原创 卷積神經網絡中10大拍案叫絕的操作
摘要: CNN從2012年的AlexNet發展至今,科學家們發明出各種各樣的CNN模型,一個比一個深,一個比一個準確,一個比一個輕量。本文作者對近幾年一些具有變革性的工作進行了簡單盤點,從這些充滿革新性的工作中探討日後的CNN變革方向。C
原创 吳恩達【深度學習工程師】學習筆記(七)
吳恩達【深度學習工程師】專項課程包含以下五門課程: 1、神經網絡和深度學習; 2、改善深層神經網絡:超參數調試、正則化以及優化; 3、結構化機器學習項目; 4、卷積神經網絡; 5、序列模型。 今天介紹《改善深層神
原创 一文讀懂AlphaGo Zero算法
AlphaGo Zero 引起巨大社會轟動 只告訴機器圍棋的基本規則,但是不告訴它人類摸索了上千年才總結出來的定式等圍棋戰術,讓機器完全依靠自學,打敗人類。這個題目不僅新鮮,而且熱辣。 上週 DeepMind
原创 TensorFlow引入了動態圖機制Eager Execution
今天,我們爲 TensorFlow 引入了「Eager Execution」,它是一個命令式、由運行定義的接口,一旦從 Python 被調用,其操作立即被執行。這使得入門 TensorFlow 變的更簡單,也使研發更直觀。 Ea
原创 自門控激活函數Swish
論文鏈接:Swish: a Self-Gated Activation Function 目前使用最廣泛的激活函數是 ReLU。 本論文中,我們提出了一種新型激活函數 Swish,Swish的數學表達爲:
原创 Mask R-CNN的完整MXNet復現
Github 項目地址:https://github.com/TuSimple/mx-maskrcnn 國內自動駕駛創業公司 圖森未來 對最佳論文《Mask R-CNN》的完整復現,並將其開源到了Github 上。 這是一份對 Mask
原创 密集人羣計數的開源代碼github地址
AVSS 2017:CNN-based Cascaded Multi-task Learning of High-level Prior and Density Estimation for Crowd Counting(Singe
原创 忽悠神經網絡指南:教你如何把深度學習模型騙得七葷八素
知己知彼,無論你是想成爲黑客(最好不要!)或防範未來黑客的入侵,都有必要來了解一下如何騙過由海量數據訓練出來的深度學習模型。 只要有程序員還在編程,黑客們就會不遺餘力地找尋利用這些程序的方法。惡意黑客更是會利用程序中最爲微小的漏洞來侵入
原创 Titan XP值不值?一文教你如何挑選深度學習GPU
即將進入 2018 年,隨着硬件的更新換代,越來越多的機器學習從業者又開始面臨選擇 GPU 的難題。正如我們所知,機器學習的成功與否很大程度上取決於硬件的承載能力。在今年 5 月,我在組裝自己的深度學習機器時對市面上的所有 GPU 進
原创 R-FCN: Object Detection via Region-based Fully Convolutional Networks
R-FCN的結構 一個base的conv網絡如ResNet101, 一個RPN(Faster RCNN來的),一個position sensitive的prediction層,最後的ROI pooling+投票的決策層 R
原创 Mask R-CNN
論文地址:Mask R-CNN 用於目標實例分割的框架,能夠有效地檢測圖像中的目標,同時還能爲每個實例生成一個高質量的分割掩碼。 主要特點: Mask R-CNN 是 Faster R-CNN的擴展;
原创 吳恩達【深度學習工程師】學習筆記(六)
吳恩達【深度學習工程師】專項課程包含以下五門課程: 1、神經網絡和深度學習; 2、改善深層神經網絡:超參數調試、正則化以及優化; 3、結構化機器學習項目; 4、卷積神經網絡; 5、序列模型。 今天介紹《改善深層神
原创 吳恩達【深度學習工程師】學習筆記(八)
吳恩達【深度學習工程師】專項課程包含以下五門課程: 1、神經網絡和深度學習; 2、改善深層神經網絡:超參數調試、正則化以及優化; 3、結構化機器學習項目; 4、卷積神經網絡; 5、序列模型。 今天介紹《改善深層神經網
原创 Momenta詳解ImageNet 2017奪冠架構SENet
本屆 CVPR 2017大會上出現了很多值得關注的精彩論文,國內自動駕駛創業公司 Momenta 聯合機器之心推出 CVPR 2017 精彩論文解讀專欄。除此之外,Momenta 還受邀在 CVPR 2017 的 ImageNet
原创 曠視&清華大學提出新型兩步檢測器Light-Head R-CNN
近日,來自曠視和清華的研究者提出一種新型兩步檢測器 Light-Head R-CNN,改變兩步檢測器頭重腳輕(heavy-head)的設計,實現速度和準確率的雙重突破。 近期基於 CNN 的目標檢測器可以分爲一步檢測器和兩步檢測器