腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
人工智能头条
专栏成员
举报
1089
文章
1112079
阅读量
148
订阅数
订阅专栏
申请加入专栏
全部文章(999+)
其他(317)
人工智能(314)
机器学习(239)
深度学习(217)
编程算法(182)
神经网络(128)
python(63)
大数据(60)
NLP 服务(49)
开源(41)
https(38)
机器人(34)
网络安全(31)
卷积神经网络(30)
推荐系统(27)
tensorflow(22)
github(21)
自动驾驶(20)
无人驾驶(20)
人脸识别(19)
分布式(19)
git(18)
游戏(18)
强化学习(18)
自动化(17)
图像识别(17)
数据库(16)
存储(16)
数据挖掘(15)
安全(14)
java(12)
数据分析(12)
api(11)
sql(10)
tcp/ip(9)
图像处理(8)
监督学习(8)
决策树(8)
keras(8)
物联网(8)
ide(7)
linux(7)
spark(7)
nat(7)
语音识别(6)
区块链(6)
html(6)
网站(6)
numpy(6)
线性回归(6)
pytorch(6)
windows(6)
ios(5)
apache(5)
spring(5)
腾讯云测试服务(5)
http(5)
黑客(5)
模式识别(5)
无监督学习(5)
微信(5)
数据处理(5)
汽车(5)
php(4)
javascript(4)
go(4)
云数据库 Redis(4)
搜索引擎(4)
爬虫(4)
scikit-learn(4)
数据可视化(4)
系统架构(4)
比特币(3)
mac os(3)
c++(3)
matlab(3)
机器翻译(3)
知识图谱(3)
企业(3)
容器(3)
dubbo(3)
架构设计(3)
程序员(3)
node.js(2)
android(2)
arm(2)
嵌入式(2)
硬件开发(2)
unix(2)
ubuntu(2)
nginx(2)
容器镜像服务(2)
文件存储(2)
医疗(2)
缓存(2)
hadoop(2)
正则表达式(2)
kernel(2)
数据结构(2)
mqtt(2)
kafka(2)
sdn(2)
Elasticsearch Service(2)
论文(2)
负载均衡(1)
iphone(1)
swift(1)
lua(1)
.net(1)
r 语言(1)
xml(1)
css(1)
ajax(1)
单片机(1)
sqlite(1)
oracle(1)
django(1)
打包(1)
vba(1)
windows server(1)
delphi(1)
容器服务(1)
NAT 网关(1)
消息队列 CMQ 版(1)
数据加密服务(1)
物联网通信(1)
mongodb(1)
营销风控(1)
政务云专区(1)
渲染(1)
智能硬件(1)
数据安全(1)
yarn(1)
kubernetes(1)
devops(1)
运维(1)
html5(1)
ssh(1)
gui(1)
面向对象编程(1)
spring boot(1)
opencv(1)
unity(1)
seo(1)
二叉树(1)
敏捷开发(1)
socket编程(1)
lamp(1)
迁移学习(1)
微服务(1)
腾讯云开发者社区(1)
processing(1)
云计算(1)
5g(1)
ascii(1)
程序人生(1)
学习方法(1)
教育(1)
apple(1)
delay(1)
facebook(1)
ip(1)
it(1)
mac(1)
next(1)
tcpdump(1)
time(1)
twitter(1)
公众号(1)
模型(1)
苹果(1)
软件工程(1)
项目经理(1)
搜索文章
搜索
搜索
关闭
CornerNet为什么有别于其他目标检测领域的主流算法?
