语音识别-深度学习第58页

一个神经元顶5到8层神经网络，深度学习的计算复杂度被生物碾压了

点击上方“AI遇见机器学习”，选择“星标”公众号重磅干货，第一时间送达来自：机器之心看来人工智能的发展还任重道远。来自耶路撒冷希伯来大学的研究者对单个神经元的计算复杂度进行了研究，他们通过训练人工深度神经网络来模拟生物神经元的计算，得出深度神经网络需要5至8层互连神经元才能表征（或达到）单个生物神经元的复杂度。人类糊状的大脑似乎与计算机处理器中的固态硅芯片相去甚远，但科学家将二者进行比较已经有很多

Evan-yzh·2024-01-16 04:32

机器学习算法 - 马尔可夫链

马尔可夫链（MarkovChain）可以说是机器学习和人工智能的基石，在强化学习、自然语言处理、金融领域、天气预测、语音识别方面都有着极其广泛的应用>Thefutureisindependentofthepastgiventhepresent

想做后端的前端·2024-01-16 03:26

Embedding：数据的奇妙之变

在深度学习的领域，Embedding是连接符号与连续的一座桥梁。它通过将高维离散数据映射到低维连续向量空间，为大模型提供了更好的处理能力。

千与编程·2024-01-16 02:36

深度学习---从入门到放弃（四）优化器

深度学习—从入门到放弃（四）优化器1.案例引入-MNIST手写数字识别现代深度学习优化中的许多核心思想（和技巧）可以在训练MLP以解决图像分类任务的中进行说明。

佩瑞·2024-01-16 02:33

人脸自收集数据集辅助制作工具——人脸姿态数据标注

综述我们在进行人脸属性识别深度学习算法研究过程中除了使用开源带标签的数据以外，都会根据具体使用场景与需求用到大量自收集的图像数据（开源/爬虫/自拍等），然这些数据一般是没有人脸对应属性标注标签的。

彧侠·2024-01-16 02:07

吴恩达深度学习学习笔记-7建立神经网络

1.训练神经网络训练神经网络时，需要做许多决策。例如，有多少层网络每层含有多少个隐藏单元学习率各层采用哪些激活函数…这些决策无法一次决定好，通常在项目启动时，我们会先有一个初步想法，然后编码，并尝试运行这些代码，再根据结果完善自己的想法，改变策略。2.train/dev/testsets通常把数据分为训练集，验证集，测试集。我们用训练集数据训练模型，用验证集做holdoutcrossvalidat

猪猪2000·2024-01-16 02:03

【吴恩达深度学习】Keras tutorial - the Happy House

Kerastutorial-theHappyHouseWelcometothefirstassignmentofweek2.Inthisassignment,youwill:LearntouseKeras,ahigh-levelneuralnetworksAPI(programmingframework),writteninPythonandcapableofrunningontopofsever

深海里的鱼(・ω<)★·2024-01-16 02:03

吴恩达深度学习第二课-第一周笔记及课后编程题

笔记训练_开发_测试集小数据时代训练集/测试集的分配比例大致遵循70%/30%或训练集/开发集（或crossvalidationset）/测试集的分配比例大致遵循60%/20%/20%大数据时代只要开发集能够确定哪一个算法/模型有更好的表现，测试集能够无偏评估模型的性能，就称赋予了开发集、测试集足够的数据量了；训练集将被赋予更大比重的数据量。如：训练集/开发集/测试集的比率为98%/2%/2%注：

Giraffeee_·2024-01-16 02:01

吴恩达深度学习--神经网络的优化(1)

1.训练集，验证集，测试集选择最佳的Train/Dev/Testsets非常重要。除此之外，构建神经网络时，需要设置的参数很多：神经网络层数，神经元个数，学习率的大小。激活函数的选择等等。实际上很难第一次就确定好这些参数，大致过程是：先确定初始参数，构建神经网络模型，然后通过代码实现该模型，之后进行试验确定模型的性能。根据性能再不断调整参数，重复上述过程，直到让神经网络模型最优。由上述可知，深度学

Kangrant·2024-01-16 02:30

深度学习记录--Train/dev/test sets

为什么需要训练集、验证集(简单交叉验证集)和测试集？为了创建高效的神经网络，需要不断进行训练(迭代)一个神经网络的产生从最开始的想法idea开始，然后付诸于代码code，根据结果验证反过来对一开始的想法idea进行修正，而这就完成了一次训练(迭代)循环速率(迭代速率)train/dev/testsets会加速神经网络的集成数据的配置一般将数据分为三个部分(train/dev/testsets)在训

