幸运28

张飞软硬开源基于STM32 BLDC直流无刷电机驱动器开发视频套件,👉戳此立抢👈 &#幸运2810005

CVPR 2019,旷视提出基于测地距离的点云分析深度网络GeoNet

2019-03-29 16:31 次阅读

全球计算机视觉三大顶会之一 CVPR 2019 (IEEE Conference on Computer Vision and Pattern Recognition)将于 6 月 16-20 在美国洛杉矶如期而至。届时,旷视首席科学家、研究院院长孙剑博士将带领团队远赴盛会,助力计算机视觉技术的交流与落地。在此之前,旷视每周会推出一篇 CVPR'19 接收论文解读文章。本文是第 2 篇解读,旷视 CVPR'19 Oral 论文提出一种基于测地距离的点云分析深度网络——GeoNet。

论文名称:GeoNet: Deep Geodesic Networks for Point Cloud Analysis 

论文链接:http://farmbura.com/emb/jiekou/20190310882991.html

导语 

简介 

GeoNet 方法

问题陈述 

方法 

测地邻域估计 

特征提取 

测地匹配

测地融合

PU-Net 

PointNet++ 

GeoNet实验 

测地邻域估计 

点云上采样 

法向量估计及网格重建 

非刚性形状分类 

结论幸运28 

参考文献 

往期解读

基于网格曲面的几何拓扑信息可以为物体语义分析和几何建模提供较强的线索,但是,如此重要的连接性信息在点云中是缺失的。为此,旷视西雅图研究院首次提出一种全新的深度学习网络,称之为 GeoNet,可建模点云所潜在表征的网格曲面特征。 

为证明这种学习型的测地表示的有效性,旷视西雅图研究院提出一种融合方案,即把 GeoNet 与其他 baseline 和 backbone 相结合,比如 PU-Net、PointNet++,用于若干对潜在网格曲面特征理解有较高要求的点云分析任务。 

得益于对潜在曲面拓扑结构的理解,这一方法在点云上采样、法向量估计、网格重建及非刚性形状分类等多项经典任务上取得了新的当前最优结果。该项工作已收录为 CVPR 2019 Oral 论文。

简介

拓扑估计,即确定点云之中不同点的邻域关系,是一个很重要的问题,因为它指示着可进一步揭示点云语意和功能信息的潜在的点云结构。

图 1:GeoNet 方法示意图,其输入是一个点云,然后输出相应的表示用于多项点云分析任务。

如图 1 左边红色插框所示:这两个点集,尽管看起来不相连,但实际上应该相连为一个椅腿,作为整个椅子的一部分。另一方面,位于椅子上、下表面的点集,尽管空间上非常聚集,但却不该相连,以避免混淆可坐的上表面和不可坐的下表面。确定这样的拓扑学信息似乎是一个低阶问题,而实际上这是一项充满挑战的任务,需要全局、高阶的知识。

再次回到图 1 中的红色插框,本文由此得出结论,两个点集只有从大量点云学习到统计规则之后才相连,并观察这一类型的诸多物体,伴随着从椅子延伸到地面的相连、垂直的元素。这启发本文采取一种学习的方法来捕捉点云的拓扑学结构。

本文旨在开发一种针对潜在曲面拓扑学和物体几何学的点云数据的表示,进而提出一种利用已学习的拓扑学特征分析测地性点云的方法。

这一表示可捕捉一个点云的不同拓扑学模式,并且这一方法不会改变数据流,因此本文的表示可实现联合学习,与当前最优的 baseline 或 backbone 相结合,比如 PU-Net,PointNet++。

对于第一个目标,本文提出一种测地性邻域估计网络(Geodesic Neighborhood Estimation Network),称之为 GeoNet,通过使用 groundtruth 测地距离作为监督信号来学习深度测地表示。

如图 2 所示,GeoNet 包含两个模块:1)自动编码器,提取每一个点的特征向量;2)测量匹配层(GM),使用潜在特征充当一个已学习的核函数估计测地邻域点。

图 2:GeoNet:测地邻幸运28域估计网络。

借助于监督式的测地训练过程,GM 层的中间特征包含丰富的点云拓扑学信息以及固有的曲面属性。本文注意到,尽管表示在测地距离上训练,但由于没有施加对称性、三角不等式等基于距离的约束,所学得的表示暂时并不适合作为标准测地距离。表示的目标是为整体几何学和拓扑学的后续处理过程提供点云潜在的网格曲面特征信息,而不是直接进行指标计算。 

