【四旋翼飞行器】76小时吃透四轴算法!史上最强软硬结合实战项目,👉戳此立抢👈

深度学习在图像识别领域的四大方向

智车科技 2018-12-01 08:54 次阅读
在计算机视觉领域,图像识别这几年的发展突飞猛进。例如,在PASCAL VOC物体检测基准测试中,检测器的性能从平均准确率30%飙升到了今天的超过90%。对于图像分类,在极具挑战性的ImageNet数据集上,目前先进算法的表现甚至超过了人类。 图像识别技术的高价值应用就发生在你我身边,例如视频监控、自动驾驶和智能医疗等,而这些图像识别最新进展的背后推动力是深度学习。深度学习的成功主要得益于三个方面:大规模数据集的产生、强有力的模型的发展以及可用的大量计算资源。对于各种各样的图像识别任务,精心设计的深度神经网络已经远远超越了以前那些基于人工设计的图像特征的方法。 尽管到目前为止深度学习在图像识别方面已经取得了巨大成功,但在它进一步广泛应用之前,仍然有很多挑战需要我们去面对。与此同时,我们也看到了很多具有未来价值的研究方向。 挑战一:如何提高模型的泛化能力 图像识别技术在可以被广泛应用之前,一个重要的挑战是,怎样才能知道一个模型对未曾出现过的场景仍然具有很好的泛化能力。 在目前的实践中,数据集被随机划分为训练集和测试集,模型也相应地在这个数据集上被训练和评估。需要注意的是,在这种做法中,测试集拥有和训练集一样的数据分布,因为它们都是从具有相似场景内容和成像条件的数据中采样得到的。 然而,在实际应用中,测试图像或许会来自不同于训练时的数据分布。这些未曾出现过的数据可能会在视角、大小尺度、场景配置、相机属性等方面与训练数据不同。 一项研究表明,数据分布上的这种差异会导致各种深度网络模型的准确率产生明显的下降 。当前模型对数据分布自然变化的敏感性可能成为自动驾驶等关键应用的一个严重问题。 挑战二:如何利用小规模和超大规模数据 我们需要面对的另一个重要的挑战是如何更好地利用小规模训练数据。虽然深度学习通过利用大量标注数据在各种任务中都取得了巨大的成功,但现有的技术通常会因为只有很少的标记实例可用而在小数据情景中崩溃。这个情景通常被称为“少样本学习(few-shot learning)”,并需要在实际应用中仔细考虑。例如,一个家庭机器人被期望可以完成这样的任务:向它展示一个新物体,且只展示一次,之后它便可以识别这个物体。一个人可以很自然地完成这个任务,即使这个物体之后又被操作过了,例如一个毛毯被折叠起来了。如何赋予神经网络像人类这样的泛化能力是一个开放的研究问题。 另一个极端是如何利用超大规模数据有效地提高识别算法的性能。对于像自动驾驶这样的关键应用,图像识别的出错成本非常高。因此,研究者们创造出了非常庞大的数据集,这些数据集包含了数以亿计的带有丰富标注的图像,并且他们希望通过利用这些数据使模型的准确度得到显著提高。 然而,目前的算法并不能很好地利用这种超大规模数据 。在包含了3亿张标注图片的JFT数据集上,各种深度网络的性能随着训练数据量的增加,仅仅呈现出对数级的提高(图一)。在大规模数据的情况下,继续增加训练数据带来的收益会变得越来越不明显,这是一个有待解决的重要问题。 一  目标检测在JFT-300M数据集上的性能随训练样例的增多呈对数倍的提高。x轴是对数尺度下的数据大小。y轴是目标检测的性能。左图使用COCO minival测试集上的mAP@[0.5,0.95]  指标,右图使用PASCAL VOC 2007测试集上的mAP@0.5指标 。红蓝两条曲线分别代表两种不同的模型。 挑战三:全面的场景理解 除了这些与训练数据和泛化能力相关的问题外,还有一个重要的研究课题是全面的场景理解。除了识别和定位场景中的物体之外,人类还可以推断物体和物体之间的关系、部分到整体的层次、物体的属性和三维场景布局。 获得对场景的更广泛的理解将会帮助例如机器人交互这样的应用,因为这些应用通常需要物体标识和位置以外的信息。这个任务不仅涉及到对场景的感知,而且还需要对现实世界的认知理解。要实现这一目标,我们还有很长的路要走。全面的场景理解的一个例子为全景分割,见图二。 图二 (a)原图;(b)语义分割:识别天空、草地、道路等没有固定形状的不可数材质(stuff),标记方法通常是给每个像素加上标签 ;(c)实例分割:分割人、动物或工具等可数且独立的物体实例(object instance),通常用包围盒或分割掩码标记目标;(d)全景分割:生成统一的、全局的分割图像,既识别材质,也识别物体。 