蹲家宅宅·2024-01-16 02:29

深度学习基于aistudio平台从数据标注开始实现语义分割任务

从0基础开始进行深度学习1、数据处理1.1数据标注准备数据标注软件使用labelme进行数据标注，labelme的下载地址为：https://download.csdn.net/download/a486259

摸鱼的机器猫·2024-01-16 01:55

基于AI视频智能分析技术的周界安全防范方案

A智能分析网关V4基于深度学习和计算机视觉技术，可以通过多种AI周界防范算法，实时、精准地监测人员入侵行为，及时发现异常情况并发出警报，保障周界安全。

Black蜡笔小新·2024-01-16 01:54

文文学霸·2024-01-15 23:26

基于深度学习的实例分割的Web应用

基于深度学习的实例分割的Web应用1.项目简介1.1模型部署1.2Web应用2.Web前端开发3.Web后端开发4.总结1.项目简介这是一个基于深度学习的实例分割Web应用的项目介绍。

OverlordDuke·2024-01-15 19:49

基于深度学习的多类别电表读数识别方案详解

基于深度学习的多类别电表读数识别方案详解多类别电表读数识别方案详解项目背景项目难点最终项目方案系列项目全集：安装说明环境要求数据集简介数据标注模型选型明确目标，开始下一步的操作检测模型训练模型评估与推理番外篇

OverlordDuke·2024-01-15 19:18

《动手学深度学习》学习笔记第10章注意力机制

本系列为《动手学深度学习》学习笔记书籍链接：动手学深度学习笔记是从第四章开始，前面三章为基础知识，有需要的可以自己去看看关于本系列笔记：书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容

北方骑马的萝卜·2024-01-15 19:13

基于深度学习的桃子熟度与大小智能检测

基于深度学习的桃子熟度与大小智能检测基于深度学习的桃子熟度与大小智能检测引言1.环境搭建与准备2.数据准备3.模型准备4.训练准备5.服务器端部署结语基于深度学习的桃子熟度与大小智能检测引言随着时代的快速发展

OverlordDuke·2024-01-15 19:12

智能语音技术栈

识别原理——硬件数据采集——软件数据处理目前主流的开源平台包括CMUSphinx、HTK、Kaldi、Julius、iATROS、CNTK、TensorFlow等，CMUSphinx是离线的语音识别工具

chenkaifang·2024-01-15 19:53

人工智能，深度学习与机器学习

从去年研究生入学开始，总是听到周围的人在说人工智能，机器学习，深度学习，，，，然而自己并不能完全明白这些到底是怎么回事，以及他们之间有着什么样的关系，近来也不知道都搞了些什么鬼，大概好像是知道了点什么。

陶大明·2024-01-15 19:33

基于深度学习的钢板表面缺陷识别技术介绍与实践

1问题背景1.1问题背景钢板的表面质量是钢板最为重要的质量因素之一，表面质量的优劣直接影响其最终产品的性能与质量。然而在加工过程中，由于原材料、轧制设备和工艺等原因，导致钢板表面出现结疤、裂纹、锟印、刮伤、针眼、磷皮、麻点等不同类型的缺陷[1]。这些缺陷不仅影响产品的外观，而且降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能。在钢板轧制过程中，钢板表面缺陷的检测是一种简单的重复性、快速、高度集中的工作

槿予·2024-01-15 18:20

机器学习在表面缺陷检测中的技术与实践

一、机器学习在表面缺陷检测中的应用深度学习：深度学习是机器学习的一个重要分支，其在图像识别和处理领域具有显著的优势。通过构建深度神经网络，可以对图像进行自动的缺陷检测和分类。常见

matlabgoodboy·2024-01-15 18:15

AI语音机器人的发展

语音识别效果还不多，大多都是接入的科大讯飞或者百度的ASR。2018年算是AI语音机器人的“青春期”吧，发展到现在的“成熟期”，近5年的发展，进步巨大。

天天讯通·2024-01-15 18:45

文本分类的一些记录

文本分类主要流程一般是：先预处理文本，再提取特征，最后通过特征进行分类，或者直接采用深度学习的模型对处理好的文本进行分类。

hema12138·2024-01-15 18:29

资深程序员骆昊：Python从新手到大师，100天完整学习路线

算法channel·2024-01-15 18:10

sigmoid函数求导、求极值（史上最详细）

在机器学习、深度学习中，激活函数有时会使用到Sigmoid函数。

TFATS·2024-01-15 17:26

慕尼黑工业大学最新提出！单目实时密集建图的混合隐式场方法

作者：小柠檬|来源：3DCV在公众号「3DCV」后台，回复「原论文」可获取论文pdf我们提出了一种新颖的方法，它将基于深度学习的密集SLAM与神经隐式场相结合，实时生成密集地图，而无需像以前的方法那样依赖

