-
编辑 删除
当模型不起作用的时候应该怎么做？
你的团队几个月来一直在收集数据、构建预测模型、创建用户界面，并与一些早期的用户一起部署新的机器学习产品。但你现在听到的并不是大家一起庆祝项目胜利的声音，而是听到产品经理对那些早期用户的抱怨，这些早期用户对模型精度不满意并开始认为“模型不起作用”。所以你现在应该做什么?我们常常在很多模式识别实验室里给相关组织应用机器学习算法到新产品见到这种情况。这不是一个容易迅速解决的问题。真实世界的机器学习模型的
-
编辑 删除
机器视觉应用实例
机器视觉系统提高了生产的自动化程度，让不适合人工作业的危险工作环境变成了可能，让大批量、持续生产变成了现实，大大提高了生产效率和产品精度。同时可以快速获取信息并自动处理的性能，为工业生产的信息集成提供了方便。下面对机器视觉应用实例进行介绍：1、仪表板智能集成测试系统系统分为四个部分：为仪表板提供模拟信号源的集成化多路标准信号源、具有图像信息反馈定位的双坐标CNC系统、摄像机图像获取系统和主从机平行
-
编辑 删除
「NLP」GPT：第一个引入Transformer的预训练模型
目前两种最重要的预训练语言模型，一种是前面介绍过的BERT，另外一种就是GPT。GPT出了两个版本，GPT1.0和GPT2.0，GPT2.0相对于GPT1.0差别不大，可以认为是它的增强版。本篇介绍GPT1.0和GPT2.0，看看它于BERT有什么不一样。作者 | 小Dream哥编辑 | 言有三1 GPT是什么General Pre-Training(GPT)，即通用预训练语言模型，是一种利用Tr
-
编辑 删除
图解 Python 浅拷贝与深拷贝
Python 中的赋值语句不会创建对象的拷贝，仅仅只是将名称绑定至一个对象。对于不可变对象，通常没什么差别，但是处理可变对象或可变对象的集合时，你可能需要创建这些对象的 “真实拷贝”，也就是在修改创建的拷贝时不改变原始的对象。本文将以图文方式介绍 Python 中复制或“克隆”对象的操作。首先介绍一下 Python 中浅拷贝与深拷贝的区别：浅拷贝：浅拷贝意味着构造一个新的集合对象，然后用原始对象中
-
编辑 删除
FAIR 开放大规模细粒度词汇级标记数据集 LVIS，连披萨里的菠萝粒都能完整标注
随着深度学习的进一步发展，我们对数据集的依赖也越来越强。就在最近，FAIR 开放了 LVIS，一个大规模细粒度词汇集标记数据集，该数据集针对超过 1000 类物体进行了约 200 万个高质量的实例分割标注，包含 164k 大小的图像。FAIR 发布了相关文章对该成果做了详细解析，雷锋网(公众号：雷锋网) AI 开发者将重点内容其整理编译如下。LVIS 数据集概述计算机视觉的核心目标是赋予
-
编辑 删除
ICIG会议两年一次，这届亮点极多
8月24-25日，在北京友谊宾馆举办了第十届国际图象图形学学术会议（ICIG 2019）。 这个会议由中国图象图形学学会（CSIG）主办，清华大学、北京大学和中国科学院自动化研究所承办。ICIG 每两年举办一次，也是中国图象图形学学会主办的最高级别的系列国际会议，会议重点关注图像、视频和图形处理的创新技术，是图像图形学领域前沿研究进展的集中展示。据程序委员会主 席赵耀教授介绍，本次大会共
-
编辑 删除
谷歌再获语音识别新进展：利用序列转导来实现多人语音识别和说话人分类
从 WaveNet 到 Tacotron，再到 RNN-T，谷歌一直站在语音人工智能技术的最前沿。近日，他们又将多人语音识别和说话人分类问题融合在了同一个网络模型中，在模型性能上取得了重大的突破。对于自动理解人类音频的任务来说，识别「谁说了什么」（或称「说话人分类」）是一个关键的步骤。例如，在一段医生和患者的对话中，医生问：「你按时服用心脏病药物了吗？」患回答道：「Yes」。这与医生反问患者「Ye
