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

深度应用

专栏作者

242

文章

471742

阅读量

35

订阅数

『人脸识别系列教程』0·MTCNN讲解

机器学习神经网络深度学习人工智能 .net

背景介绍：人脸检测，解决两个问题：1)识别图片中有没有人脸？2)如果有，人脸在哪？因此，许多人脸应用(人脸识别、面向分析)的基础是人脸检测。大多数人脸检测采用的流程为两阶段： 1) 找出所有可能是人脸的候选区域 2) 从候选区域中选择出最可能是人脸的区域本文的主角MTCNN，大致是这种套路，也集成了其优缺点为：准和慢。 MTCNN人脸检测是2016年的论文提出来的，MTCNN的“MT”是指多任务学习(Multi-Task)，在同一个任务中同时学习”识别人脸“、”边框回归“、”人脸关键点识别“。相比2015年的CVPR(边框调整和识别人脸分开做)的结构，MTCNN是有创新的。从工程实践上，MTCNN是一种检测速度和准确率都还不错的算法，算法的推断流程有一定的启发性，在这里给大家分享。（以下用“MTCNN”代指这个算法）本文以Q&A的方式，与你分享一些经验和思考。先列出本文会回答的问题列表：

2022-03-07

1.5K0

『深度概念』一文读懂Octave Convolution（OctConv）八度卷积

机器学习神经网络深度学习人工智能

论文：Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution

2022-03-07

1.7K0

[深度概念]·Attention机制实践解读

神经网络机器学习深度学习人工智能机器翻译

深度学习里的Attention model其实模拟的是人脑的注意力模型，举个例子来说，当我们观赏一幅画时，虽然我们可以看到整幅画的全貌，但是在我们深入仔细地观察时，其实眼睛聚焦的就只有很小的一块，这个时候人的大脑主要关注在这一小块图案上，也就是说这个时候人脑对整幅图的关注并不是均衡的，是有一定的权重区分的。这就是深度学习里的Attention Model的核心思想。

2022-01-21

5600

『带你学AI』一文带你搞懂OCR识别算法CRNN：解析+源码

机器学习神经网络深度学习人工智能

文字识别是AI的一个重要应用场景，文字识别过程一般由图像输入、预处理、文本检测、文本识别、结果输出等环节组成。

2021-09-10

2.8K0

『OCR_Recognition』CRNN

机器学习神经网络深度学习人工智能

文字识别是AI的一个重要应用场景，文字识别过程一般由图像输入、预处理、文本检测、文本识别、结果输出等环节组成。

2021-09-10

3.7K1

『一起学AI』生成对抗网络(GAN)原理学习及实战开发

深度学习机器学习人工智能神经网络

在某种形式上，我们使用了深度神经网络学习的从数据示例到标签的映射。这种学习称为判别学习，例如，我们希望能够区分照片中的猫和狗中的照片。分类器和回归器都是歧视性学习的例子。通过反向传播训练的神经网络颠覆了我们认为关于大型复杂数据集的判别式学习的所有知识。在短短5至6年间，高分辨率图像的分类精度已从无用提高到了人类水平。我们将为您提供其他所有关于深度神经网络效果惊人的其他判别任务的帮助。

2021-04-16

1K0

『深度概念』原理图解代码FPN Feature Pyramid Networks

机器学习神经网络深度学习人工智能存储

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

2019-12-02

2.2K0

『深度应用』NLP命名实体识别(NER)开源实战教程

神经网络机器学习人工智能深度学习

近几年来，基于神经网络的深度学习方法在计算机视觉、语音识别等领域取得了巨大成功，另外在自然语言处理领域也取得了不少进展。在NLP的关键性基础任务—命名实体识别（Named Entity Recognition，NER）的研究中，深度学习也获得了不错的效果。

2019-08-26

1.4K0

『深度应用』一小时教你上手训练MaskRCNN·Keras开源实战（Windows&Linux）

神经网络机器学习深度学习人工智能 https

MaskRCNN是何凯明基于以往的faster rcnn架构提出的新的卷积网络，一举完成了object instance segmentation. 该方法在有效地目标的同时完成了高质量的语义分割。文章的主要思路就是把原有的Faster-RCNN进行扩展，添加一个分支使用现有的检测对目标进行并行预测。

2019-08-26

1.8K0

『深度应用』NLP机器翻译深度学习实战课程·壹（RNN base）

机器学习神经网络深度学习人工智能 http

在上个文章中，我们已经简单介绍了NLP机器翻译，这次我们将用实战的方式讲解基于RNN的翻译模型。

2019-08-26

1K0

[深度应用]·Kaggle人类蛋白质图谱图像分类第一名解决方案

https 网络安全机器学习神经网络深度学习

祝贺所有获奖者，并感谢主持人和kaggle举办了这样一场有趣的比赛。我很抱歉迟到，我最近几天努力准备它，试图验证我的解决方案，并确保它的可重复性，稳定性，高效性和解释性。

2019-06-27

1K0

[深度应用]·使用一维卷积神经网络处理时间序列数据

机器学习深度学习人工智能神经网络卷积神经网络

许多技术文章都关注于二维卷积神经网络（2D CNN）的使用，特别是在图像识别中的应用。而一维卷积神经网络（1D CNNs）只在一定程度上有所涉及，比如在自然语言处理（NLP）中的应用。目前很少有文章能够提供关于如何构造一维卷积神经网络来解决你可能正面临的一些机器学习问题。本文试图补上这样一个短板。

2019-06-27

14.1K2

[深度学习概念]·图神经网络综述：模型与应用

卷积神经网络数据结构神经网络深度学习机器学习

近年来，图神经网络的研究成为深度学习领域的热点。近日，清华大学孙茂松组在 arXiv 上发布预印版综述文章 Graph Neural Networks: A Review of Methods and Applications。

2019-06-27

8340

[深度概念]·深度学习术语表（一）

编程算法深度学习神经网络卷积神经网络机器学习

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。

2019-06-27

6270

[深度应用]·DC竞赛轴承故障检测开源Baseline（基于Keras1D卷积 val_acc:0.99780）

github git 开源机器学习神经网络

轴承是在机械设备中具有广泛应用的关键部件之一。由于过载，疲劳，磨损，腐蚀等原因，轴承在机器操作过程中容易损坏。事实上，超过50％的旋转机器故障与轴承故障有关。实际上，滚动轴承故障可能导致设备剧烈摇晃，设备停机，停止生产，甚至造成人员伤亡。一般来说，早期的轴承弱故障是复杂的，难以检测。因此，轴承状态的监测和分析非常重要，它可以发现轴承的早期弱故障，防止故障造成损失。最近，轴承的故障检测和诊断一直备受关注。在所有类型的轴承故障诊断方法中，振动信号分析是最主要和有用的工具之一。在这次比赛中，我们提供一个真实的轴承振动信号数据集，选手需要使用机器学习技术判断轴承的工作状态。

2019-06-27

1.9K0

[深度学习工具]·FoolNLTK 中文处理工具包使用教程

中文分词机器学习神经网络深度学习人工智能

GitHub 用户开源了一个使用双向 LSTM 构建的中文处理工具包，该工具不仅可以实现分词、词性标注和命名实体识别，同时还能使用用户自定义字典加强分词的效果。

2019-06-27

1.7K0

[深度学习概念]·CNN卷积神经网络原理分析

编程算法机器学习深度学习人工智能卷积神经网络

本章将介绍卷积神经网络。它是近年来深度学习能在计算机视觉领域取得突破性成果的基石。它也逐渐在被其他诸如自然语言处理、推荐系统和语音识别等领域广泛使用。我们将先描述卷积神经网络中卷积层和池化层的工作原理，并解释填充、步幅、输入通道和输出通道的含义。在掌握了这些基础知识以后，我们将探究数个具有代表性的深度卷积神经网络的设计思路。这些模型包括最早提出的AlexNet，以及后来的使用重复元素的网络（VGG）、网络中的网络（NiN）、含并行连结的网络（GoogLeNet）、残差网络（ResNet）和稠密连接网络（DenseNet）。它们中有不少在过去几年的ImageNet比赛（一个著名的计算机视觉竞赛）中大放异彩。虽然深度模型看上去只是具有很多层的神经网络，然而获得有效的深度模型并不容易。有幸的是，本章阐述的批量归一化和残差网络为训练和设计深度模型提供了两类重要思路。

2019-06-27

6750

[TensorFlow深度学习入门]实战六·用CNN做Kaggle比赛手写数字识别准确率99%+

tensorflow 机器学习神经网络深度学习人工智能

参考博客地址本博客采用Lenet5实现，也包含TensorFlow模型参数保存与加载参考我的博文，实用性比较好。在训练集准确率99.85%，测试训练集准确率99%+。

2019-06-27

8900

[TensorFlow深度学习入门]实战九·用CNN做科赛网TibetanMNIST藏文手写数字数据集准确率98%+

机器学习神经网络深度学习人工智能

我们在博文，使用CNN做Kaggle比赛手写数字识别准确率99%+，在此基础之上，我们进行对科赛网TibetanMNIST藏文手写数字数据集训练，来验证网络的正确性。

2019-06-27

5740

[TensorFlow深度学习深入]实战三·分别使用DNN,CNN与RNN(LSTM)做文本情感分析(机器如何读懂人心)

深度学习机器学习人工智能神经网络

不太清楚的可以回顾我们之前的博文。使用了全连接,卷积神经网络与循环神经网络分别实现了. 代码部分： 1.全连接实现

2019-06-27

5730

点击加载更多

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