深度學習數(shù)據(jù)集,哪里可以獲得這些數(shù)據(jù)？

這是用于開發(fā)物體檢測算法的真實世界圖像數(shù)據(jù)集。這些只需要最少的數(shù)據(jù)預處理。它與本列表中提到的MNIST數(shù)據(jù)集類似，但擁有更多標簽數(shù)據(jù)（超過600,000...

2018-04-27 標簽：圖像處理深度學習自然語言 1.3萬 0

為什么要用無監(jiān)督學習？無監(jiān)督深度學習范例研究

讓我們用一個例子來更好地理解這個概念。比如說，銀行想要對客戶進行分組，以便他們能向客戶推薦合適的產(chǎn)品。他們可以通過數(shù)據(jù)驅動的方式來完成這件事——首先通過...

2018-09-27 標簽：機器學習深度學習 1.3萬 0

什么是智能內容生成？萬字講述智能內容生成實踐

事實上，Data2Seq領域在工業(yè)界有著非常大的應用價值，應用領域如天氣預報、體育報道、財經(jīng)新聞和醫(yī)療報告等。一些典型的公司如Automated Ins...

2019-04-22 標簽：深度學習自然語言知識圖譜 1.3萬 0

人工智能、機器學習、深度學習有什么關系？

有三個詞，這兩年出現(xiàn)的頻率越來越高：人工智能（AI），機器學習（ML），深度學習（DL），到底他們哥仨是什么關系？

2018-06-08 標簽：人工智能機器學習深度學習 1.3萬 0

什么是遷移學習？遷移學習的實現(xiàn)方法與工具分析

人工智能競爭，從算法模型的研發(fā)競爭，轉向數(shù)據(jù)和數(shù)據(jù)質量的競爭，這些成功的模型和算法主要是由監(jiān)督學習推動的，而監(jiān)督學習對數(shù)據(jù)極度饑渴，需要海量數(shù)據(jù)（大數(shù)據(jù)...

2018-05-11 標簽：人工智能機器學習深度學習 1.3萬 0

如何用Python識別停車位？

解決一個復雜的問題，首先第一步是要把問題分解成幾個簡單子任務。然后，針對每個子任務，運用機器學習中不同的方法來分別解決每個問題。最后把這些子任務貫穿起來...

2019-01-29 標簽：機器學習python深度學習 1.3萬 0

AI頭發(fā)分割模塊、頭發(fā)換色、顏色增強與修正模塊等技術原理

那么，我們先將紅色轉換為對應的hsv，然后保留原始黑色頭發(fā)的V，紅色頭發(fā)的hs，重新組合新的hsV，在轉換為RGB顏色空間，即為頭發(fā)換色之后的效果(hs...

2018-08-03 標簽：AI深度學習 1.3萬 0

淺論學習深度學習的四個步驟

深度學習的概念源于人工神經(jīng)網(wǎng)絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)...

2018-10-07 標簽：機器學習深度學習 1.3萬 0

3個時代，3盤對弈，人工智能是否能繼續(xù)戰(zhàn)勝人類？

從人機對弈這件小事，和你聊聊人工智能的發(fā)展。

2018-03-30 標簽：人工智能深度學習AlphaGo 1.3萬 0

到底誰可以產(chǎn)生更好的圖像修復結果？什么是圖像修補？

在自動識別方法中：排名第一的是深度學習方法-基于生成的圖像修復方法。但這不是一次壓倒性的勝利，因為這個算法從未達到我們研究中任何圖像的最佳分數(shù)。 “城市...

2018-10-18 標簽：圖像深度學習 1.2萬 0

BERT在機器閱讀理解測試SQuAD1.1中表現(xiàn)出驚人的成績

如何來實現(xiàn)上下文全向預測呢？BERT 的作者建議使用 Transformer 模型。這個模型在《Attention Is All You Need》一文...

2018-10-18 標簽：谷歌深度學習 1.2萬 0

基于yolo算法進行改進的高效衛(wèi)星圖像目標檢測算法

同時目標檢測算法對于不常見的的比例或新的圖像分布缺乏一定的泛化能力。由于物體可能的方向和尺寸比例各不相同，算法有限的比例變化對于特殊目標的檢測就會失效。...

2018-06-01 標簽：算法衛(wèi)星深度學習 1.2萬 0