机器学习
文章平均质量分 92
Thorrrrrrrrrr
这个作者很懒,什么都没留下…
展开
-
[深度学习]场景文字检测与识别
目录背景文字为什么重要?问题定义那么会有那些挑战呢?近期前沿和有代表性算法Holistic, Multi-Channel PredictionTextBoxesRotation ProposalsCorner Localization and Region Segmentation(A Megvii work in CVPR 2018)Simpler Pip...原创 2018-12-19 13:20:54 · 4843 阅读 · 1 评论 -
[深度学习]Semantic Segmentation语义分割之SegNet(3)
论文全称:《SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation》论文地址:https://arxiv.org/abs/1511.00561论文代码:python pytorch版本https://github.com/delta-onera/segnet_pytorchpy...原创 2018-12-05 15:47:10 · 1145 阅读 · 1 评论 -
[深度学习]Semantic Segmentation语义分割之Deeplab v1(5)
论文全称:《SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED CRFS》论文地址:https://arxiv.org/pdf/1412.7062.pdf得益于图像空间转换的不变性,DCNNs在高层的计算机视觉任务表现良好,但是在低层的任务,例如人体姿态估计和语义分割达不到要求。DCN...原创 2018-12-07 20:24:22 · 433 阅读 · 0 评论 -
[深度学习]Semantic Segmentation语义分割之FCN(1)
论文全称:《Fully Convolutional Networks for Semantic Segmentation》论文地址:https://arxiv.org/pdf/1411.4038.pdf论文代码:python caffe版本 https://github.com/shelhamer/fcn.berkeleyvision.org python TensorFlow版本...原创 2018-12-03 17:16:03 · 1891 阅读 · 0 评论 -
[深度学习]Machine Comprehension机器阅读中Attention-based Model注意力机制论文集合
目录 机器阅读概念论文集合网络结构比较机器阅读概念所谓机器阅读理解任务,指的就是给一段context描述,然后对应的给一个query,然后机器通过阅读context后,给出对应query的答案。这里做了一个假设,就是query的答案必须是能够在context原文中找到的一段话(也可以理解为连续的几个单词),也就是说最终模型预测的目标是输出两个下标,分别对应于query回答在...原创 2018-11-28 09:32:17 · 826 阅读 · 0 评论 -
“人工智能+制造”产业发展研究报告 ——概念、趋势与互联网赋能机会
http://moodle.scnu.edu.cn/pluginfile.php/177540/mod_resource/content/1/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%2B%E5%88%B6%E9%80%A0%20%E4%BA%A7%E4%B8%9A%E5%8F%91%E5%B1%95%E7%A0%94%E7%A9%B6%E6%8A%A5%E5%91...转载 2018-12-04 15:24:03 · 378 阅读 · 0 评论 -
人工智能技术及应用进展
http://moodle.scnu.edu.cn/pluginfile.php/172272/mod_resource/content/1/人工智能技术及应用(福州) 贲可荣.pdf转载 2018-12-04 15:18:52 · 275 阅读 · 0 评论 -
[深度学习]Semantic Segmentation语义分割之UNet(2)
论文全称:《U-Net: Convolutional Networks for Biomedical Image Segmentation》论文地址:https://arxiv.org/pdf/1505.04597v1.pdf论文代码:https://github.com/jakeret/tf_unet目录提出动机综述网络结构实验结果代码详解提出动机首先,以...原创 2018-12-04 12:39:49 · 6596 阅读 · 0 评论 -
[深度学习]Object detection物体检测之Retinanet(12)
论文全称:《Focal Loss for Dense Object Detection》论文地址:https://arxiv.org/pdf/1708.02002.pdf论文代码:https://github.com/facebookresearch/Detectron目录综述Focal Losscross entropy(CE)lossBalanced Cross E...原创 2018-11-26 16:41:46 · 1234 阅读 · 0 评论 -
CVPR 2018摘要:第五部分
标题 What’s In a Face (CVPR in Review V) CVPR 2018摘要:第五部分 by 啦啦啦2 01 What’s In a Face (CVPR in Review V)I have said that she had no face; but that meant she had a thousand faces…― C.S. Lewis, Till...转载 2018-11-23 09:28:42 · 361 阅读 · 0 评论 -
