人工智能
文章平均质量分 58
内容主要为:计算机视觉、自然语言处理。
Fun_He
这个作者很懒,什么都没留下…
展开
-
深度学习真的working吗
近年来,深度学习的发展可谓是如日中天,各种论文、各种Beat Baseline。可是,深度学习真的能大规模的应用到生产中吗?深度学习的泛化能力真的足够好吗?从事深度学习的工作有一段日子了,我举两个我实际工作遇到的例子,大家讨论讨论。1、图像分割最近的一个项目中要应用到图像分割技术,我们采用了SSD。我们直接看一张图:算法标出了四个人(可信度大于0.5的),并且人物的边界让人费解,这样的算法显然是不可靠的。分辨这样的图片为什么对计算机来说非常困难?首先,图中的人物是穿少数民族服装的(我是云南人,云南是原创 2021-01-26 15:57:56 · 193 阅读 · 0 评论 -
中文短文本摘要数据集
背景由于目前没有公开的免费的中文短文本摘要数据集,正好在之前的项目中有收集过这样的数据。现在把之前整理的数据公开,所有人都可以免费下载使用,希望能成为一个有用的中文短文本摘要数据集。英文名称Chinese Short Text Summarization Dataset收集方式数据来源于新浪微博主流媒体发布的微博。例如:如上的三条微博所示中,红框中的文本作为短文本的摘要,其他的内容作为短文本的内容。数据量在这个版本中,一共 679898 条数据,分为两个文件:文件名称说明原创 2021-01-26 15:37:25 · 1700 阅读 · 0 评论 -
智能小车强化学习自动寻迹
一、前言这算是一个综合应用了,算是对过去多年知识的一个简单总结。在做之前我很焦虑,怕自己半途而废。不过最终还是用7个晚上完成了这个项目,最终的实现并不难,只不过是结合了电子技术和计算机技术的一个应用,算是对过去多年自动化、软件工程的学习和工作的一个集成。视频暂时删除了,可以关注一下我频道的其它内容:https://space.bilibili.com/291016941/video二、硬件部分1、硬件示意图如下:2、模块说明模块名称功能说明树莓派运行树莓派定制的Debi原创 2021-01-26 15:31:25 · 1047 阅读 · 1 评论 -
TensorFlow SiameseNet 人脸识别实战 V2
接上一篇《TensorFlow SiameseNet 人脸识别实战》。收到了一些热心网友的邮件,做了如下改进。1、修改Loss Function为TensorFlow自带的tf.nn.sigmoid_cross_entropy_with_logits,解决上一篇博客中提到当Loss下降到0.1左右的时候就不在下降的问题。2、给SiameseNet最后的全连接层增加共享参数,以解决 Tbj1027 网友提到的“训练后发现in/left和in/right互换位置后发现distance的值不同”的问题,感谢原创 2021-01-26 15:08:18 · 212 阅读 · 0 评论 -
TensorFlow SiameseNet Face Recognition
The main work of the article is to use the SiameseNet model to achieve the function of face recognition. The SiameseNet convolutional neural network model is as follows (detailed structure moves to G...原创 2018-03-25 21:30:57 · 652 阅读 · 0 评论 -
TensorFlow SiameseNet 人脸识别实战
文章的主要工作是用SiameseNet模型实现人脸识别的功能。 SiameseNet卷积神经网络模型如下(详细结构移步到GitHub,简化版的VGG): 数据集采用微软的MS-Celeb-1M公开人脸数据集,大家直接下载对齐好的那个数据集,首先网络上有一份清理过的list,文件名是:MS-Celeb-1M_clean_list.txt,大约160M。然后用组合算法生成positive_...原创 2018-03-25 21:28:51 · 2918 阅读 · 2 评论 -
TensorFlow训练二次函数
我们建造一个完整的神经网络我们将训练一个二次函数y=x*x-0.5,包括添加神经层,计算误差,训练步骤。原创 2017-08-16 17:26:43 · 982 阅读 · 0 评论 -
TensorFlow训练一次函数
这个例子简单的阐述了TensorFlow当中如何用代码来运行我们搭建的结构 直线的表达式为:y = a*x + b 其中x代表inputs,y代表outputs,a和b是神经网络训练的参数。模型训练好了以后,a和b的值将会被确定,比如 a=0.1,b=0.3,当我们再输入x=3时,我们的模型就会输出 0.6 的结果。模型通过学习,得到能表达数据的参数,然后对我们另外给的数据作出预测。原创 2017-08-13 22:24:48 · 583 阅读 · 0 评论