0 硅谷秋水

尚未进行身份认证

计算机视觉、图像视频处理、机器学习(深度学习)和自动驾驶

等级
TA的排名 40w+

图像分割综述论文“Evolution of Image Segmentation using Deep Convolutional Neural Network: A Survey”

arXiv在2020年1月13日上传的综述论文“Evolution of Image Segmentation using Deep Convolutional Neural Network: A Survey“。

2020-01-21 13:56:36

arXiv综述论文“Graph Neural Networks: A Review of Methods and Applications”

arXiv于2019年7月10日上载的GNN综述论文“Graph Neural Networks:A Review of Methods and Applications“。

2020-01-21 12:33:34

arXiv综述论文“Image Segmentation Using Deep Learning: A Survey”

arXiv于2020年1月15日上传图像分割综述论文“Image Segmentation Using Deep Learning: A Survey“。摘要:图像分割是图像处理和计算机视觉中的关键主题,其应用包括场景理解、医学图像分析、机器人感知、视频监控、增强现实和图像压缩等。已经开发了用于图像分割的各种算法。最近,由于深度学习模型在各种视觉应用中的成功,有大量工作在用深度学习模型开发图像分...

2020-01-20 23:58:43

综述论文“A Comprehensive Survey on Graph Neural Networks”

arXiv在2019年12月4号上传的关于GNN综述论文“A Comprehensive Survey on Graph Neural Networks“。摘要:近年来,深度学习彻底改变了许多机器学习任务,从图像分类和视频处理到语音识别和自然语言理解。这些任务的数据通常在欧氏空间中表示。但是,越来越多的应用程序从非欧域生成数据,并将数据表示为具有目标之间复杂关系和相互依赖关系的图。图数据的复杂性...

2020-01-20 22:39:39

深度学习在计算机视觉领域(包括图像,视频,3-D点云,深度图)的应用一览

深度学习在计算机视觉领域(包括图像,视频,3-D点云,深度图)的应用一览计算机视觉、以及深度学习在其中的应用闲扯深度学习无疑是最近人工智能领域最有影响力的方法,在语音识别、计算机视觉、自然语言处理、游戏、机器人和自动驾驶等领域起了非常大的作用,有的可以说是所在领域最成功的一次突破。计算机视觉从2012年ImageNet获得冠军的AlexNet起,深度学习已经产生了巨大的贡献,从最早的图像分类...

2020-01-15 11:26:38

走在风头浪尖的自动驾驶凉了吗?

走在风头浪尖的自动驾驶凉了吗?自动驾驶激荡风云录:来自圈内人的冷眼解读

2020-01-15 11:22:07

综述论文“Advances and Open Problems in Federated Learning”

2019年12月10日arXiv上载的联邦学习综述论文“Advances and Open Problems in Federated Learning“。摘要:联邦学习(FL)是一种机器学习设置,其中许多客户端(例如移动设备或整个组织)在中央服务器(例如服务提供商)的协调下协同训练模型,同时保持训练数据的分散性。 FL体现了集中数据收集和最小化的原理,并且可以减轻由于传统的集中式机器学习和数...

2020-01-15 10:37:25

综述论文“Federated Learning Systems: Vision, Hype and Reality for Data Privacy and Protection“

2019年12月3日上载到arXiv关于联邦学习的综述论文”A Survey on Federated Learning Systems: Vision, Hype and Reality for Data Privacy and Protection“。摘要:联邦学习一直是在隐私限制下实现不同组织之间机器学习模型协作训练的热门研究领域。随着研究人员尝试使用不同的隐私保护方法来支持更多的机器学...

2020-01-15 09:30:02

知乎专栏:深度学习和计算机视觉

专栏链接

2020-01-15 08:40:02

知乎专栏:自动驾驶

专栏链接

2020-01-15 08:34:22

综述论文“Generalizing from a Few Examples: A Survey on Few-Shot Learning”

发表于arXiv2019年5月13号。摘要:人工智能在数据密集型应用中取得了成功,但缺乏从有限的示例中学习的能力。为了解决这个问题,提出了“少量学习”(FSL,Few-Shot Learning)。它可以用先验知识从受监督的经验有限的新任务中快速得出结论。为了全面了解FSL,本文进行了一项调查研究。首先澄清FSL的正式定义。其中不可靠的经验风险最小化是FSL的核心问题。基于采用先验知识处理核心...

2020-01-14 05:21:24

综述论文“A Survey of Zero-Shot Learning: Settings, Methods, and Applications”

发表于ACM Trans. Intell. Syst. Technol. 10, 2, Article 13 (January 2019)摘要:大多数机器学习方法着重于对已经在训练中看到其类别的实例进行分类。 实际上,许多应用程序需要对实例进行分类,而这些实例的类以前没有见过。 零学习(Zero-Shot Learning)是一种强大而有前途的学习范例,其中训练实例涵盖的类别与想分类的类别是不...

2020-01-14 05:03:16

CSDN博客

@知乎黄浴链接: https://www.zhihu.com/people/yuhuang2019/activities图片:

2020-01-12 06:56:46
勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。