人脸识别在现实生活中有非常广泛的应用,例如iPhone X的识别人脸解锁屏幕、人脸识别考勤机、人脸识别开门禁、刷脸坐高铁,还有识别人脸虚拟化妆、美颜,甚至支付宝还推出了刷脸支付、建设银行...
人脸识别在现实生活中有非常广泛的应用,例如iPhone X的识别人脸解锁屏幕、人脸识别考勤机、人脸识别开门禁、刷脸坐高铁,还有识别人脸虚拟化妆、美颜,甚至支付宝还推出了刷脸支付、建设银行...
在上篇文章中,我们已经把AI的基础环境搭建好了(见文章:Ubuntu + conda + tensorflow + GPU + pycharm搭建AI基础环境),接下来将基于tensorflow训练第一个AI模型:MNIST手写数字识别模型。...
为方便日常的深度学习模型开发与测试,在自己笔记本上搭建一个深度学习的基础环境,便于学习AI使用。本人使用的笔记本配置是CPU为8代i5,显卡为GTX1060,内存为8G,基本上可满足日常的AI研究...
深度学习发展迅速,每天都会冒出不少新的神经网络架构,对于从事AI的专业人士而言,要全面追踪、了解这些新的架构非常费力。 ASIMOV Institute绘制当前所流行的27张神经网络节点图,方便查阅...
Ubuntu在执行apt-get upgrade时出现了错误: dpkg: 处理软件包 libc6:i386 (--configure)时出错: installed libc6:i386 package post-installation script subprocess returned error exit...
本人在Python 3.6的环境下,安装了Jupyter pip3 install jupyter 进入到Jupyter Notebook后,点击Kernel菜单的Change kernel子菜单,只看到只有一个Python 3。如果这时想要增加Python 2的内核...
使用Sublime Text 3能以轻量级的环境写python脚本,运行python代码。为了更加方便地调用python脚本,通过在Sublime Text 3中绑定快捷键的方式,实现一键调用python交互运行环境,操作方式如下...
本人当前使用的ubuntu版本为17.04,属于非LTS版本(非长期支持版本),刚开始安装完该操作系统后,能够正常更新软件。但最近在执行apt-get install或apt-get update时提示安装/更新失败,无法...
在之前的文章中介绍了目标检测经典模型(R-CNN、Fast R-CNN、Faster R-CNN),目标检测一般是为了实现以下效果: 在R-CNN、Fast R-CNN、Faster R-CNN中,实现了对目标的识别和定位,如下图所...
卷积神经网络(CNN)近年来取得了长足的发展,是深度学习中的一颗耀眼明珠。CNN不仅能用来对图像进行分类,还在图像分割(目标检测)任务中有着广泛的应用。CNN已经成为了图像分类的黄金标准...
目标检测是深度学习的一个重要应用,就是在图片中要将里面的物体识别出来,并标出物体的位置,一般需要经过两个步骤: 1、分类,识别物体是什么 2、定位,找出物体在哪里 除了对单个物体进行...
有道是“罗马不是一天建成的”,机器学习的发展也是历经了很长时间,在这过程中形成了五大流派,这五大流派各有各的特点。 1、符号主义(Symbolists) 名称:符号主义(Symbolists) 起源:逻...
2014年,GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄,GoogLeNet获得了第一名、VGG获得了第二名,这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构...
本文主要介绍卷积神经网络(CNN)的经典模型VGGNet的特点和网络结构,包括VGG16、VGG19等
—— 原文发布于本人的微信公众号“大数据与人工智能Lab”(BigdataAILab),欢迎关注。 2012年,Alex Krizhevsky、Ilya Sutskever在多伦多大学Geoff Hinton的实验室设计出了一个深层的卷积神...
近几年来,卷积神经网络(Convolutional Neural Networks,简称CNN)在图像识别中取得了非常成功的应用,成为深度学习的一大亮点。CNN发展至今,已经有很多变种,其中有几个经典模型在CNN发展...
本文主要介绍玻尔兹曼机(BM)、受限玻尔兹曼机(RBM)、深度信念网络(DBN)的技术原理
—— 原文发布于本人的微信公众号“大数据与人工智能Lab”(BigdataAILab),欢迎关注。 我们知道深度学习的理论基础是神经网络,在单层神经网络中(感知机),输入和输出计算关系如下图所示...
本文主要介绍深度残差网络的发展背景,以及讲解残差网络模型ResNet的技术原理
没有更多内容
加载失败,请刷新页面