编程算法
嵌入式
存储
图像识别
神经网络
这篇文章为大家解读由密歇根大学 Hei Law 团队在 ECCV 2018发布的论文,一种新的目标检测算法。
用户1737318
2019-11-19
874
0
AI 迟早灭了程序员
大数据
编程算法
NLP 服务
自动化
图像识别
就目前的 AI 来看,判断某项工作是不是会被机器替代,有俩前提,大前提:可以获得足够的有效数据(能自动生成数据则无敌),也就是说机器有快速进化的基础;小前提:人本身的进化过程没有见过大量的数据,也就是说人的起点并不高。考虑到“自动生成数据”这个关键,我冥思苦想以后发现,还真没准是编程。
用户1737318
2018-11-07
358
0
微软资深研究员详解基于交错组卷积的高效DNN | 公开课笔记
人工智能
卷积神经网络
图像识别
存储
作者 | 王井东 整理 | 阿司匹林 出品 | 人工智能头条(公众号ID:AI_Thinker) 卷积神经网络在近几年获得了跨越式的发展,虽然它们在诸如图像识别任务上的效果越来越好,但是随之而来的则是模型复杂度的不断提升。越来越深、越来越复杂的卷积神经网络需要大量存储与计算资源,因此设计高效的卷积神经网络是非常重要和基础的问题,而消除卷积的冗余性是该问题主要的解决方案之一。 如何消除消除卷积的冗余性?我们邀请到了微软亚洲研究院视觉计算组资深研究员王井东博士,为大家讲解发表在 ICCV 2017 和 CVP
用户1737318
2018-07-20
445
0
10行代码实现目标检测,请收下这份教程
人工智能
图像识别
作者 | Moses Olafenwa 翻译 | 林椿眄 出品 | 人工智能头条(公众号ID:AI_Thinker) 作为人工智能的一个重要领域,计算机视觉是一门可以识别并理解图像和场景的计算机及软件系统科学。该领域主要包括图像识别,目标检测,图像生成,图像超分辨率等多个方向。由于现实中存在众多的实际案例,目标检测应该是计算机视觉中最令人深刻的一个方向。在本教程中,我们将简要介绍包括当前目标检测的概念,软件开发人员所面临的挑战,相应的解决方案以及执行高性能目标检测的编码教程等内容。 目标检测是指计算机和软件
用户1737318
2018-07-20
704
0
小数据学习对 AI 究竟有着怎样的影响? | CCAI 2017
人工智能
大数据
深度学习
图像识别
近几年来,得益于大数据的积累、计算能力的提升,深度学习从学术到工程领域均取得了非常显著的发展与突破,尤其是诸如图像识别、语音识别等实际场景应用。但是,依赖于海量的训练数据、灵活的模型、足够的运算能力以及足以对抗维度灾难的先验经验,从很大程度上来讲妨碍了深度学习技术更为广泛的运用。为此,在全球范围内,众多人工智能领域的学术大师及业界专家上下求索,也由此催生了小数据学习(Learning from limited information),通过更少的数据以及更确定的方法让 AI 学习更加高效。 然而什么是小数据
用户1737318
2018-07-20
670
0
如何使用TensorFlow实现卷积神经网络
tensorflow
卷积神经网络
神经网络
深度学习
图像识别
编者按:本文节选自图书《TensorFlow实战》第五章,本书将重点从实用的层面,为读者讲解如何使用TensorFlow实现全连接神经网络、卷积神经网络、循环神经网络,乃至Deep Q-Network。同时结合TensorFlow原理,以及深度学习的部分知识,尽可能让读者通过学习本书做出实际项目和成果。 卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)最初是为解决图像识别等问题设计的,当然其现在的应用不仅限于图像和视频,也可用于时间序列信号,比如音频信号
用户1737318
2018-07-20
608
0
《最强大脑》第三场《核桃计划》比赛难点及技术解析
图像识别
机器人
人工智能
人脸识别