CVPR 2018摘要:第四部分
标题 State of the Art in Domain Adaptation (CVPR in Review IV) CVPR 2018摘要:第四部分 by 啦啦啦2 01 State of the Art in Domain Adaptation (CVPR in Review IV)We have already had three installments about the ...转载 2018-11-23 09:27:25 · 769 阅读 · 0 评论 -
CVPR 2018摘要:第三部分
标题 NeuroNuggets: CVPR 2018 in Review, Part III CVPR 2018摘要:第三部分 by 啦啦啦2 01 NeuroNuggets: CVPR 2018 in Review, Part IIIThe CVPR 2018 (Computer Vision and Pattern Recognition) conference is long ov...转载 2018-11-23 09:23:53 · 405 阅读 · 0 评论 -
CVPR 2018摘要:第二部分
CVPR 2018摘要:第二部分 ...转载 2018-11-22 09:57:27 · 210 阅读 · 0 评论 -
[资源推荐]想要自学深度学习?不用GPU,浏览器就够了
机器之心整理参与:刘晓坤、思源今天要介绍一个近期开源的自学深度学习 GitHub 项目,作者为每种具体算法提供了 Jupyter notebook 实现,可以轻易地在 Google Colab 上运行(免费提供云端 GPU 或 TPU)。所以想自学深度学习,不需要价格几千美元的 GPU,有一个 Chrome 浏览器就够了。项目地址:https://github.com/GokuMohandas/p...转载 2018-12-13 08:19:06 · 335 阅读 · 0 评论 -
[深度学习]自然语言处理资料集合
博客Sebastian RuderAboutI'm a final year PhD Student in Natural Language Processing and Deep Learning at the Insight Research Centre for Data Analytics and a research scientist at Dublin-based tex...原创 2018-12-24 13:18:41 · 417 阅读 · 0 评论 -
[深度学习]从Attention到Transformer到BERT
Jay Alammar用直观直白的方式解释了Attention,Transformer和BERT。并辅以很多生动的图例。AttentionVisualizing A Neural Machine Translation Model (Mechanics of Seq2seq Models With Attention)TransformerThe Illustrated Trans...原创 2018-12-24 12:15:05 · 918 阅读 · 0 评论 -
[深度学习]半监督学习、无监督学习之DCGAN深度卷积生成对抗网络(附代码)
论文全称:《Generative Adversarial Nets》论文地址:https://arxiv.org/pdf/1406.2661.pdf论文全称:《UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS》论文地址:https://arxiv.or...原创 2018-12-12 12:38:24 · 4977 阅读 · 4 评论 -
[NLP自然语言处理]谷歌BERT模型深度解析
BERT模型代码已经发布,可以在我的github: NLP-BERT--Python3.6-pytorch 中下载,请记得start哦目录一、前言二、如何理解BERT模型三、BERT模型解析      论文的核心:详解BERT模型架构     &a转载 2018-12-22 17:30:43 · 670 阅读 · 0 评论 -
[深度学习]半监督学习、无监督学习之Variational Auto-Encoder变分自编码器(附代码)
论文全称:《Auto-Encoding Variational Bayes》论文地址:https://arxiv.org/pdf/1312.6114.pdf论文代码:keras 版本:https://github.com/bojone/vaepytorch 版本:https://colab.research.google.com/github/smartgeometry-ucl/d...原创 2018-12-10 21:17:53 · 2587 阅读 · 0 评论 -
[深度学习]图片语义分割深度学习算法要点回顾
Review of Deep Learning Algorithms for Image Semantic SegmentationArthur OuaknineDec 11Examples of the COCO dataset for stuff segmentation. Souce: http://cocodataset.org/Deep learning algorithms have ...转载 2018-12-21 11:38:12 · 1384 阅读 · 0 评论 -
[深度学习]命名实体识别Named entity recognition series
NER是一种用于识别和分类文本中命名实体的信息提取技术。这些实体可以是预先定义的和通用的,比如位置名称、组织、时间等,或者它们可以非常具体,比如简历中的示例。NER在业务中有各种各样的应用。我认为,当你在写一封电子邮件,你在邮件中提到一个时间或者附加一个文件,gmail会提供设置一个日历通知,或者提醒你附加文件,以防你发送电子邮件时没有附加附件。NER的其他应用包括:从法律、金融和医疗文档中提取重...原创 2018-12-26 19:42:04 · 1398 阅读 · 0 评论 -
