首页
学习
活动
专区
工具
TVP
发布

人工智能头条

专栏成员
1089
文章
1111019
阅读量
148
订阅数
如果卷积神经网络存在根本性的缺陷,你会怎么看?
经过一段漫长时期的沉寂之后,人工智能正在进入一个蓬勃发展的新时期,这主要得益于深度学习和人工神经网络近年来取得的长足发展。更准确地说,人们对深度学习产生的新的兴趣在很大程度上要归功于卷积神经网络(CNNs)的成功,卷积神经网络是一种特别擅长处理视觉数据的神经网络结构。
用户1737318
2020-04-26
1.1K0
最新翻译的官方 PyTorch 简易入门教程
https://github.com/fengdu78/machine_learning_beginner/tree/master/PyTorch_beginner
用户1737318
2019-11-19
1.4K0
深入卷积神经网络背后的数学原理
【导读】在计算机神经视觉技术的发展过程中,卷积神经网络成为了其中的重要组成部分,本文对卷积神经网络的数学原理进行了介绍。
用户1737318
2019-05-10
1.1K0
说说图灵奖的深度学习「三教父」惊世贡献
2019年3月27日 ——ACM 宣布,深度学习之父 Yoshua Bengio , Yann LeCun 以及 Geoffrey Hinton 获得了2018年的图灵奖,被称为“计算机领域的诺贝尔奖”。
用户1737318
2019-04-30
6550
火遍日本 IT 圈的深度学习入门书,你读完了吗?
几个月前,小编借着调查 AI 类技术书市场情况的机会,发现了一本比较特殊的技术书,于是向大家推荐了这本《深度学习入门:基于 Python 的理论与实现》。
用户1737318
2019-04-30
1.1K0
深度学习使用 Keras ,仅 20 行代码完成两个模型训练和应用
使用 keras 搭建模型时让人们感受到的简洁性与设计者的用心非常直观的能够在过程中留下深刻的印象,这个模块帮可以让呈现出来的代码极为人性化且一目了然。
用户1737318
2018-12-26
8210
3 个经典的卷积神经网络案例分析
本文将以 Alex-Net、VGG-Nets、Network-In-Network 为例,分析几类经典的卷积神经网络案例。
用户1737318
2018-12-26
1.2K0
卷及网络的弱点,有人想用胶囊网络给解决掉
胶囊网络是 Geoffrey Hinton 提出的一种新型神经网络结构,为了解决卷积神经网络(ConvNets)的一些缺点,提出了胶囊网络。
用户1737318
2018-12-17
9410
10分钟看懂全卷积神经网络( FCN ):语义分割深度模型先驱
今天是10月24日,既是程序员节,也是程序员感恩节。这一天,大家纷纷向那些无私奉献、一心为民的好人们,送出“好人一生平安”的美好祝愿。而“1024”,既是这一句话的数字密码。
用户1737318
2018-11-23
3.6K0
据说以后在探头下面用帽子挡脸没用了:SymmNet遮挡物检测的对称卷积神经网络
从立体图像或视频帧中进行遮挡物的检测,对许多计算机视觉应用而言都是非常重要的。先前的研究重点主要是将其与视差或光流的计算捆绑在一起,这导致了严重的 chicken-and-egg 问题。在本文中,我们利用卷积神经网络来解决传统交错的计算框架中遮挡物检测问题。
用户1737318
2018-08-03
6330
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
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
4450
鸡蛋煎的好不好?Mask R-CNN帮你一键识别
翻译 | 王柯凝 编辑 | Just 出品 | 人工智能头条(公众号ID:AI_Thinker) ▌介绍 关于卷积神经网络从交通灯识别到更实际的应用,我经常听到这样一个问题:“会否出现一种深度学习“魔法”,它仅用图像作为单一输入就能判断出食物质量的好坏?”简而言之,在商业中需要的就是这个: 当企业家面对机器学习时,他们是这样想的:欧姆蛋的“质量(quality)”是好的 这是一个不适定问题的例子:解决方案是否存在,解决方案是否唯一且稳定还没办法确定,因为“完成”的定义非常模糊(更不用说实现了)。虽然
用户1737318
2018-07-20
