bennei.com

cvchina.net

黑夜给了我黑色的眼睛，我却用它研究CV-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/54.html

作者 admin 分类 视觉资讯. 编者按 计算机视觉 Computer Vision 领域历史悠久，业界对此一直都不缺乏想象。 投稿，从究竟什么是计算机视觉技术 它的局限性何在 它应用在实际场景中的表现如何 它未来又会有多大的发展空间 四个方面 分享了他关于. 再到更早先的 Dropbox 收购图像标注公司 Anchovi Labs 以及 Facebook 收购人脸识别公司. 除了举不完的收购案以外，该领域近一年的人事变动也风风火火，从 Google 挖来多伦多大学深度学习界的大牛 Geoffrey Hinton，到 Facebook 成立人工智能研究院并邀请纽约大学名宿 Yann LeCun 担任院长，再到百度成立深度学习研究院并邀请 NEC 资深科学家余凯加盟，后者在近期甚至推出了对机器学习方面的人才开出百万年薪的 少帅计划 ，业界对于计算机视觉界尖端人才需求不可谓不热切。 从三菱 Merl 实验室推出的第一个商用人脸识别系统，到数年前 PittPatt 在茫茫人海中搜索到一个不起眼的群众，再到近年亮瞎小伙伴们双眼的 MIT 媒体实验室广泛应用视觉技术的新一代人机交互界面 Six Sense。

cvchina.net

无人车和机器人不算啥 Google核心项目是机器学习-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/144.html

作者 admin 分类 视觉资讯. 本文链接 http:/ cvchina.net/post/144.html. Power By CV-BLOG2.2 Prism Build 140101. DESIGN BY : 优扫计算机视觉工作室.

cvchina.net

不是吓唬你，工程师不知道谷歌的深度学习系统在想什么-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/143.html

作者 cvchina 分类 深度学习. 但谷歌的 深度学习 deep learning 系统却颠覆了这一常识，谷歌的工程师都表示 这套原本只是用来做实验的决策计算机系统表现超乎想象，它通过照片识别事物的能力早已超乎了谷歌工程师的预料，谷歌工程师甚至已经不知道计算机究竟在 想 些什么了. 谷歌软件工程师Quoc V. Le在上周五旧金山的机器学习大会 Machine Learning Conference 上谈到了这套深度学习系统。 Quoc V. Le说，令他最为震惊的事情是， 深度学习系统能够轻易地学习总结出类似碎纸机等物体的特性，这些甚至是普通人类难以轻易做到的。 本文链接 http:/ cvchina.net/post/143.html. 理解:深度学习 vs 机器学习 vs 模式识别. Power By CV-BLOG2.2 Prism Build 140101. DESIGN BY : 优扫计算机视觉工作室.

cvchina.net

物联网离不开人工智能-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/152.html

作者 admin 分类 视觉资讯. 英文原文 IoT Won’t Work Without Artificial Intelligence. 随着作为今年最流行技术时髦语的物联网 Internet of Things，简写 Iot 继续升温，关于它的讨论意见从它是什么转变到了如何从中挖掘价值，到了战略层面 如何让它真正运行起来。 如果我们做不到，结果将是灾难性的，影响包括烦恼 比如家具设备不能像广告说的那样运行 ，或者生命威胁 起搏器故障或百辆车连环相撞。 比如，它被 Pandora 用来决定你可能喜欢的其它歌曲，或者 Amazon.com 为你推荐的其它书籍和电影。 对于物联网，机器学习能够帮助公司把拥有的数十亿的数据点 data point 转化成真正有意义的数据。 Zz: http:/ www.wired.com/2014/11/iot-wont-work-without-artificial-intelligence/. 本文链接 http:/ cvchina.net/post/152.html. Power By CV-BLOG2.2 Prism Build 140101.