对于第二个任务,如图 3 所示,本文提出测地融合方案,从而把 GeoNet 整合进当前最优的架构之中,完成不同的任务。

图 3:PU-Net(上)和 PointNet++(下)测地融合方案。

具体而言,本文通过 PU-Net fusion(PUF)进行点云上采样,通过 PointNet++ fusion(POF)进行法向量估计、网格重建以及非刚性形状分类。 

实验表明,这种幸运28来自 GeoNet 的已学习的测地表示同时有助于几何学和语义点云分析。

GeoNet方法

问题陈述

本文用表示一幸运28个点云,其中,其中

的系数是 K,x_i 的相应测地距离集合表示为代表测地距离。本文的目标是学习函数(的近似集合)。

方法

本文通过训练 GeoNet 学习上述定义的函数 f。它包含一个带有跳跃式连接(skip connections)的自动编码器层,以及一个多尺度的测地匹配层(GM),起到利用点集潜在的空间特征的作用。

GeoNet 借助集合 X 不同点之间的 groundtruth 测地距离实现监督式训练。为证明 GeoNet 表示的可用性,本文在幸运28一些需要理解潜在的表面拓扑学的经典任务上测试了该方法,具体包括点云上采样、法向量估计、网格重建以及非刚性形状分类。

为此,本文还结合了专为上述问题而设计的当前最优的架构。比如,使用 PU-Net 作为 baseline 用于点云上采样,把 PointNet++ 用于其他任务,这两种测地融合方法分别称之为 PU-Net fusion (PUF) 和 PointNet++ fusion (POF),通过与 GeoNet 的整合,解决测地相关的点云分析问题。

测地领域估计

如图 2 所示,GeoNet 包含两个模块:自编码器提取每个点

特征提取。本文使用 PointNet++ 变体提取特征,它把一个输入点集映射到特征集。为恢复点云的特征,本文还使用了带有跳跃连接的编码器。该编码器包含递归应用的三线性特征转换器,并共享全连接层、ReLU 和批归一化。所得到的(N,3+C)张量接着被馈送至 GM 层用于测地邻域估计。

测地匹配。本文把不同半径下的潜在特征归组为邻域特征集合。针对每个半径设置一个最大数量的邻域点,从而得到一个维的向量。归组的特征,连同潜在的特征,输入到一个测地匹配模块,所得特征成为一组带有 ReLU、批归一化和 Dropout 的共享 FC 层的输入。最后,GM 层为输入点云的每个点反馈一个测地核函数评估。

本文使用一个多尺度的对比 groundtruth 测地距离及其评估:

测地融合

为证明这一学习的测地表示可用于点云分析,本文结合针对不同任务的当前最优(SOTA)架构给出了新的融合方法。主要是基于 PU-Net 提出 PU-Net fusion (PUF),基于 PointNet++ 提出 PointNet++ fusion (POF)。

PU-Net 测地融合。如图 3 上半部分所示,输入点集(N,d)并将其馈送至两个分支:Multi-scale Grouping 和 GeoNet。

接着,向量。剩余的层则来自 PU-Net。如图 3 红框所示,这个损失函数有两个权重项:

其中,L_geo 用于 GeoNet 训练,L_task 是本文当前目标任务的损失函数。在这种情况下,目标是点云上采样:

其中第一个项是上采样点集和 groundtruth 密集点云之间的地球移动距离 EMD(Earth Mover Distance):

(3)中第二项是一个排斥损失函数,通过惩罚相近的点对来提升统一的空间分布:

PointNet++ 测地融合。图 3 下半部分给出了基于 PointNet++ 的融合方法的 pipeline。由于 PU-Net 和 PointNet++ 所面向的任务以及架构的不同,本文对 PUF 做了以下改变以设计一种使用 PointNet++ 的适宜的融合策略。

首先,对于 multi-scale grouping,本文使用学习的测地邻域融合进 backbone,在 GeoNet 中 POF 层依然使用提取自倒数第二个全连接层的潜在测地特征。第三,在 PointNet++ 融合中,借助最远点采样,本文以分层方式应用 POF 层。

因此,已学习的特征同时编码点集的局部和全局的结构化信息。本文借助 L_1 误差估计点云法向量:

接着,本文使用所估计的法向量通过泊松曲面重建(Poisson surface reconstruction)生成网格。为分类非网格物体的点云,本文使用交叉熵损失函数:

GeoNet实验

本文通过评估点云测地邻域对 GeoNet 进行性能测试。为证明已学习的深度测地表示的可用性,本文在一系列对潜在曲面网格特征理解有所要求的点云任务上进行了实验,比如点云上采样、法向量估计、网格重建、非刚性形状分类。

测地邻域估计

通过使用具有 512 个均布点的点云,表 1 展示了 ShapeNet 数据集上的测地距离集合、

表 1

GeoNet 在 baselines 上有持续提升,代表性结果如图 4 所示。本文方法捕捉到不同的拓扑学模式,比如弯曲面,分层结构,外部/内部部分等等。

图4:测地邻域估计的表示结果。

点云上采样

本文在点云上采样任务重测试 PUF,结果如表 3 所示。本文在 3 个指标上与当前最优的点云上采样方法 PU-Net 进行了对比:MSE、EMD 以及倒角距离 CD(Chamfer Distance)。

表 3

由于测地邻域较于欧氏邻域具有更丰富的潜在点集拓扑学信息,PUF 上采样产生更少的异常值,并复原更多的细节,比如曲线及尖锐结构,如图 5 所示。

图 5:PUF 与 PU-Net 的点云上采样结果对比。

法向量估计及网格重建

本文将 PointNet++ 测地融合方法 POF 应用于法向量估计,接着借已完成的法向量估计幸运28做泊松曲面重建。Shrec15 和 ShapeNet 数据集上的法向量估计量化结果如表 4 和表 5 所示。通过对比传统的 PCA 算法和当前最优的深度学习方法 PointNet++,POF 有 10% 左右的相对提升。

表 4

表 5

非刚性形状分类

非刚性形状分类的实验结果如表 6 所示。尽管 POF 和 PointNet++ 只把欧式坐标系的点云作为输入,DeepGM 需要在 groudtruth 测地度量空间中利用精确网格数据获取线下计算的固有特征。尽管所用数据信息量更少,但 POF 相较其他方法精度更高。

表 6

这进一步证明,POF 更适合解决需要理解潜在点云曲面属性的任务。

结论

本文提出 GeoNet,一种全新的深度学习架构,可学习点云基于测地空间的拓扑学结构。其训练过程在 groundtruth 测地距离的监督之下进行,因此已学习的表示可反映出点云所潜在表征的网格曲面特征。 

为证明这一拓扑学结构的有效性,本文借助融合方法把 GeoNet 与当前最优的点云分析 baseline 或 backbone 整合为一种计算方案,在点云上采样、法向量估计、网格重建及非刚性形状分类等几何学及语义任务上的实验结果表明,GeoNet 性能优于当前最佳同类方法。

原文标题:CVPR 2019 | 旷视Oral论文提出GeoNet:基于测地距离的点云分析深度网络

文章出处:【微信号:megvii,微信公众号:Megvii旷视科技】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

深度学习和神经网络

David,加州大学物理博士,美国著名电商数据科学家。本课程介绍什么是深度学习, 深度学习与机器学习的关系,几种神经网络
发表于 11幸运28-08 00:00 7724次 阅读
深度学习和神经网络

分析并比较五种非常有用的深度学习框架的优点及应用。

我喜欢TensorFlow的原因有两点:它完全是开源的,并且有出色的社区支持。TensorFlow为幸运28....
的头像 电子发烧友网工程师 发表于 04-24 17:26 103次 阅读
分析并比较五种非常有用的深度学习框架的优点及应用。

公众可以将自己的电脑“借”给科学界,来助力解锁黑洞相撞时引力波里的秘密

Etienne 和其他的科研工作者们希望通过让公众们参与科研项目来大幅增加引力波的理论预测数量,从而....
的头像 电子发烧友网工程师 发表于 04-24 17:11 83次 幸运28 阅读
公众可以将自己的电脑“借”给科学界,来助力解锁黑洞相撞时引力波里的秘密

CFX这种仿真工具在流体机械内的应用,以及相应的仿真优化流程

做仿真的目的是验证我们的设计结果并为我们的设计提供优化思路,所以我们需要在CFD-POST中进行后处....
的头像 电子发烧友网工程师 发表于 04幸运28-24 14:52 73次 阅读
CFX这种仿真工具在流体机械内的应用,以及相应的仿真优化流程

比CNN表现更好,CV领域全新卷积操作OctConv厉害在哪里?

CNN卷积神经网络问世以来,在计算机视觉领域备受青睐
的头像 电子发烧友网工程师 发表于 04-24 11:35 186次 阅读
比CNN表现更好,CV领域全新卷积操作OctConv厉害在哪里?

深度学习时代,能否实现照片“隐写术”?

传统的AR(增强现实)就是这么做的。但这需要联网,而且对于纹理不丰富的图片,检索效果很差,也没有很好....
的头像 电子发烧友网工程师 发表于 04-24 10:46 135次 阅读
深度学习时代,能否实现照片“隐写术”?

一种新的带有不确定性的边界框回归损失,可用于学习更准确的目标定位

目标检测是一种多任务学习问题,包含目标定位和目标分类。当前最佳的目标检测器(比如 Faster RC....
的头像 电子发烧友网工程师 发表于 04-23 16:38 152次 阅读
一种新的带有不确定性的边界框回归损失,可用于学习更准确的目标定位

旷视把开辟基础算法新路的斧头交给了28岁的年轻人

张祥雨认为,70%的AI从业者依然从事着能被机器替代的重复性工作,AutoML这项看似会让AI从业者....
的头像 新智元 发表于 04-23 10:45 324次 阅读
旷视把开辟基础算法新路的斧头交给了28岁的年轻人

一个能通过空间条件坐标和隐变量生成图像片、并合成完整图片的网络模型

在前文的架构图中我们已经看到它由生成器和判别器两个网络和两套坐标系统组成,其中包括了细粒度的局域图像....
的头像 将门创投 发表于 04-22 14:37 162次 阅读
一个能通过空间条件坐标和隐变量生成图像片、并合成完整图片的网络模型

CMU王赟写在入职Facebook之前的八年博士生涯心路历程

第二个组织,叫做 Pittsburgh pLayboycLub。这是CMU和隔壁匹大的几个学生组建的....
的头像 将门创投 发表于 04-22 14:34 182次 阅读
CMU王赟写在入职Facebook之前的八年博士生涯心路历程

什么是智能内容生成?万字讲述智能内容生成实践

事实上,Data2Seq领域在工业界有着非常大的应用价值,应用领域如天气预报、体育报道、财经新闻和医....
的头像 电子发烧友网工程师 发表于 04-22 11:52 249次 阅读
什么是智能内容生成?万字讲述智能内容生成实践

卷积神经网络的数学原理介绍

在之前的系列中,我们学习了密集连接的神经网络(densely connected neural ne....
的头像 电子发烧友网工程师 发表于 04-22 11:44 259次 阅读
卷积神经网络的数学原理介绍

设计了一个强强联合型模型来预测股票价格,为什么这么形容?

首先,要了解什么因素会影响 GS 的股票价格波动,需要包含尽可能多的信息(从不同的方面和角度)。将使....
的头像 幸运28 电子发烧友网工程师 发表于 04-22 11:38 300次 阅读
设计了一个强强联合型模型来预测股票价格,为什么这么形容?

邓力荣获学术界的盛高荣誉:入选加拿大国家工程院院士

即便几经挫败,邓力也始终在进行着统计模型和计算人工神经网络在内的相关研究,并在加入加拿大滑铁卢大学任....
的头像 新智元 发表于 04-22 11:27 432次 阅读
邓力荣获学术界的盛高荣誉:入选加拿大国家工程院院士

深度学习到底是什么卷积神经网络的结构你了解吗

在很多人眼里,深度学习是一个非常神奇的技术,是人工智能的未来,是机器学习的圣杯。今天大恒图像带您一起....
的头像 电子发烧友网工程师 发表于 04幸运28-20 09:36 268次 阅读
深度学习到底是什么卷积神经网络的结构你了解吗

深度学习与传统计算机视觉到底是怎么样的关系

如今,深度学习在众多领域都有一席之地,尤其是在计算机视觉领域。尽管许多人都为之深深着迷,然而,深网就....
的头像 电子发烧友网工程师 发表于 04-20 09:28 210次 幸运28 阅读
深度学习与传统计算机视觉到底是怎么样的关系