[深度学习]半监督学习、无监督学习之Autoencoders自编码器(附代码)
目录 自编码器介绍从零开始训练自编码器验证模型训练结果可视化结果加载预训练模型自编码器介绍自编码器的结构简单,由Encoder和Decoder组成,Encoder产生的Latent variables是潜在变量,它是Decoder的输入。自编码器的目标是寻找有意义的feature,用这些feature来代表输入变量,并且可以通过Decoder还原变量。如...原创 2018-12-10 13:09:34 · 5334 阅读 · 0 评论 -
[深度学习] Image Classification图像分类之Bag of Tricks for Image Classification with Convolutional Neural Net
论文全称:《Bag of Tricks for Image Classification with Convolutional Neural Networks》论文地址:https://arxiv.org/pdf/1812.01187.pdf这篇文章主要讨论最近这些训练神经网络的tricks,这些tricks大部分都只是在以前的论文轻描淡写地一笔带过,有些只能在源代码里找到,但这一部分可能...原创 2018-12-09 16:07:42 · 6091 阅读 · 0 评论 -
推荐一个深度学习应用于图形学的网站
2018年12月4日-7日,全亚洲最大的计算机图形与互动技术会议与展会——SIGGRAPH Asia 2018大会在日本东京隆重举行。作为计算机图形学顶级会议,SIGGRAPH大会邀请了国际上在影像技术方面有建树的学者、技术名流大咖及高新技术企业共同研讨交流,展示最先进的图形学技术。来自英国伦敦大学学院UCL的Niloy J. Mitra等学者做了关于深度学习在计算机图形学应用的报告,《Creat...原创 2018-12-09 14:29:01 · 1022 阅读 · 0 评论 -
最新的46篇CV论文
github:https://github.com/amusi/daily-paper-computer-vision本文分享共计46篇论文,涉及CNN、Face、图像分类、目标检测、图像分割、GAN、Re-Id、SLAM和迁移学习等方向。前戏计算机视觉论文速递系列推文目前是一周一次,因为Amusi说过很多次,这个系列文章整理到公众号上有点"吃"时间。所以暂时将原来的日报形式改成周报的形式。其实...转载 2018-12-03 21:43:40 · 1776 阅读 · 0 评论 -
[深度学习]Semantic Segmentation语义分割之空洞卷积DILATED CONVOLUTIONS(4)
论文全称:《MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS》论文地址:https://arxiv.org/pdf/1511.07122v2.pdf论文代码:python TensorFlow版本 https://github.com/ndrplz/dilation-tensorflowpython Keras版本 ht...原创 2018-12-06 11:21:03 · 754 阅读 · 0 评论 -
CVPR 2018摘要:第一部分
CVPR 2018摘要:第一部分 本文为 AI 研习社编译的技术博客,原标题:NeuroNuggets: CVPR 2018 in Review, Part I作者 |Sergey Nikolenko、Aleksey Artamonov翻译 |老赵 校对 |李晶...转载 2018-11-22 09:54:30 · 432 阅读 · 0 评论 -
预见未来丨机器学习:未来十年研究热点
这篇文章转载至微软研究院AI头条公总号,仅供参考学习。 预见未来丨机器学习:未来十年研究热点编者按:自1998年成立以来,微软亚洲研究院一直致力于推动计算机科学领域的前沿技术发展。在建院20周年之际,我们特别邀请微软亚洲研究院不同领域的专家共同撰写“预见未来”系列文章,以各自领域的前瞻视角,从机器学习、计算机视觉、系统架构、图形学、自然语言处理等多个方向出发,试图描绘一幅未来科技蓝图。...转载 2018-11-21 21:14:50 · 1935 阅读 · 0 评论 -
【pytorch torchvision源码解读系列—4】ResNet
pytorch框架中有一个非常重要且好用的包:torchvision,顾名思义这个包主要是关于计算机视觉cv的。这个包主要由3个子包组成,分别是:torchvision.datasets、torchvision.models、torchvision.transforms。具体介绍可以参考官网:https://pytorch.org/docs/master/torchvision具体代码可以...原创 2018-11-02 16:29:29 · 4660 阅读 · 1 评论 -
[深度学习]ResNet 论文笔记
论文地址:Deep Residual Learning for Image RecognitionResNet由微软研究院的Kaiming He等四名华人提出,在2015年ImageNet上大放异彩,通过使用Residual Unit成功训练了152层深的神经网络,在ImageNet的classification、detection、localization以及COCO的detection和s...原创 2018-11-02 09:46:27 · 859 阅读 · 0 评论 -
【pytorch torchvision源码解读系列—5】DenseNet