3DCV·2024-01-15 17:46

NLP论文阅读记录 - 2022 | WOS 用于摘要法律文本的有效深度学习方法

文章目录前言0、论文摘要一、Introduction1.1目标问题二.相关工作三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结前言Effectivedeeplearningapproachesforsummarizationoflegaltexts（22）0、论文摘要数字形式的法律判决文件的可用性为信息提取和应用提供了众多机会。由于这

yuyuyu_xxx·2024-01-15 17:11

随心77--很开心的一件事

我突然发现，讯飞有个功能，可能是自己太out了，他竟然可以通过语音识别，把你的字直接识别出来。ヾ(´∇｀)ﾉ哇～贼开心啊，本来一篇文章要写一个多小时，现在，我一刻钟就能写完一篇比以前字数还要多的文章。

随心小77·2024-01-15 17:31

[论文阅读]Self-Supervised Learning for Videos: A Survey

Self-SupervisedLearningforVideos:ASurvey.ACMComput.Surv.,55(13s),1–37.https://doi.org/10.1145/3577925论文中文名称：视频的自监督学习综述摘要：深度学习在各个领域取得的显著成功依赖于大规模标注数据集的可用性

王知为·2024-01-15 16:11

[深度学习]Open Vocabulary Object Detection 部署开放域目标检测模型使用感受

一、OpenVocabularyObjectDetection介绍OpenVocabularyObjectDetection(OpenVOD)是一种新型的目标检测方法，它使用开放词汇的概念来识别和检测图像中的对象。与传统的目标检测方法相比，OpenVOD具有更高的灵活性和可扩展性，因为它允许用户自定义对象类别和词汇，从而能够适应各种不同的应用场景和需求。OpenVOD的核心思想是将目标检测任务转化

FL1623863129·2024-01-15 16:24

[深度学习]imagenet的1000类别名称

tenchgoldfishgreatwhitesharktigersharkhammerheadsharkelectricraystingraycockhenostrichbramblinggoldfinchhousefinchjuncoindigobuntingAmericanrobinbulbuljaymagpiechickadeeAmericandipperkitebaldeaglevult

FL1623863129·2024-01-15 16:05

打破硬件壁垒：TVM 助力 AI技术跨平台部署

文章目录《TVM编译器原理与实践》编辑推荐内容简介作者简介目录前言/序言获取方式随着人工智能（ArtificialIntelligence，AI）在全世界信息产业中的广泛应用，深度学习模型已经成为推动AI

程序边界·2024-01-15 16:32

AI智能电销器人需要注意哪些问题呢

1.注意看技术：语音识别技能是

VO_794632978·2024-01-15 15:35

ai智能语音机器人如何基于本地语音识别，搭建一款智能聊天机器人？

基于本地语音识别技术，搭建智能聊天机器人是一种广泛使用的人工智能应用。它可以为用户提供语音聊天、语音指令和语音控制等服务，提高用户的体验和方便性。以下是基于本地语音识别的智能聊天机器人搭建过程。

VO_794632978·2024-01-15 15:05

chatgpt和文心一言哪个更好用

一、智能回复ChatGPT：ChatGPT是一种基于Transformer的深度学习模型，它能够通过上下文理解对话，并产生相应的回复。与传统的聊天机器人

前端御书房·2024-01-15 14:58

WeNet2.0：提高端到端ASR的生产力

摘要最近，我们提供了WeNet[1]，这是一个面向生产（=工业生产环境需求）的端到端语音识别工具包，在单个模型中，它引入了统一的两次two-pass(U2)框架和内置运行时（built-inruntime

智慧医疗探索者·2024-01-15 13:46

阿里视频生成大模型I2VGen-XL的论文来了！视频合成新范式

根据阿里云视频生成模型研发负责人介绍，I2VGen-XL采用深度学习技术，具备卓越的图像识别和生成能力。用户只需提供素材和需求，即可自动生成高质量的视频内容，显著提高了视频制作的效率和质量。