卷积神经网络四种卷积类型

有些消息来源使用名称deconvolution,这是不合适的,因为它不是解卷积。为了使事情更糟,确实....
的头像 Imagination Tech 发表于 04-19 16:48 208次 阅读
卷积神经网络四种卷积类型

从多个角度对TensorFlow和PyTorch进行了对比,哪个会成为最有话语权的深度学习框架

从上图可以看出,TensorFlow在star、fork、watch和贡献者4个方面活跃度均是最高,....
的头像 新智元 发表于 04-19 14:41 250次 阅读
从多个角度对TensorFlow和PyTorch进行了对比,哪个会成为最有话语权的深度学习框架

FAIR何恺明团队近日发表神经结构搜索NAS方面的最新力作

在这一趋势的推进中,神经结构搜索 (neural architecture search, NAS)....
的头像 新智元 发表于 04-19 14:34 267次 阅读
FAIR何恺明团队近日发表神经结构搜索NAS方面的最新力作

博士生求职AI岗位的经验分享

别指望这段时间能完成多少工作。正如一位同事所言:“当你听到这个或那个招聘人员的反馈时,你的大脑一直在....
的头像 新智元 发表于 04-19 13:36 240次 阅读
博士生求职AI岗位的经验分享

ResNet原始结果无法复现?大神何恺明受到了质疑

但是,如果只是简单地将层堆叠在一起,增加网络的深度并不会起太大作用。这是由于难搞的梯度消失(vani....
的头像 新智元 发表于 04幸运28-19 11:21 280次 阅读
ResNet原始结果无法复现?大神何恺明受到了质疑

深度学习真正可以实现什么,与经典计算机视觉的区别是什么?

看起来他正在用一些随机看的过滤器对每个图像进行卷积,然后使用一些非常奇怪的逻辑,许多“if then....
的头像 新智元 发表于 04-19 10:46 234次 幸运28 阅读
深度学习真正可以实现什么,与经典计算机视觉的区别是什么?

OpenAI Five是如何训练的、为什么选择打Dota以及AI在打幸运28Dota的时候在想什么?

总决赛让OpenAI的科学家可以回答一个重要的研究问题:OpenAI Five在多大程度、以何种方式....
的头像 新智元 发表于 04幸运28-19 09:29 489次 阅读
OpenAI Five是如何训练的、为什么选择打Dota以及AI在打Dota的时候在想什么?

充分利用人工智能,实现更为高效的下一代数据存储

数据生成的速度远超人们的想象。在以前,人是数据产生的主要来源;而现在,图像设备、传感器、无人机、互联....
发表于 04-17 17:50 177次 阅读
充分利用人工智能,实现更为高效的下一代数据存储

一文讲述Quadro RTX 5000带来的性能提升

NVLink技术取代了SLI技术,可以配合Quadro NVLink 2-Slot或者3-Slot使....
的头像 英伟达NVIDIA企业解决方案 发表于 04幸运28-17 16:50 397次 阅读
一文讲述Quadro RTX 5000带来的性能提升

回顾2019GTC大会上中国初创企业的最新技术和创新展示方案

智擎信息携“智策”深度学习端计算产品和工业数据自动化分析平台登陆NVIDIA GTC大会,将超过10....
的头像 英伟达NVIDIA企业解决方案 发表于 04-17 16:48 565次 阅读
回顾2019GTC大会上中国初创企业的最新技术和创新展示方案

解析DARTS:海量数据训练和新样本特征的综合

研究人员首次将深度学习与贝叶斯假设检验结合,利用深度学习强化RNA可变剪接分析的准确性。
的头像 人工智能学家 发表于 04-17 09:11 351次 阅读
解析DARTS:海量数据训练和新样本特征的综合

我们应该跳出框架的桎梏 往更广泛的人工智能领域寻找价值

最近几年深度学习的流行,大家一般认为是从2012年AlexNet在图像识别领域的成功作为一个里程碑。....
发表于 04-16 17:40 84次 阅读
我们应该跳出框架的桎梏 往更广泛的人工智能领域寻找价值

一听说是黑盒系统就敬而远之是否是最好的做法?

黑箱系统给出的答案无法完全令人信服的事情并不只发生在科学家和工程师身上。2018 年提出的「欧盟一般....
的头像 人工智能 发表于 04-16 10:30 213次 阅读
一听说是黑盒系统就敬而远之是否是最好的做法?

