ronghuaiyang 头像

ronghuaiyang

1685 声望
他还没有填写个人简介
关注了
0
粉丝数
4
最新动态
  • 发布了文章 ·
    FastText词嵌入的可视化指南

    单词嵌入是自然语言处理领域中最有趣的方面之一。当我第一次接触到它们时,对一堆文本进行无监督训练的简单方法产生了显示出语法和语义理解迹象的表示,这很有趣。

    摘要图
  • 发布了文章 ·
    深度学习在视觉搜索和匹配中的应用

    _深度学习是一个了不起的方法,用于遥感数据集,如卫星或航空照片的目标检测和分割/匹配。然而,就像深度学习的许多其应用场景一样,获得足够的带标注的训练数据可能会耗费大量的时间。在这篇文章中,我将介绍一些我们的工作,即使用预先训练好的网络来在遥感数据的目标检测任务中避免标注大型训练数据集的大量繁琐工作_。

    摘要图
  • 发布了文章 ·
    使用PyTorch Lightning自动训练你的深度神经网络

    对使用PyTorch Lightning的训练代码和原始的PyTorch代码进行了对比,展示了其简单,干净,灵活的优点,相信你会喜欢的。

    摘要图
  • 发布了文章 ·
    用PyTorch部署模型

    最近,PyTorch推出了名为torchserve.的新生产框架来为模型提供服务。我们看一下今天的roadmap:

    摘要图
  • 发布了文章 ·
    六大技巧让你在物体检测中轻松搞定小目标

    作者:Jacob Solawetz编译:ronghuaiyang 首发:AI公园公众号导读在计算机视觉中,检测小目标是最有挑战的问题之一。本文给出了一些有效的策略。从无人机上看到的小目标 为了提高你的模型在小目标上的性能,我们推荐以下技术:提高图像采集的分辨率增加模型的输入分辨率tile你的图像通过增强生成更多数据自动学习模型anc...

    摘要图
  • 发布了文章 ·
    金融中的AI和机器学习:在银行,保险,投资以及用户体验中的用例

    作者:AltexSoft Inc编译:ronghuaiyang 首发:AI公园公众号导读给大家介绍一下AI在金融领域的一些用例场景。在30年前,你需要等好几天才能得到银行的贷款审批。或者花几个星期的时间在保险公司的官僚作风上,只是为了在一场小车祸后得到赔偿。如今,这些操作只需要不到一天的时间,因为文档是在线提交和处理的,很少或...

    摘要图
  • 发布了文章 ·
    细说物体检测中的Anchors

    今天,我将讨论在物体检测器中引入的一个_优雅的_概念 —— _Anchors_,它是如何帮助检测图像中的物体,以及它们与传统的两阶段检测器中的Anchor有何不同。

    摘要图
  • 发布了文章 ·
    在机器学习项目中该如何选择优化器

    本文概述了计算机视觉、自然语言处理和机器学习中常用的优化器。此外,你会找到一个基于三个问题的指导方针,以帮助你的下一个机器学习项目选择正确的优化器。

    摘要图
  • 发布了文章 ·
    使用计算机视觉的方法在钢铁平面上检测焊接缺陷

    作者:Soham Malakar 编译:ronghuaiyang 首发:AI公园公众号导读计算机视觉在工业领域的一个实践,有方案和代码的分享。1. 介绍焊接缺陷可以定义为焊缝表面出现的不规则、不连续性、缺陷或不一致性。焊接接头的缺陷可能导致零件和组件的报废、昂贵的维修费用、工作条件下性能的显著降低,在极端情况下,还可能导致导致...

    摘要图
  • 发布了文章 ·
    设备端的超市商品识别

    用户面临的最大挑战之一是如何在视觉信息不完整的情况下识别包装食品,无论是在杂货店还是在他们家里的厨房橱柜中。这是因为许多食品都使用相同的包装,比如盒子、罐头、瓶子和罐子,只是在标签上印刷的文字和图像有所不同。然而,智能移动设备的普遍存在为使用机器学习(ML)解决这些挑战提供了机会。

    摘要图
  • 发布了文章 ·
    5个可以让你的模型在边缘设备上高效推理的算法

    作者:James Le 编译:ronghuaiyang 首发:AI公园公众号导读深度学习模型这么大,这么慢,如何在边缘设备上部署使用?这里有5个算法,你可以试试。随着深度学习的发展,神经网络变得越来越大。例如,在ImageNet识别挑战中,获胜的模型在2012年到2015年间的大小增加了16倍。在短短一年的时间里,百度的深度语音模型的训练...

    摘要图
  • 发布了文章 ·
    适用于少量数据的深度学习结构

    作者:Gorkem Polat 编译:ronghuaiyang 首发:AI公园公众号导读一些最常用的few shot learning的方案介绍及对比。传统的CNNs (AlexNet, VGG, GoogLeNet, ResNet, DenseNet…)在数据集中每个类样本数量较多的情况下表现良好。不幸的是,当你拥有一个小数据集时,它们通常不能很好地工作。但是,在许多真实的场景中,收集...

    摘要图
  • 发布了文章 ·
    部署基于嵌入的机器学习模型的通用模式

    给大家介绍一下如何在生产中部署基于嵌入的机器学习模型。作者:Robbe Sneyders编译:ronghuaiyang首发:AI公园公众号

    摘要图
  • 赞了文章 ·
    Int8量化-Winograd量化原理及实现

    2019年已经过半,今年人工智能-计算机视觉方向在边缘计算、移动终端、嵌入式终端的产品落地进入白热化阶段。终端落地的很大一个指标依旧是Inference Time,网络模型压缩的需求越来越大,其中网络模型量化(低比特量化)开始大规模在终端设备上部署并取得了较好的市场认可,同时上游芯片设计公司依次推出了针对低比特量化...

    摘要图
  • 发布了文章 ·
    33个常见NLP面试问题整理

    在NLP的面试中提问频率非常高的问题。作者:Pratik Bhavsar编译:ronghuaiyang首发:AI公园公众号

    摘要图
  • 关注了专栏 ·
    图标
    EAIDK-嵌入式AI开发套件

    EAIDK开发者社区和你分享入门和进阶教程、应用案例以及最新的功能解读;你还可以在社区随时提问,会有技术一对一解答;同时,工程师团队会定期在线直播分享答疑解惑。 所有开发者均可以发布自己的案例文章、图文教程等,社区会定期评选社区贡献奖项。

  • 发布了文章 ·
    什么是XLNet,它为什么比BERT效果好?

    介绍最基本的XLNet的原理,理解XLNet和BERT的直觉上的不同点。作者:Xu LIANG编译:ronghuaiyang首发:AI公园公众号

    摘要图
  • 发布了文章 ·
    NeurIPS 2019:14篇计算机视觉论文回顾(附论文合集下载)

    这是2019年12月9日至14日在温哥华举行的NeurIPS 2019的概述(笔记)。这篇文章中提到的所有论文都是在计算机视觉领域。作者:Maria Dobko编译:ronghuaiyang首发:AI公园公众号NIPS 2019上的一些论文回顾

    摘要图
  • 关注了专栏 ·
    图标
    AI公园

    关注图像处理,NLP,机器学习等人工智能领域

  • 发布了文章 ·
    使用Cortex把PyTorch模型部署到生产中

    从 NLP 到计算机视觉都可以通过 Cortex来非常方便的部署PyTorch模型。作者:Caleb Kaiser编译:ronghuaiyang首发:AI公园公众号

    摘要图
认证与成就
获得 14 次点赞
1月14日 加入
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息