-
这才是深度学习的本源
内容来源：2019年7月26日，在长城会主办的“GMIC之院士AI论坛”上，索尔克生物研究所计算神经生物学实验室主任特伦斯进行了以“人工智能，将成科技的最大风口”为主题的精彩分享。笔记侠作为合作方，未经主办方和讲者审核。讲者 | 特伦斯封面设计 & 责编 | 马畅第 3960 篇深度好文：6003 字 | 12 分钟阅读完整笔记·人工智能本文优质度：
-
深度学习下的微表情研究：困难、进展及趋势 | CNCC 2019
人是善于通过表情伪装情绪的动物，但心理学家却能够通过“微表情”来揭示人们试图隐藏的真实情绪。所谓微表情，是一种持续时间极短、在人们试图掩饰自己真实情绪时泄露出来的面部动作。如果看过美剧《Lie to Me》，应该对微表情不会陌生。男主卡尔•莱特曼是一个微表情专家，他不需要借助测谎仪之类的设备，也不需要收集各种证据，甚至不需要对话，只需要观察细微的表情变化便可以判断一个人是否说谎。之所以能够这样，是
-
如何优化深度神经网络？
训练一个深度神经网络以实现最佳的性能是一件具有挑战的任务。在本文中，我将会探索这项任务中最常见的问题及其解决方案。这些问题包括网络训练时间过长，梯度消失与爆炸以及网络初始化，我们在此统称为优化问题。而在训练网络中出现的另一类问题则称作正则化问题，对此，我已经在之前的文章中讨论过了，如果你没有阅读过，可以点击下方链接阅读原文。Improving Deep Neural Networks &
-
名人青春励志语录
名人青春励志语录： 1、一件事被所有人都认为是机会的时候，其实它已不是机会了。 2、天才就是无止境刻苦勤奋的能力。——卡莱尔 3、无论头上是怎样的天空，我准备承受任何风暴。——拜伦 4、聪明出于勤奋，天才在于积累。——华罗庚 5、我宁愿靠自己的力量打开我的前途，而不求权势者垂青。——雨果 6、进步，意味着目标不断前移，阶段不断更新，它的视影不断变化。——雨果 7、我们应当努力奋斗
-
自动驾驶中高精地图的大规模生产：视觉惯导技术在高德的应用
本文将首先介绍视觉和惯导的主流设备，视觉惯导融合的框架和关键技术，高德在基于视觉方式生成高精地图道路标志和地面标识要素的计算方案，最后总结了这项技术在高精地图精度上所面临的挑战和未来发展方向。
-
Facebook模型FixResNeXt升级，再次刷新ImageNet图像分类记录
2019-07-30 13:57:37Facebook AI宣布，他们的FixResNeXt预训练模型在ImageNet排行榜的图像分类任务中登上第一名的宝座，再次刷新了该项记录。研究人员提出一种简单而高效的策略，用以优化训练集和测试集的分辨率，从而提高了分类器的准确度，并降低了训练时间。相关代码和预训练模型均已开源。https://www.toutiao.com/a671933141153218
-
海量案例！生成对抗网络（GAN）的18个绝妙应用
全文共6531字，预计学习时长13分钟图片来源：pexels.com/@gravitylicious生成对抗网络（GAN）是生成模型的一种神经网络架构。生成模型指在现存样本的基础上，使用模型来生成新案例，比如，基于现存的照片集生成一组与其相似却有细微差异的新照片。GAN是使用两个神经网络模型训练而成的一种生成模型。其中一个称为“生成器”或“生成网络”模型，可学习生成新的可用案例。另一个称为“判别器
-
动手学深度学习需要这些数学基础知识
https://www.toutiao.com/a6716993354439066124/ 本附录总结了本书中涉及的有关线性代数、微分和概率的基础知识。为避免赘述本书未涉及的数学背景知识，本节中的少数定义稍有简化。A.1 线性代数下面分别概括了向量、矩阵、运算、范数、特征向量和特征值的概念。A.1.1 向量本书中的向量指的是列向量。一个n维向量x的表达式可写成其中是向量的元素。我们将各元素均为实数
-
深度学习到底有多深？
http://www.woshipm.com/ai/2585485.html 现在搞AI的公司，不管用什么样的算法，都想让自己跟深度学习扯上点关系，因为这样好像显得逼格够高。目前比较前沿的语音交互、计算机视觉等，就连神坛的Alpha Go的算法都是用深度学习。那究竟深度学习是什么？到底有多强大？要怎么实现？本文就跟大家一起讨论下。在看接下来的内容之前，如果对机器学习还不了解的同学，可以先看下这篇《
-
「技术综述」一文道尽R-CNN系列目标检测
https://www.toutiao.com/a6714257044163002891/ 作者 | 言有三、Yolo编辑 | 言有三目标检测任务关注的是图片中特定目标物体的位置。一个检测任务包含两个子任务，其一是输出这一目标的类别信息，属于分类任务。其二是输出目标的具体位置信息，属于定位任务。分类的结果是一个类别标签，对于单分类任务而言，它就是一个数，对于多分类任务，就是一个向量。定位任务的输出