挑战四:自动化网络设计 最后一个值得一提的挑战是使网络设计自动化。近年来,图像识别这一领域的重心从设计更好的特征转向了设计更新的网络架构。然而,设计网络架构是一个冗长乏味的过程,它需要处理大量的超参数和设计选择。调优这些元素需要有经验的工程师花费大量的时间和精力。 更重要的是,一个任务的最优架构和另一个任务的最优架构可能是完全不同的。尽管我们对自动神经架构搜索的研究已经开始了,但它们仍然处于早期阶段并且仅适用于图像分类任务。当前方法的搜索空间非常狭窄,因为它们寻找的是现有网络模块的局部最优组合(例如深度可分离卷积和恒等连接),并且无法发现新的模块。目前还不清楚这些现有的方法是否足以胜任更复杂的任务。 图三 神经架构搜索算法的抽象图解。搜索策略首先从事先定义好的搜索空间中选择一个架构A,这个构架接着被评估策略进行评估,并将评估的A的性能传递给搜索策略 。 尽管在图像识别领域存在上述诸多挑战,但我们仍然相信深度学习在图像识别领域的巨大潜力。解决这些问题的机会比比皆是,下面我们看看这其中的几个研究方向: 方向一:整合常识 图像识别领域有一个重要的研究方向是将常识融入到深度学习中。目前,深度学习主要作为一种纯粹的数据驱动技术被使用。在深度学习中,神经网络利用训练集中的标注样本学习一个非线性函数,之后在测试时则将这个学习到的函数作用到图片像素上。训练集之外的信息则一点也没有被用到。 相比之下,人类识别物体不仅基于已经看到的样本,还基于他们有关真实世界的常识。人们能够对他们所看到的东西进行推理,以避免不合逻辑的识别结果。此外,当遇到新的或超出预期的东西时,人类可以迅速调整他们的知识来解释这次的新经历。如何在深度网络中获取、表示常识以及利用常识进行推理是一个挑战。 方向二:几何推理 联合执行图像识别和几何推理则是另一个有潜力的方向。图像识别的主要模型只考虑了二维外观,而人类可以感知三维场景布局以及推断其内在的语义类别。三维布局不仅可以从双目视觉中获得,还可以从二维输入的几何推理中得到,就像人们看照片时所做的那样。联合图像识别和几何推理为双方都提供了好处。 从几何推理中确定的三维布局可以帮助在看不见的视角、变形和外观的情况下引导识别。它还可以消除不合理的语义布局,并帮助识别由其三维形状或功能定义的类别。例如,沙发中存在着巨大的类内外观差异。然而,它们拥有共同的属性,可以帮助识别它们。比如它们都有一个水平面用来坐,一个背面用于支撑。另一方面,识别出来的语义可以规范化几何推理的解空间。例如,如果一只狗在一个场景中被识别,它相应的三维结构应该符合狗的三维形状模型。 图四 从视频的两个不同视角的帧重建出复杂动态场景的点云  方向三:对关系建模 关系建模也有很大的研究潜力。想要全面理解一个场景,对场景中存在的目标实体之间的关系和相互作用的建模非常重要(图四)。考虑两张图片,每个图片都包含一个人和一匹马。如果一张展示的是骑着马的人,另一张展示的是踩着人的马,显然这两张图片表达了完全不同的意思。此外,通过关系建模提取的底层场景结构可以帮助补偿当前深度学习方法因数据有限而出现的模糊不确定等问题。尽管人们已经在努力解决关系建模这个问题,但这项研究仍然是初步的,并且还有很大的探索空间。 图五 目标检测中的关系网络。表示物体的外表特征,表示物体的几何特征  方向四:学习如何学习 这里还有一个值得一提的方向是元学习,它的目标是学习学习过程。这个课题最近引起了相当多的关注,而且神经架构搜索也可以被认为是它的一种应用。 然而,由于目前对学习过程建模的机制、表示和算法还比较初级,元学习的研究仍处于早期阶段。以神经架构搜索为例,它只局限于现有网络模块的简单组合。元学习者无法捕捉到创作新网络模块所需的微妙的直觉和敏锐的洞察力。随着元学习的进步,自动架构设计的潜力可能会被完全释放出来,进而得到远超手工设计的网络结构。 图六 元学习近期的进展。自左至右分别为元学习的超参数优化 、神经架构搜索 、少样本图像分类 。 这是一个激动人心的从事图像识别的时代,一个充满了推动领域发展、影响未来应用的机会时代。我们热切盼望即将到来的进步,并期待这些新技术以深刻而神奇的方式改变我们的生活。
原文标题:图像识别的未来:机遇与挑战并存 文章出处:【微信号:IV_Technology,微信公众号:智车科技】欢迎添加关注!文章转载请注明出处。
收藏 人收藏
分享:

评论

相关推荐

深度学习在计算机视觉领域的瓶颈已至

有种策略,是把标准对抗攻击 (Adversarial Attacks) 的概念扩展到包含非局部结构 ....
的头像 悟空智能科技 发表于 02-18 14:52 77次 阅读
深度学习在计算机视觉领域的瓶颈已至

雷洪钧:汽车自动驾驶技术与实例的研究(上)

光学摄像头,按安装位置不同的分类车载摄像头布置位置(见图1)主要包括内视摄像头、后视摄像头、前置摄像....
的头像 智车科技 发表于 02-18 14:28 189次 阅读
雷洪钧:汽车自动驾驶技术与实例的研究(上)

史上最强通用NLP模型诞生

OpenAI今天在官博上介绍了他们的新NLP模型,刷新了7大数据集的SOTA(当前最佳结果),并且能....
的头像 人工智能和机器人研究院 发表于 02-18 14:19 132次 阅读
史上最强通用NLP模型诞生

先天结构或是人工智能发展的下一个方向

人工智能从神经科学领域吸收了大量养分,并由此催生了深度学习和强化学习等智能处理方法。以色列魏茨曼科学....
的头像 电子发烧友网工程师 发表于 02-18 10:24 547次 阅读
先天结构或是人工智能发展的下一个方向

图神经网络到底有多厉害?斯坦福33页PPT带你看明白!

新智元今天为大家推荐一份PPT综述,作者是斯坦福大学的多位博士后和博士生。这篇综述由基于神经网络和图....
的头像 新智元 发表于 02-18 09:04 170次 阅读
图神经网络到底有多厉害?斯坦福33页PPT带你看明白!

