热门好课推荐
猜你喜欢
相关培训 相关博客
  • 本文从数据预处理开始详细地描述了如何使用VGG和循环神经网络构建图像描述系统,对读者使用Keras和TensorFlow理解与实现自动图像描述很有帮助。本文的代码都有解释,非常适合图像描述任务的入门读者详细了解这一过程。图像描述是一个有挑战性的人工智能问题,涉及为给定图像生成文本描述。字幕生成是一个有挑战性的人工智能问题,涉及为给定图像生成文本描述。更多Python视频、源码、资料...
    2018-11-02 21:09:07
    阅读量:389
    评论:0
  • 文本生成赋予机器“说”的能力,是自然语言处理中一个有趣的话题。深度学习第三课为大家提供一个使用深度神经网络训练的对话机器人,来体验深度学习方法的乐趣,也是对技术局限性的探索。这一课会寻找以下问题的答案:问题的数学描述以及基础积木。我们会介绍建模时序数据的循环神经网络,从RNN到LSTM到GRU,到底发生了怎样的变化。该构建怎样的模型?我们会介绍神经图灵机的框架,编码器解码器结构、...
    2018-04-12 10:41:57
    阅读量:1306
    评论:1
  • 项目地址:https://github.com/SishangLi/Autosub_Multiple_Methods这个项目的主要目的是实现视频文件字幕的自动生成,基于开源项目autosub(https://github.com/agermanidis/autosub)整合完成。目前,实现的最好的效果是基于百度API,事实上,作者还尝试了几个基于深度学习模型的方案,测试效果很不理想。这些方...
    2019-03-13 08:52:24
    阅读量:184
    评论:3
  • 概念:生成对抗网络(GAN,GenerativeAdversatialNetworks)是一种深度学习模型,近年来无监督学习上最具前景的方法之一。模型主要通用框架有(至少)两个模块:生成模型(generative)和判别模型(Discriminative)的互相博弈学习产生的相当好的输出。原始GAN理论中,并不要求G和D都是神经网络,但使用中一般均使用深度神经网络作为G和D。...
    2018-07-14 13:33:54
    阅读量:3959
    评论:0
  • AI前线导读:写代码用AI调戏AI,检测AI生成的虚假图片、视频?这现在已经成为可能了,因为能表征图片、视频的真假的特征很容易被检测出来。要怎么做呢?让我们一起来看看吧!更多干货内容请关注微信公众号“AI前线”(ID:ai-front)随着AI的崛起,人们已经可以用深度学习算法生成越来越多以假乱真的图片和视频。这也激发了美国的学者们的研究热情:如何设计算法检测出网络上用AI生成假图片、假视频,即...
    2018-11-13 19:44:15
    阅读量:28
    评论:0
  • 对图像搜索和帮助视觉障碍者「查看」世界等应用而言,让图像带有文本描述是非常有价值的。使用人力标注显然不现实,而随着深度学习技术的发展,使用机器为图像自动生成准确的文本描述成为了可能。JasonBrownlee博士的这篇文章对使用深度学习的图像描述进行了介绍,机器之心对本文进行了编译。图像描述涉及到为给定图像(比如照片)生成人类可读的文本描述。这个问题对人类而言非常简单,但对机器来说
    2017-11-16 06:43:32
    阅读量:2524
    评论:0
  • 对抗生成网络在16年爆火,成了深度学习圈子里的家常话。课程首先讲解对抗生成网络基本原理,通过案例演示原理和流程。后项目实战对抗生成网络的升级版DCGAN,大家都可以基于DCGAN生成出来任何你喜欢的数据。课程代码基于Tensorflow框架,案例与项目课时会通过debug的形式详解代码中每行的用法。...
    2017-02-21 08:48:35
    阅读量:100
    评论:0
  • 这门课程是“深度学习入门系列培训教程”的后续内容,深度学习进阶系列培训课程概况:在深度学习入门系列的课程中,我们基本掌握了一些基础知识,在这门课程中我们将进一步学习深度学习原理、核心内容。包括深度置信网络DBN学习,卷积神经网络CNN入门到精通,深度残差网络RES和长短时记忆网络LSTM的构建以及使用。后一部分我们也会稍微讲解一些人工智能前沿的发展强化学习RL,迁移学习TL和生成式对抗...
    2017-07-27 17:53:59
    阅读量:169
    评论:0
  • 深度学习是为了解决特征难提取的需求.比如:水果分类,特征可以选取形状(色差大的地方可以确定轮廓),颜色等但是比较复杂的图片就难以找到特征来区分.人找特征肯能特征会缺失,或者找到无效特征.深度学习:即深度神经网络好处:不用再人工去做特征提取坏处:对于预测结果反推不出是哪些因素(特征)对其造成了影响,特征都被屏蔽在了神经网络之内,外界不可见....
    2018-07-30 10:03:07
    阅读量:948
    评论:0