6460
如何使用TensorFlow实现卷积神经网络
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
6080
计算机视觉需要更多几何洞察
原文:http://alexgkendall.com/computer_vision/have_we_forgotten_about_geometry_in_computer_vision/ 作者: Alex Kendall 编译: KK4SBB 如今,深度学习已颠覆计算机视觉领域,端到端的深度学习模型几乎是任何问题的最佳解决方案。尤其是卷积神经网络,因为它效果拔群而广受欢迎。可是,这些深度学习模型都像是一个个黑盒子,盒子内的奥秘仍然不为人所知。笔者认为,现在的研究人员只是简单地写少量代码来调用深度学习
用户1737318
2018-06-06
4840
李理:递归神经网络RNN扼要
本系列文章面向深度学习研发者,系统讲解了深度学习的基本知识及实践,以Image Caption Generation为切入点,逐步介绍自动梯度求解、卷积神经网络(CNN)、递归神经网络(RNN)等知识点。本文为第14篇,RNN系列第1篇。作者:李理 目前就职于环信,即时通讯云平台和全媒体智能客服平台,在环信从事智能客服和智能机器人相关工作,致力于用深度学习来提高智能机器人的性能。 1. 内容简介 前面我们介绍了CNN,这对于Image Caption来说是基础的特征提取部分,或者说是对图像的“理解
用户1737318
2018-06-06
5460
聚焦和增强卷积神经网络
原文: Attention and Augmented Recurrent Neural Networks 译者: KK4SBB 责编:何永灿,关注人工智能,投稿请联系heyc@csdn.net或
用户1737318
2018-06-06
4780
卷积神经网络模型如何辨识裸体图片
著名人工智能公司Clarifai近日推出了识别成人内容的模型和API NSFW,该模型能够很准确地识别含有裸体和半裸的图片和视频,在Clarifai的这篇博文中,作者用裸体检测问题来展示训练现代版的卷积神经网络模型 (convnets) 与过去的研究有何区别。 上周,我们在Clarifai上正式公布了 Not Safe for Work (NSFW) 成人内容识别模型。本周,我们一位数据科学家将带你探索计算机是如何学会分辨裸体人物的。 警告声明:本文内含有用于科研用途的裸体图片。如果你未满十八周岁或者不宜浏
用户1737318
2018-06-06
1.5K0
卷积神经网络在自然语言处理的应用
当我们听到卷积神经网络(Convolutional Neural Network, CNNs)时,往往会联想到计算机视觉。CNNs在图像分类领域做出了巨大贡献,也是当今绝大多数计算机视觉系统的核心技术,从Facebook的图像自动标签到自动驾驶汽车都在使用。 最近我们开始在自然语言处理(Natural Language Processing)领域应用CNNs,并取得了一些引人注目的成果。我将在本文中归纳什么是CNNs,怎样将它们应用于NLP。CNNs背后的直觉知识在计算机视觉的用例里更容易被理解,因此我就先
用户1737318
2018-06-05
1K0
微软亚洲研究院:计算机看懂视频的步骤及未来努力方向
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
4400
从FPN到Mask R-CNN,一文告诉你Facebook的计算机视觉有多强
翻译 | 人工智能头条(ID:AI_Thinker) 参与 | 林椿眄 本文概述了 Facebook AI Research(FAIR)近期在计算机视觉领域的研究进展,内容主要包括基础结构模块的创新、卷积神经网络、one shot 检测模块等,以及一些在实例分割方面的创新方法,并介绍了弱半监督学习方式下实例分割的研究进展。下面将逐一介绍,文中的一些引用可在文末的参考文献中找到。 ▌Feature Pyramid Networks( 特征金字塔网络) 首先,我们要介绍的是著名的特征金字塔网络[1](这是发表在
用户1737318
2018-06-05
1.3K0
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