完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 數(shù)據(jù)集
文章:1155個(gè) 瀏覽:25400次 帖子:27個(gè)
對(duì)抗性解耦學(xué)習(xí),讓“夏蟲(chóng)語(yǔ)冰”
面臨上述的訓(xùn)練和測(cè)試數(shù)據(jù)之間的領(lǐng)域差異的問(wèn)題,簡(jiǎn)單地應(yīng)用數(shù)據(jù)驅(qū)動(dòng)的模型可能導(dǎo)致模型聚焦于每個(gè)領(lǐng)域的偏差,即便訓(xùn)練數(shù)據(jù)是充足的。為了避免該問(wèn)題,本文研究了...
2019-06-07 標(biāo)簽:數(shù)據(jù)集解耦遷移學(xué)習(xí) 6993 0
數(shù)據(jù)分析吃雞,首先得要有數(shù)據(jù)呀。網(wǎng)上逛了一圈發(fā)現(xiàn),Kaggle上已經(jīng)有吃雞比賽的數(shù)據(jù)集了,而且數(shù)據(jù)量極大,包含70多萬(wàn)場(chǎng)比賽上億條玩家的數(shù)據(jù),大概有20...
2018-05-16 標(biāo)簽:數(shù)據(jù)集大數(shù)據(jù) 6948 0
何愷明、Ross Girshick等大神深夜扔出“炸彈”:ImageNet預(yù)訓(xùn)練并非必須
ImageNet預(yù)訓(xùn)練方式加快了收斂速度,特別是在訓(xùn)練早期,但隨機(jī)初始化訓(xùn)練可以在訓(xùn)練一段時(shí)間后趕上來(lái)??紤]到前者還要進(jìn)行模型的微調(diào),訓(xùn)練總時(shí)間二者大體...
2018-11-24 標(biāo)簽:計(jì)算機(jī)視覺(jué)數(shù)據(jù)集深度學(xué)習(xí) 6915 0
我們可以看到,該網(wǎng)絡(luò)將傳統(tǒng)的非線性插值替換成 DUpsample,同時(shí)在 feature fuse 方面,不同于之前方法將 Decoder 中的特征上采...
2019-04-08 標(biāo)簽:函數(shù)梯度數(shù)據(jù)集 6847 0
一種新的帶有不確定性的邊界框回歸損失,可用于學(xué)習(xí)更準(zhǔn)確的目標(biāo)定位
目標(biāo)檢測(cè)是一種多任務(wù)學(xué)習(xí)問(wèn)題,包含目標(biāo)定位和目標(biāo)分類。當(dāng)前最佳的目標(biāo)檢測(cè)器(比如 Faster RCNN、Cascade R-CNN 和 Mask R-...
2019-04-23 標(biāo)簽:函數(shù)計(jì)算機(jī)視覺(jué)數(shù)據(jù)集 6834 0
圖像生成領(lǐng)域的一個(gè)巨大進(jìn)展,BigGAN的效果真的有那么好嗎?
因此,如果快速瀏覽BigGAN生成的一系列圖像,我們能從中發(fā)現(xiàn)不少圖具有詭異的美感。比如模型在生成下面幾幅景觀圖時(shí)都遵循了從數(shù)據(jù)集中學(xué)到的構(gòu)圖和光影,但...
2018-11-21 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 6833 0
基于Datalore開(kāi)發(fā)機(jī)器學(xué)習(xí)項(xiàng)目的體驗(yàn)
好吧,這行代碼看著稍微有點(diǎn)長(zhǎng),其實(shí)在Datalore里打起來(lái)非???,因?yàn)楹芏嗟胤缴晕⑶靡粌蓚€(gè)字母就可以一路補(bǔ)全下去。與此同時(shí),我們能在右邊看到,Data...
2018-06-11 標(biāo)簽:編輯器機(jī)器學(xué)習(xí)數(shù)據(jù)集 6812 0
何愷明團(tuán)隊(duì)所在的Facebook AI推出ResNeXt-101模型
本文試圖通過(guò)研究一個(gè)未開(kāi)發(fā)的數(shù)據(jù)體系來(lái)解決這個(gè)復(fù)雜的問(wèn)題:使用外部社交媒體上數(shù)十億的帶有標(biāo)簽的圖像作為數(shù)據(jù)源。該數(shù)據(jù)源具有大而且不斷增長(zhǎng)的優(yōu)點(diǎn),而且是“...
2019-06-29 標(biāo)簽:圖像分類機(jī)器學(xué)習(xí)數(shù)據(jù)集 6794 0
其實(shí)它這里的做法和原論文中的問(wèn)答比較像,不過(guò)增加了問(wèn)題分類環(huán)節(jié)。將頁(yè)面文檔分成多個(gè)片段,和 query 拼接,然后同時(shí)對(duì)幾個(gè)問(wèn)題,用[CLS]進(jìn)行預(yù)測(cè)問(wèn)...
2019-04-23 標(biāo)簽:算法線性數(shù)據(jù)集 6706 0
何愷明團(tuán)隊(duì)最新研究:提出一個(gè)端到端的3D目標(biāo)檢測(cè)器VoteNet
在圖像中,通常在目標(biāo)中心附近存在一個(gè)像素,但在點(diǎn)云中卻不是這樣。由于深度傳感器僅捕獲物體的表面,因此3D物體的中心很可能在遠(yuǎn)離任何點(diǎn)的空白空間中。因此,...