OV2640和OV7725图像识别跟踪摄像头腐蚀算法找物体代码

利用摄像头的腐蚀算法寻找物体,主芯片采用STM32,编译环境,Keil,关于ov7725以及ov76....
发表于 02-18 08:00 13次 阅读
OV2640和OV7725图像识别跟踪摄像头腐蚀算法找物体代码

国内某人脸识别公司数据泄露影响超250万人

2月15日,根据微博安全应急响应中心消息,国内某人脸识别公司发生大规模数据泄露事件。
的头像 芯智讯 发表于 02-17 10:06 483次 阅读
国内某人脸识别公司数据泄露影响超250万人

探析从贝叶斯到深度学习及各自优缺点

集成方法是由多个较弱的模型集成模型组,其中的模型可以单独进行训练,并且它们的预测能以某种方式结合起来....
的头像 人工智能学家 发表于 02-17 09:56 224次 阅读
探析从贝叶斯到深度学习及各自优缺点

DNN解决ImageNet时的策略似乎比我们想象的要简单得多

这就避免了对图像的显式分区,并且尽可能接近标准CNN,同时仍然实现概述的策略,我们称之为模型结构Ba....
的头像 新智元 发表于 02-16 11:12 263次 阅读
DNN解决ImageNet时的策略似乎比我们想象的要简单得多

推荐一本中文PyTorch书籍——PyTorch中文手册

12 月 8 日 PyTorch 已经发布 1.0 的稳定版。 API 的改动不是很大,本教程已经通....
的头像 新智元 发表于 02-16 10:58 309次 阅读
推荐一本中文PyTorch书籍——PyTorch中文手册

中国6家公司上榜全球AI初创企业100强

日前,全球知名创投研究机构CB Insights公布了2019全球100强AI初创企业排行榜,这10....
的头像 机器人技术与应用 发表于 02-15 17:07 807次 阅读
中国6家公司上榜全球AI初创企业100强

深度学习的基础理论,深度学习为何work又为何不work?

深度学习的泛化能力为什么那么好?大家知道深度学习理论的第一个谜团就是一个大的网络动辄百万参数, 而能....
的头像 人工智能学家 发表于 02-15 16:47 838次 阅读
深度学习的基础理论,深度学习为何work又为何不work?

为什么现在的人工智能助理都像人工智障

大家好,我又出来怼人了。 “ 我不是针对谁,只是现在所有的深度学习都搞不定对话AI。”
的头像 算法与数据结构 发表于 02-15 16:11 617次 阅读
为什么现在的人工智能助理都像人工智障

谷歌等探索深度学习新理论蓝图

深度学习需要更多的理论!这是学术界的一个共识。神经网络十分强大,但往往不可预测。现在,谷歌大脑、FA....
的头像 机器人大讲堂 发表于 02-15 15:16 219次 阅读
谷歌等探索深度学习新理论蓝图

人工智能最新现状分析,智能化时代要来临了吗?

现在人工智能确实非常好,各种人才进入人工智能行业开始研究各种产品,火热程度超越以前。但是真正落地的应....
发表于 02-15 10:15 361次 阅读
人工智能最新现状分析,智能化时代要来临了吗?

AI大夫的能力又精进了,有产品有真相

该模型先通过自然语言处理技术对电子病例进行标注,再利用逻辑回归来建立层次诊断。这是一种基于器官的方法....
的头像 人工智能学家 发表于 02-14 15:13 332次 阅读
AI大夫的能力又精进了,有产品有真相

自然语言处理技术基于文本型电子病历(EMR)做临床智能诊断的研究成果!

我们通过阅读训练数据中的句子,并选择临床相关单词以用于查询-答案模型构建来生成词典。词典的关键词由我....
的头像 新智元 发表于 02-14 08:56 543次 阅读
自然语言处理技术基于文本型电子病历(EMR)做临床智能诊断的研究成果!

一份2019 AI算法岗求职攻略,快来“扫盲”吧!

目前该攻略已涵盖校招时间表、准备攻略、刷题指南、内推、AI公司清单和答疑等资料。资料已经上传到 AI....
的头像 新智元 发表于 02-14 08:54 270次 阅读
一份2019 AI算法岗求职攻略,快来“扫盲”吧!

探索深度学习蓝图新理论 让神经网络更深更窄

深度学习需要更多的理论!这是学术界的一个共识。神经网络十分强大,但往往不可预测。
的头像 人工智能 发表于 02-13 15:30 112次 阅读
探索深度学习蓝图新理论 让神经网络更深更窄

7种架构范例的深度学习,每个范例都提供了TensorFlow教程

在下面的部分中,我将简要描述这 7 种架构范例,并提供每个范例的演示性TensorFlow 教程的链....
的头像 新智元 发表于 02-13 10:40 284次 阅读
7种架构范例的深度学习,每个范例都提供了TensorFlow教程

DeepMind的“星际2”智能体AlphaStar实际上是演化算法?

在AlphaStar中,用于训练智能体的基于人口的训练策略(PBT)是使用拉马克进化(LE)的模因算....
的头像 新智元 发表于 02-13 10:34 287次 阅读
DeepMind的“星际2”智能体AlphaStar实际上是演化算法?

ICLR-17最佳论文《理解深度学习需要重新思考泛化》

本文提供了进一步的经验证据,并进行了可能更细致的分析。尤其是,我们凭经验表明,深层网络中的层在表示预....
的头像 新智元 发表于 02-13 10:26 172次 阅读
ICLR-17最佳论文《理解深度学习需要重新思考泛化》

深度学习需要更多的理论!我们对神经网络几乎一无所知

他将这种情况与另一种革命性技术的发展进行类比:蒸汽机。最初,蒸汽机除了抽水之外没有别的用处。后来,蒸....
的头像 新智元 发表于 02-13 09:55 238次 阅读
深度学习需要更多的理论!我们对神经网络几乎一无所知

从四个经典角度看机器学习的本质

何谓“机器学习”,学界尚未有统一的定义。本文摘取Tom Mitchell、Christopher M....
的头像 新智元 发表于 02-13 09:44 351次 阅读
从四个经典角度看机器学习的本质

面向图谱的深度学习会迎来重大突破吗

神经网络(Graph NN)是近来的一大研究热点,尤其是DeepMind提出的“Graph Netw....
的头像 新智元 发表于 02-13 09:37 267次 阅读
面向图谱的深度学习会迎来重大突破吗

想真正达到理想中的人工智能 深度学习的瓶颈有待于人们的进一步突破

从人工智能的发展过程看,深度学习是继专家系统之后人工智能应用的又一重要研究领域,也是人工智能和神经计....
发表于 02-13 09:22 108次 阅读
想真正达到理想中的人工智能 深度学习的瓶颈有待于人们的进一步突破

视频和图像识别部分将占据最大的边缘AI软件市场

全球第二大市场研究机构MarketsandMarkets日前发布报告称全球边缘人工智能(AI)软件市....
发表于 02-13 08:44 110次 阅读
视频和图像识别部分将占据最大的边缘AI软件市场

如何选择合适的深度学习框架开展AI研究

深度学习框架正如一家杂货店,当人们想要做一顿美餐的时候,想必没有几个人会亲自到菜园里种菜,而是选择从....
的头像 英伟达NVIDIA中国 发表于 02-12 10:09 226次 阅读
如何选择合适的深度学习框架开展AI研究

教你用PyTorch快速准确地建立神经网络

动态计算图:PyTorch被称为“由运行定义的”框架,这意味着计算图结构(神经网络体系结构)是在运行....
的头像 电子发烧友网工程师 发表于 02-11 14:33 413次 阅读
教你用PyTorch快速准确地建立神经网络

如何将CycleGAN用于风格迁移并探索其在游戏图形模型中的应用

该网络能够理解原始域图像中的对象,并对目标域图像中相同对象的外观做相应的变换。该网络的算法实现经训练....
的头像 电子发烧友网工程师 发表于 02-11 11:35 201次 阅读
如何将CycleGAN用于风格迁移并探索其在游戏图形模型中的应用

深度学习框架不能“包治百病”什么样的深度学习框架才是适合自己的呢?

