档案 | 计算机视觉深度学习

计算机视觉 (CV) 是一个机器学习“看”和理解图像或视频的领域。它帮助机器识别照片或视频中的物体、面部甚至动作。例如，CV 用于自动驾驶汽车以检测路标和行人，或用于医学扫描以发现疾病。从头开始训练一个 CV 模型 [...]

纵观所有非常大的卷积神经网络，如 ResNets、VGGs 等，不禁引出一个问题：我们如何才能在保持相同准确性水平甚至使用少量参数提高模型泛化能力的同时，使这些网络更小、参数更少。 [...]

One-shot 学习是一种分类任务，其中使用一个或几个示例来分类未来许多新示例。这体现了人脸识别领域中的任务，例如人脸识别和人脸验证，在这些任务中，必须在不同的面部表情、光照条件、配饰和发型下正确分类人物 [...]

人脸识别是计算机视觉的一项任务，涉及根据人脸照片识别和验证一个人。FaceNet 是谷歌研究人员于 2015 年开发的人脸识别系统，在多个人脸识别基准数据集上取得了当时最先进的结果。FaceNet 系统可以广泛使用，这得益于 [...]

人脸识别是计算机视觉的一项任务，涉及根据人脸照片识别和验证一个人。最近，深度学习卷积神经网络已经超越了经典方法，并在标准人脸识别数据集上取得了最先进的结果。一个最先进模型的例子是研究人员开发的 VGGFace 和 VGGFace2 模型 [...]

人脸检测是一个计算机视觉问题，涉及在照片中找到人脸。对于人类来说，这是一个微不足道的问题，并且已经通过经典的基于特征的技术（例如级联分类器）得到了相当好的解决。最近，深度学习方法在标准基准人脸检测数据集上取得了最先进的结果。一个例子是 [...]

人脸识别是根据照片中的人脸识别和验证人物的问题。这是一项人类可以轻易完成的任务，即使在不同的光照下以及人脸因年龄或配饰和胡须而改变时也是如此。然而，几十年来它仍然是一个具有挑战性的计算机视觉问题 [...]

目标检测是一个具有挑战性的计算机视觉任务，涉及预测图像中对象的位置以及检测到的对象类型。Mask 区域卷积神经网络（或 Mask R-CNN）模型是目标识别任务中最先进的方法之一。Matterport Mask R-CNN 项目提供了一个库，该库 [...]

目标检测是计算机视觉中的一项任务，涉及识别给定照片中一个或多个对象的存在、位置和类型。这是一个具有挑战性的问题，涉及在对象识别（例如，它们在哪里）、对象定位（例如，它们的范围是什么）和对象分类（例如，它们是什么）方法的基础上进行构建 [...]

目标检测是计算机视觉中的一项任务，涉及识别给定照片中一个或多个对象的存在、位置和类型。这是一个具有挑战性的问题，涉及在对象识别（例如，它们在哪里）、对象定位（例如，它们的范围是什么）和对象分类（例如，它们是什么）方法的基础上进行构建 [...]