参加了今年的ai challenger 的image caption比赛,最终很幸运的获得了第二名.这里小结一下. Pytorch 越来越火了.. 前五名有三个pytorch, 两个tensorflow 关于哪个learning frame work 更适合图像nlp相关的应用 我觉得用户用脚投票使用程度说明一切.tensorflow有强大的slim图像库支持,比如nasnet是slim最先支持的毕竟google原版...,但是在很多比赛灵活性上对比pytorch还有欠缺 比如强化学习feed 

雷锋网 AI 科技评论消息,2018 年 11 月 13-17 日,AAAI 人工智能与交互式数字娱乐大会 (AI for Interactive Digital Entertainment) 在阿尔伯塔大学举办.会上宣布了一年一度的星际争霸 AI 挑战赛结果:这也是即时战略(RTS)游戏 AI 比赛中最重要的比赛之一. 第八届(2018 年) AIIDE StarCraft AI Competition 星际争霸 AI 挑战赛共有 27 支团队参赛,包括知名机构如三星.中科院自动化所.Face

2018年8月29日,由美团.创新工场.搜狗.美图联合主办的“AI Challenger 2018全球AI挑战赛”正式启动.美团CTO罗道峰.创新工场CEO李开复.搜狗CEO王小川和美图CEO吴欣鸿共同启动了本次大赛,盛况空前.本次大赛整体奖金规模超过300万人民币. 想报名的同学,点这里! 本次大赛共投入千万元规模以上的资金,建设了十余个全新高质量数据集,已成为目前国内规模最大的科研数据集平台和最大的非商业化竞赛平台.在2017年,有来自全球65个国家的8892支团队参加了大赛,覆盖国内外34

在模型训练结束,结束后,通常是一个分割模型,输入 1024x1024 输出 4x1024x1024. 一种方法就是将整个图切块,然后每张预测,但是有个不好处就是可能在边界处断续. 由于这种切块再预测很ugly,所以直接遍历整个图预测,防止边界断续,还有一个问题就是防止图过大不能超过20M. 很有意思解决上边的问题.话也不多说了.直接上代码: from farmlanddataset import FarmDataset import torch as tc from osgeo import g

对于分割网络,如果当成一个黑箱就是:输入一个3x1024x1024 输出4x1024x1024. 我没有使用二分类,直接使用了四分类. 分类网络使用了SegNet,没有加载预训练模型,参数也是默认初始化.为了加快训练,1024输入进网络后直接通过 pooling缩小到256的尺寸,等到输出层,直接使用bilinear放大4倍,相当于直接在256的尺寸上训练. import os import urllib import torch import torch.nn as nn import tor

在我的torchvision库里介绍的博文(https://www.cnblogs.com/yjphhw/p/9773333.html)里说了对pytorch的dataset的定义方式. 本文相当于实现一个自定义的数据集,而这正是我们在做自己工程所需要的,我们总是用自己的数据嘛. 继承 from torch.utils.data import Dataset 类 然后实现 __len__(self) ,和 __getitem__(self,idx) 两个方法.以及数据增强也可以写入,数据增强想了

比赛地址:https://tianchi.aliyun.com/competition/entrance/231717/introduction 这次比赛给的图非常大5万x5万,在训练之前必须要进行数据的切割.通常切割后的大小为512x512,或者1024x1024. 按照512x512切完后的结果如下: 切图时需要注意的几点是: gdal的二进制安装包wheels在:https://www.lfd.uci.edu/~gohlke/pythonlibs/ 这里获取 图像是4个channel,前三

本文主要介绍了如何使用TensorFlow环境运行一个最基本的图像分类器(Win10系统).源码地址https://github.com/sourcedexter/tfClassifier/tree/master/image_classification (这个大神好像改名了,原来叫akshaypai来着) 一．基础概念介绍 1.物体分类的思想 物体分类,也就是训练系统识别各个物体,如猫咪.狗狗.汽车等.TensorFlow是谷歌开发出的人工智能学习系统,相当于我们的运行环境. 2.神经网络与I

来源 | Towards Data Science 整理 | 磐石 就在几天前,Google AI在Kaggle上推出了一项名为Open Images Challenge的大规模目标检测竞赛.当今计算机视觉社区已经很长一段时间没有进行如此新的大规模竞赛,这对视觉研究者来说绝对是一个令人振奋的消息. 连续多年ImageNet一直是计算机视觉领域的"黄金标准型"竞赛,并且吸引了大量团队每年都参与竞争,以获得在ImageNet数据集上最低的错误率.同时,深度学习技术的突破更是使得图像识别任务

1.了解一下 通常情况下,每个需要访问网络的应用程序都会有一个自己的服务器,我们可以向服务器提交数据,也可以从服务器上获取数据.不过这个时候就出现了一个问题,这些数据到底要以什么样的格式在网络上传输呢? 随便传递一段文本肯定是不行的,因为另一方根本就不会知道这段文本的用途是什么.因此,一般都会在网络上传输一些格式化后的数据,这种数据会有一定的结构规格和语义,当另一方收到数据消息之后就可以按照相同的结构规格进行解析,从而取出他想要的那部分内容. 在网络上传输数据时最常用的格式有两种:XML 和JS

