问题中的一个,目标检测成为了许多其他计算机视觉任务的基础,比如:实例分割,目标跟踪和姿态估计等。 深度学习的飞速发展使得目标检测重获新生,以至于其获得了重大突破,并使其成为了研究的热点。目标检测如今已经广泛的应用于现实生活中的各种应用之中:无人驾驶、机器人视觉、视频监控等。 本文就为大家推荐其中8篇最新的目标检测论文。 [1] 通过语义对齐匹配加速 DETR 收敛 Accelerating DETR Convergence via Se
zenRRan
2022-06-27
1.2K0
强大十倍!可变形DETR缺陷检测模型
在计算机视觉领域,目标检测发展迅速,出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现,越来越多的制造企业正在尝试将机器视觉检测技术引入产品缺陷检测。目前基于机器视觉的缺陷检测技术已经大量应用于纺织品、汽车零部件、半导体、光伏组件等产品的缺陷检测中,大大提升了制造业的质检效率。机器视觉在工业缺陷检测中的前景毋庸置疑,而工业制造领域的多样性、生产环境的复杂性、产品缺陷的非标性等因素,都给机器视觉在缺陷检测的实际应用带来了诸多挑战。 随着制造工艺越来越复杂,对于检测的准确性和稳定性要求越来越高,Fa
zenRRan
2022-05-18
1.3K0
目标检测与分割领域的经典算法解读
计算机视觉是人工智能的关键领域之一,是一门研究如何使机器“看”的科学。图像目标检测又是计算机视觉的关键任务,主要对图像或视频中的物体进行识别和定位,是AI后续应用的基础。 因此,检测性能的好坏直接影响到后续目标 追踪、动作识别的性能。传统图像目标检测的滑窗法虽然简单易于理解,但随目标大小而变化的窗口对图像进行从左 至右、从上至下的全局搜索导致效率低下。 为了在滑动窗口检测器的基础上提高搜索速度,选择性搜索方法(selective search method)孕育而出,基于这一想法采用子区域合并的方式进行
zenRRan
2022-05-13
2580
综述 | 基于深度学习的目标检测算法
计算机视觉是人工智能的关键领域之一,是一门研究如何使机器“看”的科学。图像目标检测又是计算机视觉的关键任务,主要对图像或视频中的物体进行识别和定位,是AI后续应用的基础。 因此,检测性能的好坏直接影响到后续目标 追踪、动作识别的性能。传统图像目标检测的滑窗法虽然简单易于理解,但随目标大小而变化的窗口对图像进行从左 至右、从上至下的全局搜索导致效率低下。 1为了在滑动窗口检测器的基础上提高搜索速度,选择性搜索方法(selective search method)孕育而出,基于这一想法采用子区域合并的方式进
zenRRan
2022-04-22
3950
知乎热议:985计算机视觉研究生找不到工作?
前段时间知乎上“985计算机视觉研究生找不到工作怎么办?”问题,引发了将近80万+人的围观。 到底是什么原因导致找不到工作呢?首先我们来看看他的履历: 他目前是985高校研究生,方向是计算机视觉。成绩中等,无论文,无比赛经历,有项目经历。编程基础还可以,自认为在教研室算好的了,python用得比较熟,C++也会一点,PyTorch, TensorFlow,Keras等框架也用的还可以。 当初选择该方向时,深度学习正处于大热阶段,什么无人驾驶,人脸识别听起来就很高大上。然而,到了找工作的时候,发现就业形式和
zenRRan
2022-03-24
4620
综述 | 最新视觉-语言预训练综述
每天给你送来NLP技术干货! ---- 来自:人工智能前沿讲习 论文标题:VLP: A Survey on Vision-Language Pre-training论文链接:https://arxiv.org/abs/2202.09061 01 摘要在过去几年中,预训练模型的出现将计算机视觉(CV)和自然语言处理(NLP)等单模态领域带入了一个新时代。大量工作表明它们有利于下游单模态任务,并可以避免从头开始训练新模型。那么这样的预训练模型能否应用于多模态任务呢?研究人员已经探索了这个问题并取得了重大进展
zenRRan
2022-03-04
1.3K0