pytorch框架中有一个非常重要且好用的包:torchvision,顾名思义这个包主要是关于计算机视觉cv的。这个包主要由3个子包组成,分别是:torchvision.datasets、torchvision.models、torchvision.transforms。具体介绍可以参考官网:https://pytorch.org/docs/master/torchvision具体代码可以...原创 2018-11-03 16:42:24 · 6844 阅读 · 6 评论 -
[深度学习]DenseNet论文笔记
论文:Densely Connected Convolutional Networks 代码的github链接:https://github.com/liuzhuang13/DenseNet 这篇论文是CVPR2017的oral(比例约是提交论文的前5%)。论文的作者总结了一下最近提出的ResNets and Highway Networks,Stochastic depth他们共同的特点...原创 2018-11-03 09:59:53 · 1482 阅读 · 0 评论 -
【pytorch torchvision源码解读系列—3】Inception V3
框架中有一个非常重要且好用的包:torchvision,顾名思义这个包主要是关于计算机视觉cv的。这个包主要由3个子包组成,分别是:torchvision.datasets、torchvision.models、torchvision.transforms。具体介绍可以参考官网:https://pytorch.org/docs/master/torchvision具体代码可以参考githu...原创 2018-11-01 16:47:20 · 8284 阅读 · 4 评论 -
[深度学习]AlexNet和VGG论文笔记
AlexNet2012年,Alex Krizhevsky(Hinton的学生)提出了AlexNet,它可以看做是LeNet的一个更深更宽版本。这就是Gradient-Based Learning Applied to Document Recognition论文里LeNet模型的架构。LeNet 这个网络虽然很小,但是它包含了卷积神经网络的基本模块:卷积层,池化层,全链接层。是其他...原创 2018-10-30 17:42:25 · 6246 阅读 · 1 评论 -
[深度学习]Inception Net (V1-V4)系列论文笔记
目录一、论文下载地址二、Inception V1三、Inception V2四、Inception V3五、Inception V4六、总结一、论文下载地址Google Inception Net 又被称为GoogLeNet 之所以这个名词,论文里面有提到“ This name is an homage to Yann LeCuns pioneering LeNe...原创 2018-10-31 18:12:47 · 7581 阅读 · 0 评论 -
【pytorch torchvision源码解读系列—2】VGG
最近开始学习一个新的深度学习框架PyTorch。框架中有一个非常重要且好用的包:torchvision,顾名思义这个包主要是关于计算机视觉cv的。这个包主要由3个子包组成,分别是:torchvision.datasets、torchvision.models、torchvision.transforms。具体介绍可以参考官网:https://pytorch.org/docs/master/...原创 2018-10-31 15:08:07 · 5085 阅读 · 1 评论 -
【pytorch torchvision源码解读系列—1】Alexnet
最近开始学习一个新的深度学习框架PyTorch。框架中有一个非常重要且好用的包:torchvision,顾名思义这个包主要是关于计算机视觉cv的。这个包主要由3个子包组成,分别是:torchvision.datasets、torchvision.models、torchvision.transforms。具体介绍可以参考官网:https://pytorch.org/docs/master/...原创 2018-10-31 13:09:08 · 5785 阅读 · 3 评论 -
[机器学习]Logistic回归梯度上升法与改进的随机梯度上升算法
http://sbp810050504.blog.51cto.com/2799422/1608064/这个网址解释了多维空间的sigmoid函数与梯度上升算法的原理,大家可以参考一下。from numpy import *def loadDataSet():#读数据 dataMat = [] labelMat = [] fr = open('testSet.txt')原创 2017-04-25 19:14:19 · 847 阅读 · 0 评论 -
[机器学习]前向逐步回归
前向逐步回归算法可以得到与lasso差不多的效果,但更加简单。它属于一种贪心算法,即每一步都尽可能的减少误差。数据如下:图片from numpy import *def rssError(yArr,yHatArr): return((yArr-yHatArr)**2).sum()def loadDataSet(fileName): numFeat = len(op原创 2017-04-24 19:33:25 · 5770 阅读 · 0 评论 -
[机器学习]线性回归和局部加权线性回归
首先先了解清楚线性回归的概念,需要掌握一些高等数学,概率论和线性代数的知识作为基础。我从不同的书籍资料中看到各种证明方法,有些易懂但不易想到,总之我们最后要得出的结论这是多元线性回归得到y= β1x1 + β2x2 + … + βkxk这条最佳拟合直线参数的方法。先来看一下数据:我们假定了x0=1,最终会得到y=ws[0]+ws[1]*x1,ws就是对应于上面所说的β。这里只是原创 2017-04-23 09:28:11 · 993 阅读 · 1 评论