AI生成未来·2024-01-15 13:43

【深度学习】Anaconda3 + PyCharm 的环境配置 4：手把手带你运行 train.py 文件，史上最全的问题解决记录

前言文章性质：实操记录主要内容：主要记录了运行train.py文件时遇到的错误以及相应的解决方案。项目源码：GitHub-SZU-AdvTech-2022/213-Rethinking-Image-Restoration-for-Object-Detection相关文档：睿智的目标检测26：Pytorch搭建yolo3目标检测平台冷知识+1：小伙伴们不经意的点赞与收藏✨可以让作者更有创作动力！目录

作者正在煮茶·2024-01-15 12:16

【深度学习】Anaconda3 + PyCharm 的环境配置 1：手把手带你安装 PyTorch 并创建 PyCharm 项目

前言文章性质：实操记录主要内容：这篇文章记录了PyTorch的安装过程，包括：1.创建并激活新的虚拟环境；2.查看电脑是否支持CUDA以及CUDA的版本；3.根据CUDA的版本安装PyTorch；4.在PyCharm中创建使用pytorch_gpu虚拟环境的新项目；5.在PyCharm中验证PyTorch是否安装成功。相关文档：anaconda+pytorch+opencv安装及环境配置_pyto

作者正在煮茶·2024-01-15 12:45

【深度学习】Anaconda3 + PyCharm 的环境配置 2：手把手带你安装 Jupyter Notebook 并解决因 conda 版本低导致安装失败的问题

视频教程：PyTorch深度学习快速入门教程【小土堆】相关文档：anaconda+pytorch+opencv安装及环境配置_pytorch安装opencv-CSDN博客冷知识+1：小伙伴们不经意的点赞与收藏

作者正在煮茶·2024-01-15 12:45

【霹雳吧啦】手把手带你入门语义分割1：语义分割的定义 & 常见数据集 & 评价指标 & 标注工具

目录前言一、常见的分割任务二、语义分割的网络模型三、语义分割的常见数据集格式四、语义分割所得结果具体形式五、语义分割的常见评价指标六、语义分割的常用标注工具前言这篇文章是我根据B站霹雳吧啦Wz的《深度学习

作者正在煮茶·2024-01-15 12:14

深度学习-标注文件处理（txt批量转换为json文件）

接上篇，根据脚本可将coco128的128张图片，按照比例划分成训练集、测试集、验证集，同时生成相应的标注的labels文件夹，最近再看实例分离比较火的maskrcnn模型，准备进行调试但由于实验室算力不足，网上自己租的2080ti马，传整个coco2017实在是太慢了，检索了一下没有开源的部分coco2017数据集，于是我想到将coco128的数据转化成json文件，便于新手进行debug，节约

交换喜悲·2024-01-15 12:42

【深度学习】Anaconda3 + PyCharm 的环境配置 3：GitHub 项目运行前的环境配置

前言文章性质：实操记录主要内容：主要记录了运行GitHub项目前的环境配置过程，包括创建并激活新的虚拟环境、安装torch和torchvision，在PyCharm中使用新建的虚拟环境，根据项目源代码提供的requirements.txt文件安装其他包。注意，项目源码来自于GitHub平台！非本人原创！项目源码：GitHub-SZU-AdvTech-2022/213-Rethinking-Imag

作者正在煮茶·2024-01-15 12:12

BCN：图像分类的批处理通道归一化

摘要归一化技术已被广泛应用于深度学习领域，因为它们能够提高学习率并减少对初始化的依赖。然而，流行的归一化技术的有效性通常仅限于特定领域。

静静AI学堂·2024-01-15 12:29

imgaug库指南（13）：从入门到精通的【图像增强】之旅

引言在深度学习和计算机视觉的世界里，数据是模型训练的基石，其质量与数量直接影响着模型的性能。然而，获取大量高质量的标注数据往往需要耗费大量的时间和资源。

高斯小哥·2024-01-15 11:15

2022.08.17

深度学习则强调在学习过程中培养学生形成专家思维，教会学生像专家一样思考。”

梅花儿哟·2024-01-15 11:54

【转载】用Masking GAN让100,000人都露出灿烂笑容

继卷积神经网络（CNN）掀起深度学习的浪潮后，生成对抗网络（GAN）逐渐成为了计算机

dopami·2024-01-15 11:11

imgaug库指南（21）：从入门到精通的【图像增强】之旅