博客

卷积神经网络CNN——图像卷积与反卷积(后卷积,转置卷积)

发表于:09/20/2018 , 关键词:
1. 前言 传统的CNN网络只能给出图像的LABLE,但是在很多情况下需要对识别的物体进行分割实现end to end,然后FCN出现了,给物体分割提供了一个非常重要的解决思路,其核心就是卷积与反卷积,所以这里就详细解释卷积与反卷积。 对于1维的卷积,公式(离散)与计算过程(连续)如下,要记住的是其中一个函数(原函数或者卷积函数)在卷积前要翻转180度

【模式识别】MPL,MIL和MCL

发表于:09/20/2018 , 关键词:
Multi-Instance Learning (MIL) 和Multi-Pose Learning (MPL)是CV的大牛Boris Babenko at UC San Diego提出来的,其思想可以用下面一幅图概况。MIL是指一个对象的学习实例可能有很多种情况,学习的时候不是用一个精确的标注对象来学习,而是用一个对象的多个实例组成的“包”来学习;而MPL是指一个对象会有多个姿态(Pose),... 阅读详情

图像语义分割的概念与原理以及常用的方法

发表于:09/20/2018 , 关键词:
1、图像语义分割的概念 1.1图像语义分割的概念与原理 图像语义分割可以说是图像理解的基石性技术,在自动驾驶系统(具体为街景识别与理解)、无人机应用(着陆点判断)以及穿戴式设备应用中举足轻重。我们都知道,图像是由许多像素(Pixel)组成,而「语义分割」顾名思义就是将像素按照图像中表达语义含义的不同进行分组(Grouping)/分割(Segmentation)。

深入机器学习之集成学习

发表于:09/20/2018 , 关键词:
集成学习体现了“More is always better”(多多益善)的思想,它是是目前机器学习的一大热门方向,所谓集成学习简单理解就是指采用多个分类器对数据集进行预测,从而提高整体分类器的泛化能力。 这张图片很清楚显示出其原理,假设需要预测的对象很大,每个模型可能只能处理其部分问题,多训练一些模型就能更有效率也更准确地得到预测结果。 1、Ensemble综述 (1) 概念... 阅读详情

[深度学习] 网络正则化

发表于:09/19/2018 , 关键词:
网络正则化 机器学习的核心问题是如何使学习算法不仅在训练样本上表现良好,而且在新数据上或测试集上同时奏效,学习算法在新数据上的这样一种表现我们称之为模型的泛化能力。如果一个学习算法在训练集表现优异,同时在测试集依然工作良好,可以说该学习算法有较强的泛化能力。若某算法在训练集表现优异,但是测试集却非常糟糕,我们说这样的学习并没有泛化能力,这种现象也叫做过拟合(overfitting)。... 阅读详情

5G 速度已经逆天,6G网络要来了?

发表于:09/19/2018 , 关键词:
现在全球各地的4G网络信号都已经相继普及,而5G网络的研发推广也正在世界如火如荼的开展起来,有人预计,5G网络的正式商业化应用应该会在2019年,也就是明年正式实现,届时美国,亚洲,欧洲和英国都将在2019年到2020年间正式迈入5G时代。 5G的出现在网络速度,容量和信号延迟性方面的性能都有很大的提升,在物联网,AI人工智能和VR虚拟现实技术方面,都能够极大的改变我们工作和娱乐的方式,... 阅读详情

盘点一下那些不知不觉中已经渗入生活的AI技术...

发表于:09/19/2018 , 关键词:
人工智能正越来越多的渗透入人们的生活,改变人们的生活,从自然语言生成到语音识别、从医疗诊断到商业决策,AI逐渐开始显露出巨大的优势,并且它的脚步不会停止。 1. 自然语言生成(NLG) 自然语言生成是人工智能的一个子学科,它可以将海量的数据转换成人类可读的文本,通过这样的方式实现与人类的交流。目前主要的应用是为客户提供报告生成和市场摘要等服务。通过对数据的分析、挖掘理解,... 阅读详情

盘点2018年十大新兴技术:人体变成“制药工厂”

