-
Ross、何恺明等人提出：渲染思路做图像分割，提升Mask R-CNN性能
2019-12-20 13:08:43机器之心报道参与：魔王、一鸣Facebook FAIR 实验室再次创新图像分割算法，这回使用的是图像渲染的思路。算法可作为神经网络模块集成，显著提升 Mask R-CNN 和 DeepLabV3 性能。实例分割是计算机视觉任务中一个重要的任务。传统的示例分割方法输入图像，并对图像的每个像素点进行预测，推断像素点所属的实例标签，并区分属于不同实例的像素点。然而，
-
深度残差收缩网络：（五）实验验证
深度残差收缩网络是深度残差学习的一种改进，发表在IEEE Transactions on Industrial Informatics上，面向的是数据包含噪声的情况。简单地讲，深度残差收缩网络就是，将软阈值化作为可训练的模块，嵌入到深度残差网络之中。
-
深度残差收缩网络：（四）注意力机制下的阈值设置
深度残差收缩网络是深度残差网络的一种改进，发表在IEEE Transactions on Industrial Informatics上，面向的是数据包含噪声的情况。简单地讲，深度残差收缩网络就是，将软阈值化作为可训练的模块，嵌入到深度残差网络之中。
-
深度残差收缩网络：（三）网络结构
深度残差收缩网络是深度残差学习的一种改进，发表在IEEE Transactions on Industrial Informatics上，面向的是数据包含噪声的情况。简单地讲，深度残差收缩网络就是，将软阈值化作为可训练的模块，嵌入到深度残差网络之中。
-
深度残差收缩网络：（二）整体思路
深度残差收缩网络是深度残差学习的一种改进，发表在IEEE Transactions on Industrial Informatics上，面向的是数据包含噪声的情况。简单地讲，深度残差收缩网络就是，将软阈值化作为可训练的模块，嵌入到深度残差网络之中。
-
深度残差收缩网络：（一）背景知识
深度残差收缩网络（Deep Residual Shrinkage Network）是深度残差学习（Deep Residual Network, ResNet）的一种改进，发表在IEEE Transactions on Industrial Informatics上，面向的是数据包含噪声的情况。简单地讲，深度残差收缩网络就是，将软阈值化作为可训练的模块，嵌入到ResNet之中。接下来结合自己的理解，
-
华科提出目标检测新方法：基于IoU-aware的定位改进，简单又有效
2019-12-16 19:43:33作者 | 周强来源 | 我爱计算机视觉（ID：aicvml）【导语】近日，华中科技大学发表了一篇新论文《IoU-aware Single-stage Object Detector for Accurate Localization》，在此论文中作者提出了一种非常简单的目标检测定位改进方法，通过预测目标候选包围框与真实目标标注的IoU（交并比），并基于此与分类
-
Google提出移动端新SOTA模型MixNets：用混合深度卷积核提升精度
2019-12-16 19:44:16作者 | Google译者 | 刘畅编辑 | Jane出品 | AI科技大本营（ID：rgznai100）【导语】目前，深度卷积（Depthwise convolution）在追求高性能的卷积网络中的应用变得越来越流行，但很多研究忽略了其内核大小的影响。在本文中，作者系统地研究了不同内核大小的影响，并发现将多种内核大小的优势结合在一起可以带来更高的准确性和性能
-
微众银行杨强NeurIPS最新演讲：联邦推荐技术如何应对推荐场景化的发展
2019年12月8日至12月14日，微众银行首席人工智能官杨强教授受邀参加于加拿大温哥华举办的人工智能和机器学习领域的国际顶级会议：神经信息处理系统大会（Conference and Workshop on Neural Information Processing Systems，简称NeurIPS）。在微众银行联合谷歌、卡内基梅隆大学举办的联邦学习国际研讨会上，杨强教授以《Federated&
-
使用函数计算三步实现深度学习 AI 推理在线服务
目前深度学习应用广发， 其中 AI 推理的在线服务是其中一个重要的可落地的应用场景。本文将为大家介绍使用函数计算部署深度学习 AI 推理的最佳实践, 其中包括使用 FUN 工具一键部署安装第三方依赖、一键部署、本地调试以及压测评估， 全方位展现函数计算的开发敏捷特性、自动弹性伸缩能力、免运维和完善的监控设施。 1.1 DEMO 概述 通过上传一个猫或者狗的照片， 识别出这个照片里面的动物是猫
-
图灵奖得主 Bengio：深度学习不会被取代
