深度學(xué)習(xí)數(shù)據(jù)集,哪里可以獲得這些數(shù)據(jù)？

這是用于開發(fā)物體檢測算法的真實世界圖像數(shù)據(jù)集。這些只需要最少的數(shù)據(jù)預(yù)處理。它與本列表中提到的MNIST數(shù)據(jù)集類似，但擁有更多標(biāo)簽數(shù)據(jù)（超過600,000...

2018-04-27 標(biāo)簽：圖像處理深度學(xué)習(xí)自然語言 1.3萬 0

為什么要用無監(jiān)督學(xué)習(xí)？無監(jiān)督深度學(xué)習(xí)范例研究

讓我們用一個例子來更好地理解這個概念。比如說，銀行想要對客戶進行分組，以便他們能向客戶推薦合適的產(chǎn)品。他們可以通過數(shù)據(jù)驅(qū)動的方式來完成這件事——首先通過...

2018-09-27 標(biāo)簽：機器學(xué)習(xí)深度學(xué)習(xí) 1.3萬 0

什么是智能內(nèi)容生成？萬字講述智能內(nèi)容生成實踐

事實上，Data2Seq領(lǐng)域在工業(yè)界有著非常大的應(yīng)用價值，應(yīng)用領(lǐng)域如天氣預(yù)報、體育報道、財經(jīng)新聞和醫(yī)療報告等。一些典型的公司如Automated Ins...

2019-04-22 標(biāo)簽：深度學(xué)習(xí)自然語言知識圖譜 1.3萬 0

如何用Python識別停車位？

解決一個復(fù)雜的問題，首先第一步是要把問題分解成幾個簡單子任務(wù)。然后，針對每個子任務(wù)，運用機器學(xué)習(xí)中不同的方法來分別解決每個問題。最后把這些子任務(wù)貫穿起來...

2019-01-29 標(biāo)簽：機器學(xué)習(xí)python深度學(xué)習(xí) 1.3萬 0

人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)有什么關(guān)系？

有三個詞，這兩年出現(xiàn)的頻率越來越高：人工智能（AI），機器學(xué)習(xí)（ML），深度學(xué)習(xí)（DL），到底他們哥仨是什么關(guān)系？

2018-06-08 標(biāo)簽：人工智能機器學(xué)習(xí)深度學(xué)習(xí) 1.3萬 0

什么是遷移學(xué)習(xí)？遷移學(xué)習(xí)的實現(xiàn)方法與工具分析

人工智能競爭，從算法模型的研發(fā)競爭，轉(zhuǎn)向數(shù)據(jù)和數(shù)據(jù)質(zhì)量的競爭，這些成功的模型和算法主要是由監(jiān)督學(xué)習(xí)推動的，而監(jiān)督學(xué)習(xí)對數(shù)據(jù)極度饑渴，需要海量數(shù)據(jù)（大數(shù)據(jù)...

2018-05-11 標(biāo)簽：人工智能機器學(xué)習(xí)深度學(xué)習(xí) 1.3萬 0

淺論學(xué)習(xí)深度學(xué)習(xí)的四個步驟

深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)...

2018-10-07 標(biāo)簽：機器學(xué)習(xí)深度學(xué)習(xí) 1.3萬 0

AI頭發(fā)分割模塊、頭發(fā)換色、顏色增強與修正模塊等技術(shù)原理

那么，我們先將紅色轉(zhuǎn)換為對應(yīng)的hsv，然后保留原始黑色頭發(fā)的V，紅色頭發(fā)的hs，重新組合新的hsV，在轉(zhuǎn)換為RGB顏色空間，即為頭發(fā)換色之后的效果(hs...

2018-08-03 標(biāo)簽：AI深度學(xué)習(xí) 1.2萬 0

3個時代，3盤對弈，人工智能是否能繼續(xù)戰(zhàn)勝人類？

從人機對弈這件小事，和你聊聊人工智能的發(fā)展。

2018-03-30 標(biāo)簽：人工智能深度學(xué)習(xí)AlphaGo 1.2萬 0

到底誰可以產(chǎn)生更好的圖像修復(fù)結(jié)果？什么是圖像修補？

在自動識別方法中：排名第一的是深度學(xué)習(xí)方法-基于生成的圖像修復(fù)方法。但這不是一次壓倒性的勝利，因為這個算法從未達到我們研究中任何圖像的最佳分?jǐn)?shù)。 “城市...

2018-10-18 標(biāo)簽：圖像深度學(xué)習(xí) 1.2萬 0

BERT在機器閱讀理解測試SQuAD1.1中表現(xiàn)出驚人的成績

如何來實現(xiàn)上下文全向預(yù)測呢？BERT 的作者建議使用 Transformer 模型。這個模型在《Attention Is All You Need》一文...

2018-10-18 標(biāo)簽：谷歌深度學(xué)習(xí) 1.2萬 0

基于yolo算法進行改進的高效衛(wèi)星圖像目標(biāo)檢測算法

同時目標(biāo)檢測算法對于不常見的的比例或新的圖像分布缺乏一定的泛化能力。由于物體可能的方向和尺寸比例各不相同，算法有限的比例變化對于特殊目標(biāo)的檢測就會失效。...

2018-06-01 標(biāo)簽：算法衛(wèi)星深度學(xué)習(xí) 1.2萬 0