发表于:09/19/2018 , 关键词:
据科学美国人杂志报道,在不久的将来,人工智能(AI)将大大加快创新药物和材料的发现。先进的诊断工具将使越来越个性化的医学成为可能。增强现实(AR)将无处不在,将信息和动画叠加在真实世界的图像上,帮助我们处理日常任务,并帮助行业更有效地运作。 如果你生病了,医生可以在身体里植入活细胞,让你的身体变成“药物工厂”,治疗你的疾病。你会吃到用干细胞培育的人造牛肉、鸡肉和鱼类,大大减少畜牧业对环境的影响... 阅读详情

浅谈随机森林在人脸对齐上的应用~

发表于:09/18/2018 , 关键词:
1. 随机森林回顾 随机森林由N棵决策树组成,每一棵决策树都具有不同的初始训练样本,在训练过程中,还需要一个属性候选集,训练样本子集根据候选集合中的属性,依据分裂依据进行进一步分类,这一步俗称“分裂”,直至满足人为设定的收敛条件。 我个人认为,分裂的想法十分重要,它使得决策树成功记忆住如何从头开始,一步一步将样本正确分类。于是在测试的过程中,测试样本完全是按照这种记忆力将自己的类别确定下来。... 阅读详情

深入机器学习之自然语言处理

发表于:09/18/2018 , 关键词:
自然语言处理(NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。随着深度学习在图像识别、语音识别领域的大放异彩,人们对深度学习在NLP的价值也寄予厚望。自然语言处理作为人工智能领域的认知智能,成为目前大家关注的焦点。 基本概念   •  自然语言处理既是一门技术也是一门学科。   •  自然语言指人类使用的语言,如汉语、... 阅读详情

神经网络从原理到实现

发表于:09/18/2018 , 关键词:
1. 简单介绍 在机器学习和认知科学领域,人工神经网络(artificial neural network,缩写ANN),简称神经网络(neural network,缩写NN)或类神经网络,是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型或计算模型,用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。... 阅读详情

GPU 实现 RGB -- YUV 转换 (OpenGL)

发表于:09/18/2018 , 关键词:
RGB --> YUV 转换的公式是现成的,直接在 CPU 端转换的话,只需要遍历每个像素,得到新的 YUV 值,根据其内存分布规律,合理安排分布即可。然而在 CPU 端进行转换,存在的问题运行效率太低,无法满足高效转换的需求。我们将目光投向拥有流水线体系的支持高速浮点数计算的硬件——GPU. 转换公式如下: GPU 上面的实现 考虑在 GPU 上执行 RGB --> YUV 转换。... 阅读详情

2018年人工智能和机器学习的顶级趋势

发表于:09/18/2018 , 关键词:
自从人工智能(AI)这个术语在1955年由美国达特茅斯学院的人工智能大师John McCarthy创造以来,已经得到了长足的进步。63年之后,人工智能正在改变和颠覆医疗保健、金融科技以及其他行业的业务发展。虽然对真正人性化人工智能仍在继续探索当中,但大数据和机器学习(ML)的进步将帮助人工智能成为技术主流。 本文将介绍2018年的顶级人工智能和机器学习的发展趋势: 1. 医疗健康... 阅读详情

神经网络简史

发表于:09/17/2018 , 关键词:
追根溯源,神经网络诞生于人类对于人脑和智能的追问。而这个追问经历了旷远蒙昧的精神至上学说,直到 19 世纪 20 年代。 奥地利医生 Franz Joseph Gall ( 1758-1828 ) 推测人类的精神活动是由脑的功能活动而实现的,这才使人们认识到意识和精神活动具有物质基础,从而使人们对精神活动的认识从唯心主义的错误观点转到了唯物主义的正确轨道上来。

强化学习十大原则

发表于:09/17/2018 , 关键词:
作者 | David Sliver 编译 | Xiaowen 原则#1:评估(Evaluation)推动进步 客观,量化的评估推动了进步: ●评估指标的选择决定了进度的方向 ●可以说是项目过程中最重要的单一决策 排行榜驱动的(Leaderboard-driven)研究: ●确保评估指标对应最终目标 ●避免主观评估(例如人工检查) 假设驱动的(Hypothesis-driven)研究: ●... 阅读详情