第1011期机器学习日报(2017-06-25)

机器学习日报 2017-06-25

@好东西传送门 出品,由@AI100运营, 过往目录 见http://ml.memect.com

订阅:关注微信公众号 AI100(ID:rgznai100,扫二维码),回复“机器学习日报”,加你进日报群

微信公众号:rgznai100

本期话题有:

全部21 算法9 深度学习7 应用3 视觉3 经验总结3 资源2 架构1 语音1 自然语言处理1

用日报搜索找到以前分享的内容: http://ml.memect.com/search/

今日焦点 (5)

网路冷眼 网页版 2017-06-25 22:16

深度学习 算法 代码 神经网络

【3D Convolutional Neural Networks in TensorFlow】 http://t.cn/RoaWfLm TensorFlow的3D卷积神经网络。 ​

爱可可-爱生活 网页版 2017-06-25 16:45

应用 资源 书籍 推荐系统

【Amazon.com推荐系统20载】《Two Decades of Recommender Systems at Amazon.com | IEEE Internet Computing》B Smith, G Linden http://t.cn/RoSDZ7U

爱可可-爱生活 网页版 2017-06-25 08:57

Devin Soni Python 代码

【Python无梯度优化框架】’Solid – A comprehensive gradient-free optimization framework written in Python’ by Devin Soni GitHub: http://t.cn/Roa0LiY

IT技术博客大学习 网页版 2017-06-25 08:05

算法 KNN 聚类 相似度量

【漫谈:机器学习中距离和相似性度量方法。在机器学习和数据挖掘中,我们经常需要知道个体间差异的大小,进而评价个体的相似性和类别。最常见的是数据分析中的相关分析,数据挖掘中的分类和聚类算法,如 K 最近邻(KNN)和 K 均值(K-Mea… 详见: http://t.cn/RoaWfrd 分享自 @技术头条
爱可可-爱生活 网页版 2017-06-25 07:19



【JavaScript机器学习】《Machine Learning with JavaScript》by Abhishek Soni Part1: http://t.cn/Rob96uj pdf: http://t.cn/Roappg3 Part2: http://t.cn/RoiSHzJ pdf: http://t.cn/Roappg1

最新动态

2017-06-25 (16)

网路冷眼 网页版 2017-06-25 22:00

架构 Spark

【基于Spark的大规模机器学习在微博的应用】 http://t.cn/RoMHudr 本文介绍了新浪微博在面对大规模机器学习的挑战时,采取的最佳实践和解决方案。 ​

爱可可-爱生活 网页版 2017-06-25 16:10

深度学习 视觉 算法 Na Github 代码 分类 神经网络

【(Caffe/OpenCV)CNN年龄/性别分类】’Age and Gender Classification using Convolutional Neural Network’ by SangHyeon, Na GitHub: http://t.cn/RoS3kQv

网路冷眼 网页版 2017-06-25 09:08

算法 可视化 神经网络

【Visualizing neural networks in 3d with webgl and raymarching】 http://t.cn/RSeoHjL 使用webgl和raymarching以3d方式可视化神经网络。 ​

爱可可-爱生活 网页版 2017-06-25 08:59

经验总结 资源 Python 博客 代码 课程

【Python机器学习教程】’Machine Learning Tutorials in Python’ by Savan Visalpara http://t.cn/RoaHCCX GitHub: http://t.cn/RoaHCC6

爱可可-爱生活 网页版 2017-06-25 08:54

深度学习 算法 Jacob Gildenblat 代码 论文 神经网络

【更快更小:深度神经网络修剪】《Pruning deep neural networks to make them fast and small》by Jacob Gildenblat http://t.cn/RoaTgHT GitHub(PyTorch): http://t.cn/RoaTgHH ref:《Pruning Convolutional Neural Networks for Resource Efficient Inference》[NVIDIA] (2017) http://t.cn/RoaTgHE

