首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

获奖无数的深度残差学习,清华学霸的又一次No.1 | CVPR2016 最佳论文

图像识别的深度残差学习————联合编译:李尊,陈圳、章敏 摘要 在现有基础下,想要进一步训练更深层次的神经网络是非常困难的。我们提出了一种减轻网络训练负担的残差学习框架,这种网络比以前使用过的网络本质上层次更深。我们明确地将这层作为输入层相关的学习残差函数,而不是学习未知的函数。同时,我们提供了全面实验数据,这些数据证明残差网络更容易优化,并且可以从深度增加中大大提高精度。我们在ImageNet数据集用152 层--比VGG网络深8倍的深度来评估残差网络,但它仍具有较低的复杂度。在ImageNet测试集中,

012

坐拥100亿市场,却一直被吐槽,服务机器人何时才能从“智障玩伴”转变为“智能助手”? | 深度

服务机器人厂商正在从简单用技术堆积产品,努力转向为从用户需求、使用体验等多个角度出发来打造出能给用户创造价值的机器人。 去年,服务机器人大多还只是展会上的一个产品,仅有少许走进了人们的家庭生活。那时,人们见到它们的第一眼,多是以一声惊奇的“哇”来开场。 今年,除了家庭,酒店、机场等多种场景中也出现了服务机器人的身影。此时,人们多只是习以为常的进行咨询等相关操作,间或偶尔评判一句“人工智障”。 将近一年的时间内,从新鲜到习以为常,从惊奇到偶尔的吐槽,在较为浅一些的层面上,服务机器人产业的变化是显而易见的。而在

00
领券