-
编辑 删除
「图像分类」简述无监督图像分类发展现状
无监督图像分类问题是图像分类领域一项极具挑战的研究课题，本文介绍了无监督图像分类算法的发展现状，供大家参考学习。作者 | 郭冰洋编辑 | 言有三1 简介近年来，深度学习在图像识别领域取得了前所未有的进步，究其根本，可以归功于数据集容量的扩充和计算资源的提升。现阶段的图像分类任务在很大程度上是靠监督学习实现的，即每个样本都有其对应的标签，通过深度神经网络来不断学习每个标签所对应的特征，并最终实现分类
-
编辑 删除
计算机视觉（AI）的算法有哪些，具体都有哪些特点？
1. 野兽派以大力出奇迹为主。主要利用1Billion数据+512TPU+100小时以上的训练方式得到5%以内的accuracy提升。代表作有各大厂XXXNet2. 印象主义派讲求得其main idea即可。主要利用MNIST、CIFAR等各种toy data+简化假设+数学公式组合画符来得到声称可generalize至大规模数据集上的效果。代表作有各实验室XXXnet，常见于icml nips
-
编辑 删除
30年，Python正在吞食世界
这篇长文详细写了Python从诞生到流行的故事，专访了Python发明人Guido van Rossum以及相关的一些人，展示了Python是如何成为最受欢迎的编程语言的。谁能想到，30年后，一条蟒蛇因为人工智能而席卷了全世界！这一切，都源于1989年的那个圣诞节。一个名叫Guido van Rossum程序员在荷兰的阿姆斯特丹呆着，无所事事的圣诞假期有点无聊。为了打发时间，他开发了一个新的脚本解
-
编辑 删除
清华、李飞飞团队等提出强记忆力 E3D-LSTM 网络
清华大学、Google AI 和斯坦福大学李飞飞团队提出了一种具有强记忆力的 E3D-LSTM 网络，强化了 LSTM 的长时记忆能力，这为视频预测、动作分类等相关问题提供了新思路，是一项非常具有启发性的工作。如何对时间序列进行时空建模及特征抽取，是 RGB 视频预测分类，动作识别，姿态估计等相关领域的研究热点。清华大学、Google AI 和斯坦福大学李飞飞团队提出了一种具有强记忆力的 E3D-
-
编辑 删除
台积电黄汉森：2050年晶体管能做到0.1纳米，氢原子尺度
台积电研发负责人Phillip Wong近日在硅谷举行的Hot Chips会议上表示，摩尔定律没死，依然有效且状况良好，并表示随着新技术的进步，到2050年晶体管做到0.1纳米，约等于氢原子的大小。“毋庸置疑，摩尔定律依然有效且状况良好，它没有死掉，没有减速，也没有生病。”台积电研发负责人Philip Wong(黄汉森)在Hot chips大会上表示，他展示了台积电对芯片技术的前瞻，称到2050年
-
编辑 删除
图解 Python 浅拷贝与深拷贝
Python 中的赋值语句不会创建对象的拷贝，仅仅只是将名称绑定至一个对象。对于不可变对象，通常没什么差别，但是处理可变对象或可变对象的集合时，你可能需要创建这些对象的 “真实拷贝”，也就是在修改创建的拷贝时不改变原始的对象。本文将以图文方式介绍 Python 中复制或“克隆”对象的操作。首先介绍一下 Python 中浅拷贝与深拷贝的区别：浅拷贝：浅拷贝意味着构造一个新的集合对象，然后用原始对象中
-
编辑 删除
「NLP」GPT：第一个引入Transformer的预训练模型