近日,江苏卫视《最强大脑》第四季人机大战第三场已经结束。从未失算的“水哥”王昱珩,在图像识别方面与搭载百度大脑的小度机器人进行实力交锋。最终,“小度”以2:0的战绩战胜对手,并以3:1的总战绩,斩获2017年度脑王巅峰对决的晋级资格。 本场竞赛题目为 “核桃计划”:通过三段在夜幕下分别从行车记录仪、高位摄像头和女生手机中拍到的模糊动态影像中,让“小度“和水哥识别三位“嫌疑人”的特征后,从30位性别相同、身高体重年龄均相似的候选人现场拍照中,准确找出三位“嫌疑人”。 比赛虽已结束,但对于相关人工智能识别技术的
用户1737318
2018-06-06
727
0
专访Twitter施闻哲:图像质量的评判标准是超分辨率的下一个关键
图像识别
深度学习
施闻哲,目前定居于英国,是Magic Pony at Twitter计算机视觉方向的研究负责人。 施闻哲于2012年取得英国帝国理工大学博士学位,师从Daniel Rueckert 教授,从事医学超分
用户1737318
2018-06-06
1.1K
0
深度学习新方向:Multimodal CNN实现图像文本匹配
深度学习
人工智能
图像识别
在近日的国际计算机视觉大会(ICCV 2015)上,华为诺亚方舟实验室报告的基于深度学习的多模态匹配模型在图像与自然语句的双向检索的任务上,提出了深度学习研究及应用的一个新方向。 图像与文本的理解一直是人工智能中最为重要的研究方向之一。近年来,随着深度学习的广泛应用,图像与文本理解,譬如图像识别,文本分类等,已经取得了长足的进步。随着互联网的发达,愈来愈多的图像与文本等多模态的信息伴随彼此而共同出现。比如,新闻报道里的图片与标题,微博上的信息与照片,微信朋友圈的标题与照片等。如何从这共生的图像与文本的信息
用户1737318
2018-06-06
1.2K
0
谷歌Principal Scientist谈AI:知识表示为何重要
人工智能
机器学习
编程算法
图像识别
如今人工智能(AI)的焦点与90年代时期时有很大的区别。20年前,人工智能关注的重点在于基于逻辑的AI,通常属于知识表示,即KR(Knowledge Representation),而今天的关注重点在于机器学习和统计算法。这种转变对AI很有帮助,因为机器学习和统计为解决特定问题(比如图像识别)提供了有效的算法,而KR从来没有达到这种效果。但我认为钟摆转过头了,丢失了一些有价值的东西。 知识表示并不是一个单一的内容。如果要完全概述知识表示,我会集中在它“应用哲学”方面——常识性概念的逻辑表示,将重点放在明确的
用户1737318
2018-06-06
572
0
为什么深度学习不能取代传统的计算机视觉技术?
深度学习
人工智能
图像识别
大数据
译者 | 王柯凝 编辑 | 周翔 当你辗转于各种论坛时,相信会经常看到这样的问题:深度学习是否会取代传统的计算机视觉?或者说,当深度学习看起来如此有效时,是否还有必要研究传统的计算机视觉技术? 这是一个非常好的问题。 深度学习已经彻底改变了计算机视觉和人工智能这一领域,许多曾经看起来不可能解决的问题,深度学习都能够解决——尤其是在图像识别和分类问题上,机器已经超越人类(短链:http://t.cn/Rnzv2JX)。事实上,深度学习也强化了计算机视觉在行业中的重要地位。 但是,深度学习对计算机视觉来说仅仅是
用户1737318
2018-06-05
577
0
微软亚洲研究院:计算机看懂视频的步骤及未来努力方向
图像识别
卷积神经网络
对于人类来说,看懂视频似乎是再简单不过的事情了。从出生就开始拥有视觉,人眼所看到的世界就是连贯动态的影像。视野中每一个动态的形象都被我们轻易的识别和捕捉。但这对于计算机来说就没那么容易了。对于计算机来说,画面内容的识别,动作的捕捉,都要经过复杂的计算才能得出。当计算机从视频中识别出一些关键词后,由于语义和句子结构的复杂性,还要涉及词汇的词性、时态、单复数等表达,要让计算机将单个的词汇组成通顺准确的句子也是难上加难。 那么让计算机看懂视频都要经过哪几步呢? 首先,识别视频里的内容。目前的图像识别研究大多基于C
用户1737318
2018-06-05
440
0
深度学习中的注意力机制
深度学习
NLP 服务
图像识别