2019-04-26 標(biāo)簽:檢測(cè)器數(shù)據(jù)集深度學(xué)習(xí) 6699 0
如何結(jié)合TensorFlow目標(biāo)檢測(cè)API和OpenCV分析足球視頻
使用Tensorflow的目標(biāo)檢測(cè)API,可以快速搭建目標(biāo)檢測(cè)模型。如果你不熟悉這套API,可以看下我之前寫(xiě)的介紹Tensorflow目標(biāo)檢測(cè)API,以...
2018-07-08 標(biāo)簽:數(shù)據(jù)集深度學(xué)習(xí)TensorFlow 6684 0
針對(duì)線性回歸模型和深度學(xué)習(xí)模型,介紹了確定訓(xùn)練數(shù)據(jù)集規(guī)模的方法
具體來(lái)看,對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)算法,模型的表現(xiàn)先是遵循冪定律(power law),之后趨于平緩;而對(duì)于深度學(xué)習(xí),該問(wèn)題還在持續(xù)不斷地研究中,不過(guò)圖一為目...
2019-05-05 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集深度學(xué)習(xí) 6655 0
CVPR 2019:中科院、牛津等提出SiamMask網(wǎng)絡(luò),視頻跟蹤最高精度
長(zhǎng)久以來(lái),我們的思維傾向于陷入舒適區(qū)。當(dāng) A 做了物體檢測(cè),我們嘗試改網(wǎng)絡(luò),改 loss,別的領(lǐng)域 trick 拿來(lái)就是一篇。而我們常常忽略了更為重要的...
2019-03-10 標(biāo)簽:自動(dòng)化數(shù)據(jù)集深度學(xué)習(xí) 6633 0
講解隨機(jī)梯度下降、類別數(shù)據(jù)編碼、Vowpal Wabbit機(jī)器學(xué)習(xí)庫(kù)
在數(shù)據(jù)量不大的情況下,上面的數(shù)學(xué)效果不錯(cuò)(我們這里不討論局部極小值、鞍點(diǎn)、學(xué)習(xí)率選擇、動(dòng)量等問(wèn)題,請(qǐng)參考《深度學(xué)習(xí)》一書(shū)的數(shù)值計(jì)算那一章)。批量梯度下降...
2018-07-17 標(biāo)簽:函數(shù)機(jī)器學(xué)習(xí)數(shù)據(jù)集 6594 0
如何使用TensorFlow2.0構(gòu)建和部署端到端的圖像分類器
從 TensorFlow Datasets 中下載的數(shù)據(jù)集包含很多不同尺寸的圖片,我們需要將這些圖像的尺寸調(diào)整為固定的大小,并且將所有像素值都進(jìn)行標(biāo)準(zhǔn)化...
2019-05-31 標(biāo)簽:數(shù)據(jù)集cnntensorflow 6564 0
一個(gè)完整的MNIST測(cè)試集,其中包含60000個(gè)測(cè)試樣本
NIST手寫(xiě)字符集的第一部分已經(jīng)在一年前發(fā)布,它是一個(gè)由2000名人口普查局員工手寫(xiě)的訓(xùn)練集和500名高中生手寫(xiě)的更具挑戰(zhàn)性的測(cè)試集。 LeCun、Co...
2019-06-02 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集MNIST 6483 0
訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)模型,實(shí)現(xiàn)了根據(jù)基于文本分析預(yù)測(cè)葡萄酒質(zhì)量
我們可以把上述的其他信息也引入作為特征參數(shù),這樣就能構(gòu)建出一個(gè)更全面的模型來(lái)預(yù)測(cè)葡萄酒質(zhì)量。為了將文字描述與其他特征結(jié)合起來(lái)進(jìn)行預(yù)測(cè),我們可以創(chuàng)建一個(gè)集...
2019-05-16 標(biāo)簽:模型機(jī)器學(xué)習(xí)數(shù)據(jù)集 6451 0
基于卷積神經(jīng)網(wǎng)絡(luò)的組合模型處理NLP任務(wù)諷刺檢測(cè)
數(shù)據(jù)為均衡和失衡的諷刺推文數(shù)據(jù)集,取自Ptacek等2014年的工作和The Sarcasm Detector。移除了用戶名、URL、#標(biāo)記,使用了NL...
2018-07-02 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集深度學(xué)習(xí) 6449 0
如何利用兩種機(jī)器學(xué)習(xí)的方法——邏輯回歸和樸素貝葉斯分類器
特征工程是不一個(gè)簡(jiǎn)單的技能,它更像是復(fù)雜的藝術(shù)形式。 它包含了考慮數(shù)據(jù)集和域的過(guò)程,選擇對(duì)于模型最有用的特征,以及測(cè)試特征以優(yōu)化選擇。 Scikit-l...
2018-10-04 標(biāo)簽:分類器機(jī)器學(xué)習(xí)數(shù)據(jù)集 6381 0
數(shù)據(jù)科學(xué)高效工具:feature-selector,幫你快速完成特征選擇
該方法以及之后的identify_low_importance都只適用于監(jiān)督學(xué)習(xí)(即需要label,這也是為什么實(shí)例化feature-selector時(shí)...
2018-12-13 標(biāo)簽:函數(shù)數(shù)據(jù)集 6344 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |