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

469915

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

『开发技术』LabelImg安装及使用介绍

qt 神经网络深度学习人工智能图像识别

注释以PASCAL VOC格式保存为XML文件，这是ImageNet使用的格式。此外，它还支持YOLO格式

2022-03-07

1.9K0

『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

『深度应用』对CenterNet的一些思考与质疑·对比与U版YoloV3速度与精度

.net 神经网络深度学习人工智能图像识别

笔者很喜欢CenterNet极简的网络结构，CenterNet只通过FCN（全卷积）的方法实现了对于目标的检测与分类，无需anchor与nms等复杂的操作高效的同时精度也不差。同时也可以很将此结构简单的修改就可以应用到人体姿态估计与三维目标检测之中。

2022-01-21

1.1K0

[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

5500

『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

『带你学AI』测试深度学习框架GPU版本是否正确安装方法:TensorFlow，PyTorch，MXNet，PaddlePaddle

tensorflow pytorch 神经网络深度学习人工智能

在深度学习框架GPU版本安装成功后，需要测试一下是否成功安装。GPU版本不像CPU版本的简单，CPU版本测试一般只需import一下测试是否能正确导入即可。GPU版本还需要测试CUDA或者GPU模块是否能正确调用起来。

2021-01-04

5110

『AI实践学』测试深度学习框架GPU版本是否正确安装方法:TensorFlow，PyTorch，MXNet，PaddlePaddle

tensorflow pytorch 神经网络深度学习人工智能

在深度学习框架GPU版本安装成功后，需要测试一下是否成功安装。GPU版本不像CPU版本的简单，CPU版本测试一般只需import一下测试是否能正确导入即可。GPU版本还需要测试CUDA或者GPU模块是否能正确调用起来。

2020-10-10

1.1K0

『深度思考』对CenterNet的一些思考与质疑·测试对比CenterNet与U版YoloV3速度与精度

.net 神经网络深度学习人工智能图像识别

笔者很喜欢CenterNet极简的网络结构，CenterNet只通过FCN（全卷积）的方法实现了对于目标的检测与分类，无需anchor与nms等复杂的操作高效的同时精度也不差。同时也可以很将此结构简单的修改就可以应用到人体姿态估计与三维目标检测之中。

2020-07-24

1.8K0

『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]·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

6720

[深度学习工具]·百度PaddlePaddle深度强化学习框架PARL

深度学习神经网络人工智能强化学习

PaddlePaddle PARL 的名字来源于 PAddlepaddle Reinfocement Learning，是一款基于百度 PaddlePaddle 打造的深度强化学习框架。PaddlePaddle PARL 凝聚了百度多年来在强化学习领域的技术深耕和产品应用经验。与现有强化学习工具和平台相比，PaddlePaddle PARL 具有更高的可扩展性、可复现性和可复用性，强大的大规模并行化和稀疏特征的支持能力，以及工业级应用案例的验证

2019-06-27

9400

[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

8890

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