PaddlePaddle:百度出品,跟 TF 类似,PaddlePaddle 也是在百度内部实际应用....
的头像 新智元 发表于 02-11 09:41 336次 阅读
深度学习框架不能“包治百病”什么样的深度学习框架才是适合自己的呢?

快速了解神经网络与深度学习的教程资料免费下载

本文档的详细介绍的是快速了解神经网络与深度学习的教程资料免费下载主要内容包括了:机器学习概述,线性模....
发表于 02-11 08:00 26次 阅读
快速了解神经网络与深度学习的教程资料免费下载

将要取代我们的不是AI 而是被AI赋能的人

1956年,达特茅斯人工智能夏季研究计划首次提出“人工智能”一词,标志着这一学科的正式诞生,并鼓舞了....
的头像 电子发烧友网工程师 发表于 02-05 08:47 485次 阅读
将要取代我们的不是AI 而是被AI赋能的人

受美国司法部对华为诉讼影响 加州大学伯克利分校暂停与华为合作

据《自然》杂志报导,美国司法部于1月28日对中国华为公司提起刑事指控,随后加州大学伯克利分校(The....
发表于 02-04 08:17 2114次 阅读
受美国司法部对华为诉讼影响 加州大学伯克利分校暂停与华为合作

人工智能正在告别新一轮概念炒作

我们一直梦想着有一个通用的模型,可以建模整个世界,使各种各样的问题都能够迎刃而解,这便是通用人工智能....
的头像 Thundersoft中科创达 发表于 01-30 10:21 1322次 阅读
人工智能正在告别新一轮概念炒作

企业CIO将如何采用人工智能技术?以及将来如何开发他们的业务用例?

英国国民健康保险服务管理局(NHSBSA)首席数字官Darren Curry也在领导着一个数字化转型....
的头像 AI人工智能D1net 发表于 01-30 09:43 736次 阅读
企业CIO将如何采用人工智能技术?以及将来如何开发他们的业务用例?

FPGA的深度学习加速器有怎样的挑战和机遇

FPGA 的神经网络加速器如今越来越受到 AI 社区的关注,本文对基于 FPGA 的深度学习加速器存....
的头像 嵌入式ARM 发表于 01-29 16:48 1048次 阅读
FPGA的深度学习加速器有怎样的挑战和机遇

亚马逊图像识别技术无法可靠地辨别女性和深肤色人群

近日麻省理工学院(MIT)研究人员发表一项新研究中得出的结论,该研究发现,在特定情况下,Rekogn....
发表于 01-29 16:19 373次 阅读
亚马逊图像识别技术无法可靠地辨别女性和深肤色人群

人工智能如何拯救濒危语言

塞内卡语是北美地区六个易洛魁联盟所使用的语言之一,目前,仅有约 100 人将塞内卡语作为第一语言,记....
的头像 英伟达NVIDIA中国 发表于 01-29 15:25 653次 阅读
人工智能如何拯救濒危语言

如何选择合适的深度学习框架开展人工智能研究

深度学习框架正如一家杂货店,当人们想要做一顿美餐的时候,想必没有几个人会亲自到菜园里种菜,而是选择从....
的头像 英伟达NVIDIA企业解决方案 发表于 01-29 14:59 764次 阅读
如何选择合适的深度学习框架开展人工智能研究

生态积累并非一蹴可几,高通选择稳健循序渐进

SNPE开发环境已经不再封闭,而是提供给广大的第三方 AI 应用开发者,SNPE 也理所当然的支持主....
的头像 电子发烧友网工程师 发表于 01-29 13:56 601次 阅读
生态积累并非一蹴可几,高通选择稳健循序渐进

如何用Python识别停车位?

解决一个复杂的问题,首先第一步是要把问题分解成几个简单子任务。然后,针对每个子任务,运用机器学习中不....
的头像 电子发烧友网工程师 发表于 01-29 10:30 2180次 阅读
如何用Python识别停车位?