作者 | 张俊林 责编 | 何永灿 最近两年,注意力模型(Attention Model)被广泛使用在自然语言处理、图像识别及语音识别等各种不同类型的深度学习任务中,是深度学习技术中最值得关注与深入了解的核心技术之一。 本文以机器翻译为例,深入浅出地介绍了深度学习中注意力机制的原理及关键计算机制,同时也抽象出其本质思想,并介绍了注意力模型在图像及语音等领域的典型应用场景。 注意力模型最近几年在深度学习各个领域被广泛使用,无论是图像处理、语音识别还是自然语言处理的各种不同类型的任务中,都很容易遇到注意力模型
用户1737318
2018-06-05
7.1K
0
手把手教你实战汉字书法识别
图像识别
由TinyMind发起的 #第一届汉字书法识别挑战赛# 正在火热进行中,比赛才开始2周,便有数只黑马冲进榜单。目前TOP16全部为90分以上,可谓竞争激烈,高手如林。No.1微胖君(microfat_htu)目前以99.01高分领衔榜首,还未报名的同学欢迎点击"原文链接"参赛,向这些同学发起挑战~~ 4.20榜单 本次比赛主要是以学习交流为目的,吸引了不少萌新们报名参赛~虽是入门级别的赛题,对于没动手实战过的同学,还是有些不知所措。为此TinyMind特邀战场中奋勇拼搏的两名前锋,为大家整理了一些经验心得,
用户1737318
2018-06-05
5.4K
0
【王晓刚】深度学习在图像识别中的研究进展与展望
深度学习
图像识别
人工智能
NLP 服务
深度学习是近十年来人工智能领域取得的最重要的突破之一。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。本文将重点介绍深度学习在物体识别、物体检测、视频分析的最新研究进展,并探讨其发展趋势。 1. 深度学习发展历史的回顾 现有的深度学习模型属于神经网络。神经网络的历史可追述到上世纪四十年代,曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理,解决各种机器学习的问题。1986 年Rumelhart,Hinton 和Williams 在《自然》发表了著名的
用户1737318
2018-06-05
1.5K
0
何恺明等在图像识别任务上取得重大进展,这次用的是弱监督学习
图像识别
监督学习
人工智能
翻译 | Serene 编辑 | 阿司匹林 出品 | 人工智能头条(公众号ID:AI_Thinker) 2017 年 7 月,最后一届 ImageNet 挑战赛落幕。 为何对计算机视觉领域有着重要贡献的 ImageNet 挑战赛,会在 8 年后宣告终结? 毕竟计算机系统在图像识别等任务上的准确率已经超过人类水平,每年一次突破性进展的时代也已经过去。 近日,FAIR(Facebook AI Research) 的 Ross Girshick 、何恺明等大神联手,在 ImageNet-1k 图像分类数据集上取得
用户1737318
2018-06-05
666
0
50种机器学习和预测应用的API,你想要的全都有
机器学习
api
人脸识别
图像识别
翻译 | Drei 编辑 | Just 出品 | 人工智能头条(公众号ID:AI_Thinker) API 是一套用于构建软件程序的协议和工具。对于应用开发者而言,有了开放的 API,就可以直接调用其他公司做好的功能为我所用,这在很大程度上提升了工作效率。 本文整理了以下四大类共 50 种 API,为你节省了寻找资源的时间。总之,你所需要的可能基本都在下面了: 人脸和图像识别(Face Image Recognition) 文本分析,自然语言处理,情感分析(Text Analysis, NLP, Senti
用户1737318
2018-06-05
1.5K
0
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
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
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