cvchina.net

如何选择机器学习分类器？-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/151.html

作者 admin 分类 知识百科. 英文原文 Choosing a Machine Learning Classifier. 你知道如何为你的分类问题选择合适的机器学习算法吗 当然，如果你真正关心准确率，那么最佳方法是测试各种不同的算法 同时还要确保对每个算法测试不同参数 ，然后通过交叉验证选择最好的一个。 如果训练集很小，那么高偏差/低方差分类器 如朴素贝叶斯分类器 要优于低偏差/高方差分类器 如k近邻分类器 ，因为后者容易过拟合。 它的主要缺点是，不能学习特征之间的相互作用 比如，它不能学习出 虽然你喜欢布拉德 皮特和汤姆 克鲁斯的电影，但却不喜欢他们一起合作的电影。 或者，从 Netflix Prize (和 Middle Earth)中吸取教训，只使用了一个集成方法进行选择。 Http:/ blog.jobbole.com/67671/. 本文链接 http:/ cvchina.net/post/151.html. 理解:深度学习 vs 机器学习 vs 模式识别. Power By CV-BLOG2.2 Prism Build 140101. DESIGN BY : 优扫计算机视觉工作室.

cvchina.net

论文笔记BING : Binarized Normed Gradients for Objectness Estimation at 300fps-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/71.html

论文笔记BING : Binarized Normed Gradients for Objectness Estimation at 300fps 站长QQ. 论文笔记BING : Binarized Normed Gradients for Objectness Estimation at 300fps. 作者 admin 分类 机器学习. 这篇CVPR2014的论文与之前那篇Boosting Binary Keypoint Descriptors一样，都是利用二进制来加速计算。 如果把这些框都resize成固定大小，比如8X8，然后求出8X8这些块中每个点的梯度 Normed Gradient，本文的结果为[0,255],之前看错成Normalized.估计这里的normed就是指窗口都resize成8X8 ，可以明显看到物体与背景的梯度模式的差别，如图1 c 所示，物体的梯度分布呈现出较为杂乱的模式，而背景的较为单一和清楚。 最后在每种窗口大小的挑若干个分数最高的作为目标框输出就可以了 non-maximal suppression,非最大抑制，一来是加速，二来是提高准确率。 也就是我们可以用19...

cvchina.net

机器学习常见算法分类汇总-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/149.html

作者 admin 分类 知识百科. 在监督式学习下，输入数据被称为 训练数据 ，每组训练数据有一个明确的标识或结果，如对防垃圾邮件系统中 垃圾邮件 非垃圾邮件 ，对手写数字识别中的 1 ， 2 ， 3 ， 4 等。 常见算法有逻辑回归 Logistic Regression 和反向传递神经网络 Back Propagation Neural Network. 常见算法包括 Apriori 算法以及k-Means 算法。 如图论推理算法 Graph Inference 或者拉普拉斯支持向量机 Laplacian SVM. 等。 常见算法包括Q-Learning 以及时间差学习 Temporal difference learning. 因此，基于实例的算法常常也被称为 赢家通吃 学习或者 基于记忆的学习。 常见的算法包括 k-Nearest Neighbor (KNN)， 学习矢量量化 Learning Vector Quantization， LVQ ，以及自组织映射算法 Self-Organizing Map ， SOM. 常见算法包括 Apriori 算法和 Eclat 算法等。 其中深度学习就是其...

cvchina.net

决策树模型组合之随机森林与GBDT-计算机视觉网-计算机视觉论坛

http://www.cvchina.net/post/107.html

作者 cvchina 分类 机器学习. Http:/ leftnoteasy.cnblogs.com. 模型组合 比如说有Boosting，Bagging等 与决策树相关的算法比较多，这些算法最终的结果是生成N(可能会有几百棵以上 棵树，这样可以大大的减少单决策树带来的毛病，有点类似于三个臭皮匠等于一个诸葛亮的做法，虽然这几百棵决策树中的每一棵都很简单 相对于C4.5这种单决策树来说 ，但是他们组合起来确是很强大。 模型组合 决策树相关的算法有两种比较基本的形式 - 随机森林与GBDT( Gradient Boost Decision Tree)，其他的比较新的模型组合 决策树的算法都是来自这两种算法的延伸。 这里特别推荐Andrew Moore大牛的 Decision Trees Tutorial. 与 Information Gain Tutorial. Moore的 Data Mining Tutorial系列. Gradient Boost Decision Tree:. 其中，yk为输入的样本数据的估计值，当一个样本x属于类别k时，yk = 1，否则yk = 0。 都对应了K种可能的分类yi，...