目前两种最重要的预训练语言模型，一种是前面介绍过的BERT，另外一种就是GPT。GPT出了两个版本，GPT1.0和GPT2.0，GPT2.0相对于GPT1.0差别不大，可以认为是它的增强版。本篇介绍GPT1.0和GPT2.0，看看它于BERT有什么不一样。作者 | 小Dream哥编辑 | 言有三1 GPT是什么General Pre-Training(GPT)，即通用预训练语言模型，是一种利用Tr
-
编辑 删除
「深度学习系列」CNN模型的可视化
前面几篇文章讲到了卷积神经网络CNN，但是对于它在每一层提取到的特征以及训练的过程可能还是不太明白，所以这节主要通过模型的可视化来神经网络在每一层中是如何训练的。我们知道，神经网络本身包含了一系列特征提取器，理想的feature map应该是稀疏的以及包含典型的局部信息。通过模型可视化能有一些直观的认识并帮助我们调试模型，比如：feature map与原图很接近，说明它没有学到什么特征；或者它几乎
-
编辑 删除
「GAN优化」详解SNGAN(频谱归一化GAN)
今天将和大家一起学习具有很高知名度的SNGAN。之前提出的WGAN虽然性能优越，但是留下一个难以解决的1-Lipschitz问题，SNGAN便是解决该问题的一个优秀方案。我们将先花大量精力介绍矩阵的最大特征值、奇异值，然后给出一个简单例子来说明如何施加1-Lipschitz限制，最后一部分讲述SNGAN。作者 | 小米粥编辑 | 小米粥在GAN中，Wasserstein距离比f散度拥有更好的数学性
-
编辑 删除
「杂谈」一招，同时可视化18个开源框架的网络模型结构和权重
深度学习开源框架众多，对于开发者来说其中有一个很硬的需求，就是模型结构和权重的可视化。使用过Caffe的同学都因为强大的Netscope可以离线修改实时可视化网络结构而暗爽，那其他的框架怎么样呢？今天给大家介绍一个可以离线可视化各大深度学习开源框架模型结构和权重的项目，netron。作者&编辑 | 言有三1 项目介绍项目开发者Lutz Roeder，一位来自于微软Visual Studio
-
编辑 删除
不要低估AI面临的困境
通过对7000多家“AI初创企业”进行研究分析，我发现大多数人低估了AI发展所面临的困境和挑战。这其中，有你的参与吗？”你可能听过Andrew Ng这句话类似的一些说法:“AI正如同我们新时代的电力!电力的发展曾经改变了无数行业;现如今的AI也将如此。”我基本上同意这种观点。然而问题在于，这种说法忽视了AI在快速应用过程中面临的巨大障碍。毕竟AI不会在一夜之间随处可见。就电力而言，它的发展经历了四
-
编辑 删除
9轮融资95.98亿！旷视招股书详解：去年盈利3千万，研发年薪43万
中国AI创业，从此迈步新阶段。旷视，以产品Face++知名的AI公司，向港交所提交的招股书已经披露，一切顺利的话，将成为AI创业第一股。创办于2011年，感召于深度学习突破，由清华姚班3位毕业生联手创立，当时创始团队平均年龄24岁——所以旷视的IPO上市，也是AI复兴的标志性成果体现。7年来融资9轮，吸金95.98亿。2018年开始规模化盈利，连续三年复合增长率358.8%。在AI公司估值、营收和
-
编辑 删除
丰田+小马智行=全球最大车厂+中国估值最高无人车创业公司
自动驾驶公司+车厂，现在又有新结盟。8月26日，中国无人车公司小马智行，全球第一大车厂丰田，正式宣布展开自动驾驶合作。双方披露公告称，将共同探索自动驾驶的进一步落地，在自动驾驶技术和未来出行领域强强联合，打造能真正造福每个人的产品和服务。车厂丰田，普罗大众并不陌生，不仅是日本知名车厂，而且也是全球销量最大的汽车制造商。每年拥有超过一千万辆的新车销售规模。丰田旗下所属的卡罗拉是全球单一车型的冠军，而