不错的 Tutorial: 从零到一学习计算机视觉:朋友圈爆款背后的计算机视觉技术与应用 | 公开课笔记 分享人 | 叶聪(腾讯云 AI 和大数据中心高级研发工程师) 整    理 | Leo 出    品 | 人工智能头条(公众号ID:AI_Thinker) 刚刚过去的五四青年节,你的朋友圈是否被这样的民国风照片刷屏?用户只需要在 H5 页面上提交自己的头像照片,就可以自动生成诸如此类风格的人脸比对照片,简洁操作的背后离不开计算机视觉技术和腾讯云技术的支持. 那么这个爆款应用的背后用到了哪些计

基于百度AI的人脸识别及语音合成课题 课题需求 (1)人脸识别 在Web界面上传人的照片,后台使用Java技术接收图片,然后对图片进行解码,调用云平台接口识别人脸特征,接收平台返回的人员年龄.性别.颜值等信息,将信息返回到Web界面进行显示. (2)人脸比对 在Web界面上传两张人的照片,后台使用Java技术接收图片,然后对图片进行解码,调用云平台接口比对照片信息,返回相似度. (3)语音识别 在Web页面上传语音文件,判断语音文件格式,如果不是wav格式进行转码处理,然后调用平台接口进行识别,

全球AI界最值得关注的十位科学家   我们可以看到AI已经从象牙塔里的高冷研究,逐步转换为科技公司.互联网公司的最核心竞争力.AI代表了这时代人类的前沿智慧,也正达到一种科学的极致. 这两天在美国加利福尼亚州的山景城,google 正举办着I/O 2016年度开发者大会,AI(artificial intelligence人工智能)再度成为大会焦点. 智能助手.智能家居中枢.智能聊天应用等新产品陆续在大会上发布.有意思的是,谷歌本次发布了智能家居的硬件产品Google Home来对抗Amazon

扩展手写数字识别应用 识别并计算简单手写数学表达式 主要知识点 了解MNIST数据集 了解如何扩展数据集 实现手写算式计算器 简介 本文将介绍一例支持识别手写数学表达式并对其进行计算的人工智能应用的开发案例.本文的应用是基于前文"手写识别应用入门"中的基础应用进行扩展实现的.本文将通过这一案例,展示基本的数据整理和扩展人工智能模型的过程,以及介绍如何利用手写输入的特性来简化字符分割的过程.并且本文将演示如何利用Visual Studio Tools for AI进行批量推理,以便利用底

目前的人工智能做了什么? 语音识别:小米的小爱同学,苹果的siri,微软的Cortana语音合成:小米的小爱同学,苹果的siri,微软的Cortana图像识别:交通摄像头拍违章,刷脸解锁手机等视频识别:抖音内容审核,视频社交APP的审核机制文字识别:从身份证照片提取身份证号码,扫一扫翻译语义理解:智能问答机器人,也包含小米的小爱同学,苹果的siri,微软的Cortana 我们身边的人工智能 银行办卡刷脸就行车辆违章有牌儿就跑不了违法犯罪路过天眼,等于自投罗网“小爱同学”,”哎~”,”打开电视”,

人工智能概述 人工智能的定义 · 人工智能是通过机器来模拟人类认识能力的一种科技能力 · 人工智能最核心的能力就是根据给定的输入做出判断或预测 · 思考:通过什么途径才能让机器具备这样的能力? · 举一个例子: 机器也需要学习 什么是机器学习 机器学习的定义 · 机器学习为人工智能提供了基础,机器学习就是一种使用数据来训练软件模型的技术. 什么是机器学习 理解模型 模型可以根据X的数值计算出Y的值,简单的说,如果有一个函数,输入一组X的数值(特征值),机器计算出中Y(预测值)的数值,f(x) =

人工智能的发展史及应用 开篇:人工智能无处不在 人工智能的发展历程 · 1945艾伦图灵在论文<计算机器不智能>中提出了著名的图灵测试,给人工智能的収展产生了深远的影响. · 1951年,马文·明斯基(Marvin Minsky)和迪恩·爱德蒙(Dean Edmunds)建立了"随机神经网络模拟加固计算器"SNARC. · 1955年8月31日,"人工智能"(artificial intelligence)一词在一份关于召开国际人工智能会议的提案中被提出

2018  AI产业界大盘点 大事件盘点 “ 1.24——Facebook人工智能部门负责人Yann LeCun宣布卸任 Facebook人工智能研究部门(FAIR)的负责人Yann LeCun宣布卸任,之后将担任Facebook首席人工智能科学家,保留对FAIR的研究方向的控制.同时,原工作将由新任负责人Jérôme Pesenti  接替,Facebook应用机器学习小组(AML)和Yann  LeCun将同时向其汇报.而Jérôme Pesenti  将直接向Facebook  CTO汇报

深度 | AI芯片终极之战 https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652712307&idx=1&sn=28806ccb69a5f5d1142ac5f79ccde395&chksm=847dba7db30a336bfde664a5f2b75fdc443ac541483542eada358f298965614f60e3faaecf7e&scene=21#wechat_redirect 2018-0

AI-Gobang AI五子棋小程序 github地址:https://github.com/holidaysss/AI-Gobang 程序简介 AlphaGo Zero在世界舞台上取得的巨大成功体现了人工智能算法的快速发展和其蕴含着的应用价值,本团队借鉴AlphaGo Zero算法思想和架构,简单实现五子棋的人工智能棋手,通过人工智能自我的不断下棋,不断训练,并且不断迭代更新自身-自训练模式,从而训练一个水平极高的人工智能棋手,让广大玩家体验一把与“AlphaGo Zero”的感觉.本团队提出