深度学习 | 数盟
145202791495850396 0

1460万个目标检测边界框:谷歌开源Open Images V4数据集

- 文章,人工智能,深度学习 - 阅 34

Open Images 是谷歌开源的一个大型数据集,包含大约 900 万张图像,这些图像用图像级别的标签和目标边界框进行了标注。最近,谷歌发布了该数据集的第四个版本——Open Images V4,图像数量增加到 920 万,其训练集包含 1460 万个边界框,用于标识从属于 600 个目标类别的…

123542 0

浅谈深度学习的技术原理及其在计算机视觉的应用

- 文章,人工智能,深度学习 - 阅 122

目前,深度学习几乎成了计算机视觉领域的标配,也是当下人工智能领域最热门的研究方向。计算机视觉的应用场景和深度学习背后的技术原理是什么呢?下面让我们来一探究竟。 计算机视觉的应用 什么是计算机视觉呢?形象地说,计算机视觉就是给计算机装上眼睛(照相机)和大脑(算法),…

dab875fc5977f1edba2bbd6618bbde03.jpeg-wh_651x-s_4052623092 0

七个不容易被发现的生成对抗网络(GAN)用例

- 文章,人工智能,深度学习 - 阅 202

像许多追随AI发展的人一样,我无法忽略生成建模的最新进展,尤其是图像生成中生成对抗网络(GAN)的巨大成功。看看下面这些样本:它们与真实照片几乎没有区别! 从2014年到2018年,面部生成的进展也非常显着。 这些结果让我感到兴奋,但我内心总是怀疑它们是否真的有用且广…

t011d211b27f68666ba 0

NIPS 2018:作为多目标优化的多任务学习:寻找帕累托最优解

- 文章,人工智能,深度学习 - 阅 132

多任务学习本质上是一个多目标问题,因为不同任务之间可能产生冲突,需要对其进行取舍。本文明确将多任务学习视为多目标优化问题,以寻求帕累托最优解。而经过实验证明,本文提出的方法可以在现实假设下得到帕累托最优解。 统计学中最令人震惊的结论之一是 Stein 悖论。Stei…

0537aea4c28648b47529584ffc28e104 0

Nature论文解读:用于改善加权生物网络信噪比的网络增强方法

- 文章,人工智能,深度学习 - 阅 104

本期推荐的论文笔记来自 PaperWeekly 社区用户 @xuehansheng。本文是斯坦福大学 Bo Wang 的又一篇大作,即将发表于 Nature Communications。 本文提出一种网络增强(Network Enhancement)方法,即一种用于改善无向加权网络的信噪比的方法。NE 使用双随机矩阵算子来诱导稀疏性…

0537aea4c28648b47529584ffc28e104 0

Diss所有深度生成模型,DeepMind说它们真的不知道到底不知道什么

- 文章,深度学习 - 阅 162

尽管识别检测等任务在实际中应用广泛,但判别模型真的搞不定未见过的数据。因此很多研究者认为生成模型对输入建立了完整的概率分布,说不定它就可以检测到不在分布内的「新奇」样本,例如在猫狗数据集上训练的生成模型能知道手写数字与训练集不太一样。但近日 DeepMind 发表论…

af75497768654fdfabeec1b3b5a08ca7 0

米少熬好粥—数据有限时怎样调优深度学习模型

- 文章,深度学习 - 阅 216

迁移学习 所谓迁移学习,就是将一个问题上训练好的模型通过简单的调整,使其适用一个新的问题,可以认为是一种模型调优的“取巧”方法。可以类比人的举一反三能力。 迁移学习的特点 1、需求数据量少 假设有两个领域,一个领域已经有很多的数据,能成功地建一个模型…

0537aea4c28648b47529584ffc28e104 0

如何优雅地从四个方面加深对深度学习的理解

- 文章,深度学习 - 阅 201

在今年的 ICML 上,深度学习理论成为最大的主题之一。会议第一天,Sanjeev Arora 就展开了关于深度学习理论理解的教程,并从四个方面分析了关于该领域的研究:非凸优化、超参数和泛化、深度的意义以及生成模型。 2017 年 12 月 NIPS 的 Test-of-Time Award 颁奖…