-
「技术综述」图像与CNN发家简史，集齐深度学习三巨头
https://www.toutiao.com/a6713550229796291083/ 作者 | 言有三编辑 | 言有三没有一个经典的发现会是突然之间横空出世，它总是需要一些积淀。提起卷积神经网络，我们总会从LeNet5开始说起，但是LeNet5不是起点也不是终点，这一期扒一下图像和CNN的发家历史。1 图像1.1 什么是图像人们睁眼看世界，看的就是图像。图像的英文名是image，来
-
「完结」总结12大CNN主流模型架构设计思想
https://www.toutiao.com/a6711967979245928971/ 专栏《CNN模型解读》正式完结了，在这一个专栏中，我们给大家回顾了深度学习中的各类具有代表性的CNN模型，详细分析了各类模型的特点，设计思想。当然，这一个系列不可能包含所有的模型，但是我们可以从中洞见最核心的思想。后续的内容请大家移步有三AI知识星球。作者 | 言有三编辑 | 言有三1 从LeNe
-
「模型解读」历数GAN的5大基本结构
https://www.toutiao.com/a6711705345447690763/生成对抗网络是近几年来无监督学习领域里最大的进展，被誉为下一代深度学习，不管是研究热度还是论文数量，已经逼近甚至超越传统判别式的CNN架构。这一次我们简单介绍一下生成对抗网络的主流模型结构，从一个生成器一个判别器到多个生成器多个判别器。作者 | 言有三编辑 | 言有三1 单判别器单生成器我们这一期文
-
使用深度学习的交通标志检测
https://www.toutiao.com/a6708677717547549197/ 交通标志是我们道路安全中最重要的部分，因为它们会在您开车行驶之前告诉您重要的事情。在主要交叉路口或十字路口须遵循的指示，指引司机确保道路交通安全和正常行驶。每年大约有135万人由于道路交通事故死亡。世界上大多数国家的政府都强制要求遵守交通规则和标志。在当今这个时代，世界各地的工程师都在尝试使用自动驾驶系统和
-
AutoML和AutoDL：简化
https://www.toutiao.com/a6708629818176438791/ 什么是AutoML？作为一名数据科学研究工程师，任何问题陈述的最耗时的任务都是数据分析、试验和选择正确的算法和参数调整。所有这些都需要人类的专业知识，这也是数据科学家如今如此重要的原因。但如果可以消除这种人为干预呢？如果可以制作出能够选择正确算法的模型，进行数据分析和微调以获得完美模型的情况怎么办？这就是A
-
面向电力安全的智能视频分析解决方案
BVS智慧电力解决方案可以对分散的电力集中管理，及时发现安全隐患，科学规划统筹管理，做到事前预警、事中处理、事后取证，同时也进一步丰富了视频检测的功能。
-
安全帽识别软件能够解决现场管理诸多问题
在冶金、 建筑、 电力 、矿山、交通运输等工作现场，人员安全事故时有发生，因此现场安全管理非常重要。安全帽作为一款常见且实用的个人防护工具，能够有效防止和减轻外来危险源对头部的伤害。
-
从MobileNet看轻量级神经网络的发展
https://www.toutiao.com/a6707520692222427660/ 前 言随着深度学习的火热，计算机视觉领域内的卷积神经网络模型也层出不穷。从1998年的LeNet，到2012年引爆深度学习热潮的AlexNet，再到后来2014年的VGG，2015年的ResNet，深度学习网络模型在图像处理中应用的效果越来越好。神经网络体积越来越大，结构越来越复杂，预测和训练需要的硬件资源
-
神经网络图的简介（基本概念，DeepWalk以及GraphSage算法）
https://www.toutiao.com/a6707459730836554253/ 近来，图神经网络(GNN)在各个领域广受关注，比如社交网络，知识图谱，推荐系统以及生命科学。GNN在对图节点之间依赖关系进行建模的强大功能使得与图分析相关的研究领域取得了突破。 本文旨在介绍图形神经网络的基础知识两种较高级的算法，DeepWalk和GraphSage。图在我们学习GAN之前，大家先了解一下什
-
什么？神经网络还能创造新知识？
https://www.toutiao.com/a6707425789375152647/ 图片来源：Unsplash神经网络(NNs)可以在不知道用显式算法执行工作的情况下被设计和训练于特定的任务，很多人都对此表示惊叹。例如，著名的手写体数字识别教程很容易执行，但其背后的逻辑还是隐藏在神经网络下，仅能通过层次化结构、权值和激活函数略知一二。本文通过神经网络透明原则来揭示其“黑盒知识”，为此来检验