最先进的双足幸运28机器人能够以相对较高的速度行走和跑步

无独有偶,慕尼黑工业大学机械工程系的研究人员们正在研究构造一种能够快速、类似人类自主行走的机器人。他....
的头像 机幸运28器人大讲堂 发表于 04-15 09:10 403次 阅读
最先进的双足机器人能够以相对较高的速度行走和跑步

基于深树的软件缺陷预测模型的详细资料说明

缺陷在软件系统中很常见,可能会给软件用户带来各种各样的问题。为了快速预测大型代码库中最可能出现的缺陷....
发表于 04-15 08:00 32次 阅读
基于深树的软件缺陷预测模型的详细资料说明

苏州市智能网联汽车首幸运28批路测牌照发放

Momenta当选第一届轮值理事长单位,奇瑞新能源汽车技术有限公司、上海淞泓智能汽车科技有限公司、苏幸运28....
的头像 机器人幸运28技术与应用 发表于 04-13 11:20 756次 阅读
苏州市智能网联汽车首批路测牌照发放

分析深度学习技术现状,研判深度学习发展趋势

深度神经网络节点功能不断丰富。为了克服目前神经网络存在的局限性,业界探索并提出了新型神经网络节点,使....
的头像 人工智能学家 发表于 04-13 11:06 844次 阅读
分析深度学习技术现状,研判深度学习发展趋势

在深度学习如日中天的现在,三巨头又在忙活着什么?

如果说三巨头在全世界都不相信深度学习时的执拗,最终换来了图灵奖和一句句“泰斗”的赞美声;那么我们今天....
的头像 人工智能爱好者社区 发表于 04-13 10:43 555次 阅读
在深度学习如日中天的现在,三巨头又在忙活着什么?

常见机器学习算法名单

工作机制:这个算法由一个目标变量或结果变量(或因变量)组成。这些变量由已知的一系列预示变量(自变量)....
的头像 幸运28 人工智能和机器人研究院 发表于 04-13 10:38 567次 阅读
常见机器学习算法名单

关于OpenCV深度学习模块的内容

OpenCV是计算机视觉领域使用最为广泛的开源库,以功能全面使用方便著称。在LiveVideoSta幸运28....
的头像 LiveVideoStac幸运28k 发表于 04-13 09:59 438次 幸运28 阅读
关于OpenCV深度学习模块的内容

如何使用级联网络进行行人幸运28检测的方法说明

针对复杂环境下行人检测不能同时满足高召回率与高效率检测的问题,提出一种基于卷积神经网络(CNN)的行....
发表于 04-12 17:30 45次 阅读
如何使用级联网络进行行人检测的方法说明

腾讯优图推出名为DSFD(中文名为双分支人脸检测器)的全新算法

该算法已被计算机视觉顶级会议CVPR 2019接收,原文《DSFD: Dual Shot Face ....
的头像 人工智能 发表于 04-12 12:19 446次 阅读
腾讯优图推出名为DSFD(中文名为双分支人脸检测器)的全新算法

TensorFlow和PyTorch框架的几个重要发展

在最大的搜索引擎上进行网络搜索是衡量受欢迎程度的一个标准。我们查看了过去一年谷歌趋势的搜索历史。我们....
的头像 人工智能 发表于 04-11 12:01 348次 阅读
TensorFlow和PyTorch框架的几个重要发展

骁龙855为手机拍照和视频录制设定了全新标准

有了CV-ISP,计算机视觉任务能够在更快的速度和更低的功率下完成,同时功耗降低高达4倍。CV-IS....
的头像 Qualcomm中国 发表于 04-11 10:37 642次 阅读
骁龙855为手机拍照和视频录制设定了全新标准

寒武纪的前世今生与未来你知道吗?

1999年,在专家加强对国内芯片企业支持力度的提议下,当时的国家经贸委政策司与信息产业部组成联合小组....
的头像 电子发烧友网工程师 发表于 04-10 17:43 6389次 阅读
寒武纪的前世今生与未来你知道吗?

