关于迁移学习核心技术开发与应用的进修计划书

际场景下的应用；7.通过实操掌握图片视频风格迁移，自动驾驶中的跨域语义分割，目标检测。大纲计划一、机器学习简介与经典机器学习算法介绍二、深度学习简介与经典网络结构介绍三、迁移学习基础四、深度迁移学习介绍五、迁移学习前沿方法介绍六、迁移学习前沿应用七、小样本学习、Transform

人工智能-自然语言处理

Project，最早的、完整的英语自动剖析系统）、布朗美国英语语料库的建立等。IBM701计算机进行了世界上第一次机器翻译试验，将几个简单的俄语句子翻译成了英文。在这之后，苏联、英国、日本等国家也陆续进行了机器翻译试验。1966年，美国科学院的语言自动处理咨询委员会(ALPAC)发布了

机器学习与文本分类：优化企业文档管理软件的信息检索

特征工程：文本的变形术 接下来，是特征工程，这可是文本分类的魔法技能。在这个环节，我们需要将文本变成数字特征，这样计算机才能懂它。有两个主要的特征提取方法：TF-IDF（词频-逆文档频率）和词嵌入（WordEmbeddings）。TF-IDF可以帮我们找出哪些词最重要，就像找到了宝藏一样

【AI理论】ResNet模型解析

CNN）极速发展，不断涌现出诸如AlexNet、VGGNet等优秀的神经网络。到了2015年，一个新型的网络更是颠覆了计算机视觉领域和深度学习领域，这就是ResNet。ResNet（Residual Neural Network）由微软研究院的何凯明等四名华人提出，其论文《Deep

神经网络中的知识演化

深度学习依赖于大量数据的可用性(有标记的或无标记的)。因此，一个挑战性的尚未解决的问题是:如何在相对较小的数据集上训练深度网络?为了解决这个问题，我们提出了一种演化启发的训练方法来提高相对较小的数据集的性能。知识演化方法将深度网络分为两个假说: 拟合假说和重置假说。我们通过对重置

利用神经网络改善地震勘探图像解释

新的可能性。 神经网络在地震图像解释中的应用 神经网络是一种基于模仿人脑神经元结构和功能的计算模型。它通过学习数据的特征和模式，能够自动提取有用的信息，并进行复杂的模式识别和分类。这种特性使得神经网络在图像处理领域具有巨大的潜力。 在地震图像解释中，神经网络可以用于以下方面：

华为荣获上海市技术发明一等奖！基于CANN的视频增强平台以AI技术修复历史视频

先验自适应视频超分辨率技术 视频超分辨率技术通过人工智能深度学习方法将低分辨率视频重建成高分辨率视频。超分辨率算法需要融合视频前后帧上下文信息，经过复杂的数据提取和计算， 获取与目标帧最相关的信息加以利用。在视频超分过程中，先验与真实数据的匹配程度会大大影响超分效果，该项目采用退化先验的技术，解决了

2023CANN训练营第二季-深度学习导论及行业应用

AiCheck工业视觉质检平台

基于深度学习的工业视觉质检平台,支持用户自主训练和推理，包含目标识别、OCR识别、瑕疵检测、目标测量四类项目使用AICheck工业视觉检测平台，集数据采集、在线样本标注、一键模型训练、任务管理、在线检测和结果输出于一体，提供一站式AI服务，用户可快速应用海量的成熟算法，实现了端到

AiCheck工业视觉质检平台

基于深度学习的工业视觉质检平台,支持用户自主训练和推理，包含目标识别、OCR识别、瑕疵检测、目标测量四类项目使用AICheck工业视觉检测平台，集数据采集、在线样本标注、一键模型训练、任务管理、在线检测和结果输出于一体，提供一站式AI服务，用户可快速应用海量的成熟算法，实现了端到

AiCheck工业质检平台-HCS版

基于深度学习的工业视觉质检平台,支持用户自主训练和推理，包含目标识别、OCR识别、瑕疵检测、目标测量四类项目使用AICheck工业视觉检测平台，集数据采集、在线样本标注、一键模型训练、任务管理、在线检测和结果输出于一体，提供一站式AI服务，用户可快速应用海量的成熟算法，实现了端到

资料学习 - 视频剪辑的智能标题

Learning》在给图像智能加注释/标题的技术基础上，探讨了对视频剪辑片段的智能描述，进一步探索了相关技术内容，其阐述如下：在过去的十年里，深度学习在许多应用程序中的应用所产生的结果与人类专家的表现相当，在某些情况下甚至超过了人类专家的表现。应用领域包括疾病诊断、金融、农业、搜索引擎

人工智能与机器学习有哪些不同

化集成，因为它保持一个信念的当前状态和可能的转移概率时采取不同的行动，然后作出决定，哪些行动会带来最好的结果。深度学习+强化学习=人工智能与经典机器学习技术相比，深度学习提供了一个更强大的预测模型，通常能产生良好的预测。与经典的优化模型相比，强化学习提供了更快的学习机制，并且更适应环境的变化。

[论文阅读] (06) 万字详解什么是生成对抗网络GAN？经典论文及案例普及

实验结果表明深度学习方法可以用于超分中，可以获得较好的质量和较快的速度。整个的模型架构非常的简单，先是对于输入图片进行双三次插值采样到高分辨空间，然后使用一层卷积进行特征提取，再用ReLU进行非线性映射，最后使用一个卷积来进行重建，使用MSE来作为重建损失。中间一个插曲是将传统用于超分的稀疏编码算法进行了延伸，

MindSpore简介

构可以让用户聚焦模型算法数学原生表达。资深的深度学习开发者都体会过手动求解的过程，不仅求导过程复杂，结果还很容易出错。所以现有深度学习框架，都有自动微分的特性，帮助开发者利用自动微分技术实现自动求导，解决这个复杂、关键的过程。深度学习框架的自动微分技术根据实现原理的不同，分为以G

边缘计算，让园区充满“智慧”

能力；近年来AI技术的成熟，也变成推动边缘计算的另一股力量。当这些边缘设备的运算分析能力越来越强，现在开始也有更多厂商将机器学习、甚至是深度学习的能力带进设备内，使得现在的边缘设备也能做到云端能做的事，应用也越来越广了。除了AI技术外，包括AI芯片、GPU、网络以及专为边缘设备构

【100个 Unity小知识点】 | Unity读取txt或者Json文件，包括 换行符 的方法

读取txt或者Json文件，包括 换行符 的方法 问题：有一个txt或者Json文件，比如下面这种，其中有换行符和内容 需求：读取这个文档中的内容，并把每行的内容提取出来保存到另一个List或者Dictionary中 解决方法代码如下： List<string> _list;

OCR识别工具——快捷的纸质信息采集方法

识别app，学生可以轻松完成“参考资料”录入，无需手动抄书；上班族不用浪费时间充当“打字员”，拿起手机就能完成办公文档资料录入,拍照存根，提取文字，一键完成！还在做“打字员”这份苦力活吗？让云脉文档识别来帮你吧！