一個端到端的深度學(xué)習(xí)系統(tǒng)，可以將足球比賽的YouTube視頻轉(zhuǎn)換為運動的3D全息圖

以 YouTube 視頻的幀作為輸入，我們使用 field lines 來恢復(fù)攝像機參數(shù)。然后，提取邊界框、姿勢和軌跡（跨多個幀）來分割球員。通過在視頻...

2018-07-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)全息圖 6.6k 0

DepGraph：任意架構(gòu)的結(jié)構(gòu)化剪枝，CNN、Transformer、GNN等都適用！

結(jié)構(gòu)化剪枝是一種重要的模型壓縮算法，它通過移除神經(jīng)網(wǎng)絡(luò)中冗余的結(jié)構(gòu)來減少參數(shù)量，從而降低模型推理的時間、空間代價。在過去幾年中，結(jié)構(gòu)化剪枝技術(shù)已經(jīng)被廣泛...

2023-03-29 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)模型cnn 6.6k 0

神經(jīng)網(wǎng)絡(luò)運用領(lǐng)域

神經(jīng)網(wǎng)絡(luò)可以研究特定藝術(shù)品的筆畫，顏色和陰影中的圖案。在此基礎(chǔ)上，可以將原作的風(fēng)格轉(zhuǎn)化為新的形象。DeepArt.io就是一個例子，該公司創(chuàng)建的應(yīng)用程序...

2018-11-24 標(biāo)簽：神經(jīng)網(wǎng)絡(luò) 6.6k 0

神經(jīng)網(wǎng)絡(luò)技術(shù)在網(wǎng)絡(luò)視頻處理的應(yīng)用探討

由于目前谷歌等大型網(wǎng)絡(luò)公司對神經(jīng)網(wǎng)絡(luò)的深入研究?，F(xiàn)在卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)能對文字和圖片的進行識別高效而準(zhǔn)確的識別。但是對于視頻內(nèi)容的識別還處于開始階段。于是...

2020-04-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)函數(shù)機器學(xué)習(xí) 6.5k 0

深度學(xué)習(xí)中所涉及的有關(guān)神經(jīng)網(wǎng)絡(luò)的理論知識

人工智能主要是為了解決預(yù)測（回歸）和分類兩大問題。在生活中，預(yù)測的例子有很多，比如根據(jù)房屋面積等信息預(yù)測房屋的價格，或是根據(jù)前幾年的銷售額，預(yù)測今年的銷...

2019-02-25 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能無人駕駛 6.5k 0

AI服務(wù)器的用途、特點、應(yīng)用場景及發(fā)展趨勢

AI服務(wù)器，即人工智能服務(wù)器，是專門用于運行人工智能應(yīng)用和算法的高性能計算機系統(tǒng)。隨著人工智能技術(shù)的快速發(fā)展，AI服務(wù)器在各行各業(yè)的應(yīng)用越來越廣泛，為人...

2024-07-02 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計算機系統(tǒng)人工智能 6.5k 0

基于神經(jīng)網(wǎng)絡(luò)PID控制器的設(shè)計提高系統(tǒng)的魯棒性和可靠性

PID（比例-積分-微分）控制器作為最早實用化的控制器已有50多年歷史，因其具有算法簡單、魯棒性好、可靠性高、直觀性好等優(yōu)點被廣泛的應(yīng)用于工業(yè)過程控制及...

2020-04-19 標(biāo)簽：控制器神經(jīng)網(wǎng)絡(luò)pid 6.5k 0

完全卷積掩碼自編碼器框架——ConvNeXt V2

ConvNeXt V2 最終在各種識別基準(zhǔn)上的性能，包括 ImageNet 分類、COCO 檢測和 ADE20K 分割任務(wù)上均取得了極具競爭力的結(jié)果，其...

2023-01-05 標(biāo)簽：編碼器神經(jīng)網(wǎng)絡(luò)cnn 6.5k 0

人工智能與環(huán)境保護站在對立面嗎？

人工智能背后的碳排放引發(fā)關(guān)注 根據(jù)一份提交到自然語言處理頂會ACL 2019的論文，三位來自馬薩諸塞大學(xué)安姆斯特分校的研究人員對幾種常見的NLP模...

2019-06-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能機器學(xué)習(xí) 6.5k 0

2018年以來最重要的10篇計算機視覺/圖像生成相關(guān)的研究

卷積神經(jīng)網(wǎng)絡(luò)（CNN）可以很好的處理二維平面圖像的問題。然而，對球面圖像進行處理需求日益增加。例如，對無人機、機器人、自動駕駛汽車、分子回歸問題、全球天...

2019-02-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計算機視覺機器學(xué)習(xí) 6.4k 0

如何用深度學(xué)習(xí)模型，模仿人類的教練過程？

1940年代，科學(xué)家們模仿神經(jīng)元的解剖學(xué)構(gòu)造，發(fā)明了一種數(shù)據(jù)結(jié)構(gòu)——神經(jīng)元 perceptron?？茖W(xué)家們發(fā)現(xiàn)，把多個神經(jīng)元組合在一起，構(gòu)成神經(jīng)網(wǎng)絡(luò)，神...

2018-08-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)深度學(xué)習(xí) 6.4k 0

使用TensorFlow生成的高分辨率抽象藝術(shù)圖片的實現(xiàn)解析

Google Brain機器學(xué)習(xí)開發(fā)者h(yuǎn)ardmu使用TensorFlow，基于CPPN網(wǎng)絡(luò)生成了許多有趣的高分辨率抽象藝術(shù)圖片。一起來看看他是怎么做的吧。

2018-01-02 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)圖像生成tensorflow 6.4k 0

深度學(xué)習(xí)的定義和特點 深度學(xué)習(xí)典型模型介紹

深度學(xué)習(xí)（Deep Learning）是一種基于人工神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)算法，其主要特點是模型由多個隱層組成，可以自動地學(xué)習(xí)特征，并進行預(yù)測或分類。該算法...

2023-08-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計算機人工神經(jīng)網(wǎng)絡(luò) 6.4k 0

深度學(xué)習(xí)術(shù)可以由一而多的圖像翻譯

同樣的技術(shù)還能用于生成一天中不同時間的場景圖像、不同天氣條件下或者光照條件下的場景。這樣的技術(shù)對于需要大量數(shù)據(jù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)大有裨益。

2018-04-24 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)自動駕駛深度學(xué)習(xí) 6.4k 0

難以處理的組合爆炸問題正是深度神經(jīng)網(wǎng)絡(luò)的致命弱點

需要大量的注釋數(shù)據(jù)；難以在標(biāo)準(zhǔn)測試集外取得良好表現(xiàn)；對于數(shù)據(jù)的微小變化尤為敏感。這都是近年來深度學(xué)習(xí)被詬病的缺陷。

2019-02-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計算機視覺 6.4k 0

一種通過引入硬注意力機制來引導(dǎo)學(xué)習(xí)視覺回答任務(wù)的研究

此外，通過對特征向量的 L2 正則化處理來選擇重要性特征，我們的視覺問答框架進一步采用硬注意力機制進行增強。我們將最初的版本成為硬注意力網(wǎng)絡(luò) HAN (...

2018-10-04 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)圖像數(shù)據(jù)庫 6.4k 0