【图像处理】图像去雾的前世今生
其实之前对图像去雾也没有什么深入的理解,只是了解,实现过一些传统的图像去雾方法而已。个人感觉,在CNN模型大流行的今天,已经有很多人忽略了传统算法的发展,以至于你今天去搜索10年前的传统去雾算法或许根本找不到相关资料了,或许这就是网络中的围城吧。今天周六有空来整理一下我所了解到的图像去雾技术的发展,并尝试做一个详细点的综述。
zenRRan
2020-03-23
2.7K0
【DL】一文读懂深度学习中的N种卷积
如果你听说过深度学习中不同种类的卷积(比如 2D / 3D / 1x1 /转置/扩张(Atrous)/空间可分/深度可分/平展/分组/混洗分组卷积),并且搞不清楚它们究竟是什么意思,那么这篇文章就是为你写的,能帮你理解它们实际的工作方式。
zenRRan
2019-12-06
6420
【第六期】拿不到offer全额退款 人工智能工程师(推荐系统/NLP/CV)培养计划招生
学院第四期课程在2019年10月结课,第一至第四期具有求职意向的同学中,目前已经有80%的同学拿到了国内外名企的AI算法岗位offer,或者国外名校的AI 硕士、全奖博士录取 offer。在大家的认可下,我们开始了第六期的课程。在本期课程中,我们对课程的前沿性做了较大增加,更加符合目前行业深度和实践程度,并且对实践项目进行升级,增加了难度和适用场景。
zenRRan
2019-11-21
9340
CNN图像处理常用损失函数对比评测
尽管早在上世纪80年代末,神经网络就在手写数字识别上表现出色。直到近些年来,随着深度学习的兴起,神经网络才在计算机视觉领域呈现指数级的增长。现在,神经网络几乎在所有计算机视觉和图像处理的任务中都有应用。
zenRRan
2019-11-19
3.7K0
【CNN】94页论文综述卷积神经网络:从基础技术到研究前景
过去几年来,计算机视觉研究主要集中在卷积神经网络(常简称为 ConvNet 或 CNN)上。这些工作已经在广泛的分类和回归任务上实现了新的当前最佳表现。相对而言,尽管这些方法的历史可以追溯到多年前,但对这些系统得到出色结果的方式的理论理解还很滞后。事实上,当前计算机视觉领域的很多成果都是将 CNN 当作黑箱使用,这种做法是有效的,但其有效的原因却非常模糊不清,这严重满足不了科学研究的要求。尤其是这两个可以互补的问题:(1)在被学习的方面(比如卷积核),究竟被学习的是什么?(2)在架构设计方面(比如层的数量、核的数量、池化策略、非线性的选择),为什么某些选择优于另一些选择?这些问题的答案不仅有利于提升我们对 CNN 的科学理解,而且还能提升它们的实用性。
zenRRan
2019-11-12
1K0
【干货】神经网络初始化trick:大神何凯明教你如何训练网络!
本文通过不同的方法初始化神经网络中的图层权重。通过各种简短的实验和思想练习,我们将逐步发现为什么在训练深度神经网络时足够的重量初始化非常重要。在此过程中,我们将介绍研究人员多年来提出的各种方法,并最终深入研究最适合您且最有可能使用的当代网络架构的方法。
zenRRan
2019-09-10
2.7K0
他大三就在顶刊发文并被邀成为审稿人:我只是比要求的多做一点
2014年,在清华园南北贯通的主干道——学堂路上,从郁郁葱葱到秋叶飘零,一年四季道路两旁耸立的白杨树下不时更换着各种海报:或“学术新秀”或“特奖学生”或“科技创新”,吴佳俊就是这海报中的普通一员,但他又是网上“传说”的那般非比寻常。
zenRRan
2019-06-19
5260
学界 | Hinton提出的经典防过拟合方法Dropout,只是SDR的特例
作者:Noah Frazier-Logue、Stephen José Hanson
zenRRan
2018-10-09
5800
计算机视觉如何入门
目前,人工智能,机器学习,深度学习,计算机视觉等已经成为新时代的风向标。这篇文章主要介绍了下面几点: 第一点,如果说你要入门计算机视觉,需要了解哪一些基础知识?
zenRRan
2018-07-25
5980
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