网路冷眼 网页版 2017-06-25 08:34

经验总结 博客

【这位成功转型机器学习的老炮,想把他多年的经验分享给你】 http://t.cn/Roajxbi 再三要求下,智亮答应将其多年心得写出来,这一写就洋洋洒洒近万字,无论是他对未来豪情万丈般的预判,还是对于实战细致入微的解析,还是一番苦口婆心的劝导,全在里面不吐不快了。 ​

爱可可-爱生活 网页版 2017-06-25 08:10

语音 Python 代码

【(Python)语音特征抽取库】“speech_feature_extraction – This library provides most frquent used speech features including MFCCs and filterbank energies alogside with the logenergy of filterbanks” by Amirsina Torfi GitHub: http://t.cn/RoaWnvz

爱可可-爱生活 网页版 2017-06-25 08:05

深度学习 算法 代码 论文 神经网络

【3D-CNN说话人识别】“Using 3D Convolutional Neural Networks for Speaker Verification” by Amirsina Torfi GitHub: http://t.cn/RoaWfLm ref:《Text-Independent Speaker Verification Using 3D Convolutional Neural Networks》(2017) http://t.cn/RoaWfLn

爱可可-爱生活 网页版 2017-06-25 07:23

经验总结 深度学习 Jeffrey Hetherly 博客 代码 数据科学

【音频超分辨率:用深度学习重建高分辨率音频】《Using Deep Learning to Reconstruct High-Resolution Audio》by Jeffrey Hetherly http://t.cn/Ro6kSfZ GitHub: http://t.cn/Roapm5T pdf: http://t.cn/Roapm5H

爱可可-爱生活 网页版 2017-06-25 06:41

自然语言处理 Hong Kong 论文

《Jointly Learning Word Embeddings and Latent Topics》B Shi, W Lam, S Jameel, S Schockaert, K P Lai [ŒChinese University of Hong Kong & Cardi‚ University] (2017) http://t.cn/RoM3SGr

爱可可-爱生活 网页版 2017-06-25 06:38

算法 GPU SVM 代码 论文

《Rgtsvm: Support Vector Machines on a GPU in R》Z Wang, T Chu, L A Choate, C G Danko [Cornell University] (2017) http://t.cn/RoaCQJo GitHub: http://t.cn/RoaCQJS

爱可可-爱生活 网页版 2017-06-25 06:37

算法 论文 神经网络

《Modelling prosodic structure using Artificial Neural Networks》J Bernardy, C Themistocleous [University of Gothenburg] (2017) http://t.cn/RoaCjsP

爱可可-爱生活 网页版 2017-06-25 06:27

深度学习 算法 应用 论文 神经网络 预测

《Pedestrian Prediction by Planning using Deep Neural Networks》E Rehder, F Wirth, M Lauer, C Stiller [Karlsruhe Institute of Technology] (2017) http://t.cn/RoaCqdr

爱可可-爱生活 网页版 2017-06-25 06:25

视觉 论文

《An End-to-End Computer Vision Pipeline for Automated Cardiac Function Assessment by Echocardiography》R C. Deo, J Zhang, L A. Hallock, S Gajjala, L Nelson, E Fan… [University of California, San Francisco] (2017) http://t.cn/RoaCUMN

爱可可-爱生活 网页版 2017-06-25 06:21

深度学习 视觉 代码 论文

《Object Detection Using Deep CNNs Trained on Synthetic Images》P S. Rajpura, R S. Hegde, H Bojinov [Indian Institute of Technology & Innit Inc] (2017) http://t.cn/RoaC7qx GitHub: http://t.cn/RoaC7qM

爱可可-爱生活 网页版 2017-06-25 06:14

应用 Brain Robotics 机器人 可视化 论文

《VisualBackProp: efficient visualization of CNNs》M Bojarski, A Choromanska, K Choromanski, B Firner, L Jackel, U Muller, K Zieba [NVIDIA Corp & ECE NYU Tandon & Google Brain Robotics] (2017) http://t.cn/Roa9322

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值