机器学习训练秘籍中文版电子书PDF免费下载

机器学习(machine learning) 已然成为无数重要应用的基石——如今,在网络搜索、垃圾邮....
发表于 01-29 10:04 62次 阅读
机器学习训练秘籍中文版电子书PDF免费下载

深入研读了25年来的AI研究论文,结果表明深度学习的时代即将结束

我们发现的最大转变是21世纪初期离基于知识的系统渐行渐远。这种计算机程序基于这个想法:你可以使用规则....
的头像 人工智能学家 发表于 01-28 15:43 635次 阅读
深入研读了25年来的AI研究论文,结果表明深度学习的时代即将结束

随着人工智能的进步 越来越多的技术都融入了机器学习及深度学习技术

人工智能(AI)正在改变我们对待世界的方式。 AI“机器人”无处不在。从我们的手机到亚马逊的Alex....
发表于 01-28 13:33 88次 阅读
随着人工智能的进步 越来越多的技术都融入了机器学习及深度学习技术

DPCNN,究竟是多么牛逼的网络呢?

好啦,看似问题都解决了,目标成功达成。剩下的我们就只需要重复的进行等长卷积+等长卷积+使用一个siz....
的头像 电子发烧友网工程师 发表于 01-28 09:22 909次 阅读
DPCNN,究竟是多么牛逼的网络呢?

fast.ai上线2019深度学习新课程啦,100%全新前沿实战

Planet 数据集的一个重要特征是,它是一个多标签数据集。也就是说,每个Planet 图像可包含多....
的头像 电子发烧友网工程师 发表于 01-28 09:19 906次 阅读
fast.ai上线2019深度学习新课程啦,100%全新前沿实战

深度学习的多种局限,深度学习不是实现类人智能的途径

然后是不透明问题。一旦深度学习系统被训练完,它是如何做出决定的就不总是那么清楚了。MIT- IBM ....
的头像 新智元 发表于 01-28 09:02 1122次 阅读
深度学习的多种局限,深度学习不是实现类人智能的途径

fast.ai更新了新版本的针对开发者的深度学习实践课程

框架:fast.ai使用Pytorch作用教学工具。但是这种东西属于一通百通,基本上你一旦掌握了套路....
的头像 新智元 发表于 01-28 08:59 534次 阅读
fast.ai更新了新版本的针对开发者的深度学习实践课程

主流深度学习框架比较

DL:主流深度学习框架多个方向PK比较
发表于 12-26 11:10 179次 阅读
主流深度学习框架比较

Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

C盘:当Win10系统进行深度学习的时候发现系统C盘满了,大神教你如何正确卸载一些非必要的内容——Jason niu...
发表于 12-26 10:45 141次 阅读
Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

深度学习框架TensorFlow&TensorFlow-GPU详解

TensorFlow&TensorFlow-GPU:深度学习框架TensorFlow&TensorFlow-GPU的简介、安装、使用方法详细攻略...
发表于 12-25 17:21 207次 阅读
深度学习框架TensorFlow&TensorFlow-GPU详解

计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录(第二次)——Jason niu...
发表于 12-24 11:52 199次 阅读
计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录...
发表于 12-24 11:51 188次 阅读
CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录...
发表于 12-24 11:50 159次 阅读
CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

利用ECS进行深度学习详细攻略

ECS:利用ECS进行深度学习详细攻略
发表于 12-24 11:47 129次 阅读
利用ECS进行深度学习详细攻略

CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别

CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别...
发表于 12-21 10:31 134次 阅读
CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别

深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间

CV:2108足球世界杯—深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间—东道主俄罗斯5-0完胜沙特...
发表于 12-21 10:31 120次 阅读
深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间

Py之TFCudaCudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略

Py之TFCudaCudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略...
发表于 12-20 10:35 139次 阅读
Py之TFCudaCudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略