2019-12-15 13:43:41编译 | Just出品 | AI科技大本营在1990年代那个漫长而寒冷的AI寒冬期，大多数人认为神经网络是一条研究的死胡同，Yoshua Bengio等研究者却仍坚持不懈地进行着该领域的研究。最终他们的努力开花结果。由于对深度学习做出的巨大贡献，他与Yann Lecun和Geofrey Hinton等人在今年3月获得了图灵奖。如今，AI界关于深度学习缺点的讨论
-
《深度学习之TensorFlow》pdf
本书通过96个案例，全面讲解了深度学习神经网络原理和TensorFlow的使用方法。全书共分为3篇，第1篇深度学习与TensorFlow基础，包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow基本开发步骤、TensorFlow编程基础、识别图中模糊的手写数字等内容；第2篇深度学习基础——神经网络，介绍了神经网络的基础模型，包括单个神经元、多层神经网络、卷积神经网络、循环
-
深度学习 CNN 和 RNN 等模型简介
2019-12-14 09:45:25导读： 深度学习自从2006年以后已经 "火" 了十多年了，目前大家看到的，最普遍的应用成果是在计算机视觉、语音识别和自然语言处理 ( NLP )。 最近工业界也在努力地扩展它的应用场景，比如游戏、内容推荐和广告匹配等等。深度模型架构分三种：❶ 前向反馈网络： MLP，CNN❷ 后向反馈网络： stacked sparse coding,
-
深度学习瓶颈到来时，Yoshua Bengio有什么新打算（附NeurIPS演讲）
导语：确认挑战以后，我们就来解决它吧雷锋网 AI 科技评论按：我们都知道，深度学习的三驾马车获得了 2018 年的图灵奖，这是对深度学习的技术成功以及三人贡献的最佳肯定。最近几年里，Geoffrey Hinton 带来了知识蒸馏和胶囊网络，Yann LeCun 在继续研究 CV+机器人的同时，也坚持和 Gary Marcus 打网络口水仗。那么 Yoshua Bengio 在做什么呢？最
-
全新视角，探究「目标检测」与「实例分割」的互惠关系 | AAAI系列解读 02
2019-12-14 05:46:31作者 | 王绍儒编辑 | 唐里本篇文章是AI 科技评论 AAAI 2020 论文系列解读第 02 篇往期论文解读新角度看双线性池化，冗余、突发性问题本质源于哪里？| AAAI系列解读 01本文对中科院自动化所、地平线合作的论文《RDSNet: A New Deep Architecture for Reciprocal Object Detectio
-
新角度看双线性池化，冗余、突发性问题本质源于哪里？| AAAI系列解读 01
2019-12-12 05:27:21作者 | Zhi Gao编辑 | 唐里本篇文章是AI 科技评论 AAAI 2020 论文系列解读第 01 篇本文对北京理工大学、阿里文娱摩酷实验室合作的论文《RevisitingBilinear Pooling: A coding Perspective》进行解读，该论文发表在AAAI 2020，本文首先证明了常用的特征融合方法——双线性池化是一种
-
GNNets：自然场景下文字检测的几何归一化网络 | ICCV 2019
导语：ICCV 论文解读 - 商汤雷锋网AI科技评论按：本文由商汤科技投稿，简要介绍商汤科技研究团队在 ICCV2019 上录用的一篇文章：Geometry NormalizationNetworks for Accurate Scene Text Detection（GNNets），针对自然场景下文字检测的几何归一化网络。该文章通过对待处理图像的特征图进行几何变换，从而将待处理图像中几何分布差异
-
基于深度学习的图像分割在高德的实践
本文介绍了图像分割在高德地图从解决一些小问题的“手段”，逐步成长为高度自动化数据生产线的强大技术助力。
-
阿里巴巴的 Kubernetes 应用管理实践经验与教训
2019-12-09 13:07:09导读：高德地图拥有几千万的POI兴趣点，例如大厦、底商、学校等数据，而且每天不断有新的POI出现。为了维持POI数据的鲜度，高德会通过大量的数据采集来覆盖和更新。现实中POI名称复杂，多变，同时，名称制作工艺要求严格，通过人工来制作POI名称，需要花费大量的人力成本。因此，POI名称的自动生成就显得格外重要，而机器对商户挂牌的语义理解又是其中关键的
-
「杂谈」GAN对人脸图像算法产生了哪些影响？
2019-12-09 12:10:12人脸图像是整个图像领域里面研究人员最多，应用最广的一个方向。GAN作为时下最新兴的深度学习模型，在人脸图像领域里已经颇有建树，今天咱们就聊聊GAN对人脸图像算法的一些主要影响。文/编辑 | 言有三人脸检测人脸检测是一个古老的课题了，从传统算法发展到深度学习算法，已经非常的成熟，不过这并不是意味着完美。GAN在人脸检测领域中的贡献主要体现在小脸的超分