如何表示一个词语的意思?神经网络词嵌入的基本思路

我们先把一个词语定义成一个稠密向量,通过调整一个单词及其上下文单词的向量,使得根据两个向量可以推测两....
的头像 电子发烧友网工程师 发表于 04-10 17:16 291次 阅读
如何表示一个词语的意思?神经网络词嵌入的基本思路

梯度下降幸运28算法在深度学习中扮演着举足轻重的地位

这里的欧几里得距离公式也可以换成其他距离公式(下文延伸分享其他距离公式)。这同样也解释了,我们为什么幸运28....
的头像 深度学习每日摘要 发表于 04-10 13:50 189次 阅读
梯度下降算法在深度学习中扮演着举足轻重的地位

AI做数学的能力不及高中生水平?

DeepMind在这篇论文中引入了一个由许多不同类型的数学问题组成的数据集,对于模型来说,优于缺乏上....
的头像 人工智能 发表于 04-09 11:22 427次 幸运28 阅读
AI做数学的能力不及高中生水平?

自然语言处理中极其重要的句法分析

深层文法句法分析,即利用深层文法,例如词汇化树邻接文法(Lexicalized Tree Adjoi....
的头像 人工智能头条 发表于 04-09 10:23 274次 阅读
自然语言处理中极其重要的句法分析

“理性回归,安全是自动驾驶之本”的主题演讲

我们知道自动驾驶需要很多的传感器,除了我们现在都知道的摄像头还有毫米波雷达、激光雷达、超声波雷达等等....
的头像 将门创投 发表于 04-08 15:11 468次 阅读
“理性回归,安全是自动驾驶之本”的主题演讲

看看AI在医学健康领域如何大显身手

在人类的知识领域中有庞大数量的分子有成为药物的潜力,制药公司和药学家每年花费着无数的努力和金钱来探索....
的头像 将门创投 发表于 04-08 15:02 391次 阅读
看看AI在医学健康领域如何大显身手

Python深度学习的数学基础

算法工程师修仙之路:Python深幸运28度学习(八)
发表于 04-02 13:03 85次 阅读
Python深度学习的数学基础

基于深度学习的监督图像分类算法研究,MATLAB制作的。求助:程序代码修改补充,有偿

关键词:图像检索;深度学幸运28习;哈希算法;
发表于 04-01 16:12 182次 阅读
基于深度学习的监督图像分类算法研究,MATLAB制作的。求助:程序代码修改补充,有偿

深度学习在汽车中的应用

作者:德州仪器Joe Folkens    在未来的某个时候,人们必定能够相对自如地运用人工智能,安全地驾车出行。这个时刻...
发表于 03-13 06:45 325次 阅读
深度学习在汽车中的应用

AI工程师 10 个深度学习方法

过去十年里,人们对机器学习的兴趣经历了爆炸式的整长。我们几乎每天都可以在计算机程幸运28序、行业会议和媒体上看到机器学习的身影。...
发表于 03-07 20:17 161次 阅读
AI工程师 10 个深度学习方法

深度学习应用和图像论文相关笔记

[水博文]论文杂读
发表于 03-05 14:24 98次 阅读
深度学习应用和图像论文相关笔记

主流深度学习框架比较

DL:主流深度学习框架多个方向PK比较
发表于 12-26 11:10 362次 阅读
主流深度学习框架比较

Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

C盘:当Win10系统进行深度学习的时候发现系统C盘满了,大神教你如何正确卸载一些非必要的内容——Jason niu...
发表于 12-26 10:45 233次 阅读
Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

深度学习框架TensorFlow&TensorFlow-GPU详解

TensorFlow&TensorFlow-GPU:深度学习框架TensorFlow&TensorFlow-GPU的简介、安装、使用方法详细攻略...
发表于 12-25 17:21 477次 阅读
深度学习框架TensorFlow&TensorFlow-GPU详解

计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录(第二次)——Jason niu...
发表于 12-24 11:52 311次 阅读
计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录...
发表于 12-24 11:51 351次 阅读
CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录
国民彩票App | 盛大彩票网址 | 幸运28规律 | 好运快3遗漏 | 5分快3外挂 | 台湾宾果彩票 | 2分六合开奖 | 盛源彩票网址 | 万国彩票App | 永旺直播网址 | 美娱彩票注册 | 678彩票网址 | 728彩票网址 | 顺丰彩票App | 2分pk10大小 | 2分彩规律 | 手机购彩网址 | 乐购彩票App | 百乐彩注册 | 淘彩网App