资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

收藏!硬创公开课人工智能领域往期实录 | 雷峰网-米乐m6平台

2017/04/27 17:21

雷锋网硬创公开课聚焦于新技术和新产品的 know-how 分享,在过去的一年里,雷锋网和同行的技术创新者们都赶上了相当好的时候。

当以品牌和渠道驱动的那些智能硬件、以资本驱动的那些o2o、以抄袭模仿起家的那些虚拟现实项目们热潮褪去,同时在新兴技术领域,由于机器学习和计算基础设施的发展,语音、语义、图像技术开始出现较为繁冗的应用。

以下为雷锋网硬创公开课整理的人工智能往期公开课实录笔记,供各位读者参考学习:


cv

目前最新的美颜技术已经发展到了 2.0 阶段,打个比方,如果美颜 1.0 只是化妆(磨皮、祛痘、肤色调整)的话,美颜 2.0 基本就能达到整容的效果——把眼睛变大,把圆脸变成瓜子脸。而实现这一效果的基础就是人脸识别。

去年 ilsvrc 2016(全称是imagenet large scale visual recognition challenge)分为五大部分,包括:目标检测、目标定位、视频中目标物体检测、场景分类、场景分析。在昨天,全球最为权威的计算机视觉大赛 ilsvrc2016(大规模图像识别竞赛)公布了算法排名结果,hikvision(海康威视)夺得场景分类第一名。

很多人疑惑,为什么深度学习相比其它的ai实现方法,已然呈现出一副碾压之态?

这种技术叫以图搜视频,它解决了当前针对海量视频内容的精准快速检索的硬伤。

直播火爆的背后,都存在哪些问题?机器如何识别小黄图?

人工智能是人类一个非常美好的梦想,跟星际漫游和长生不老一样。我们想制造出一种机器,使得它跟人一样具有一定的对外界事物感知能力,比如看见世界。


nlp

每天都用搜狗的输入法、语音、地图,知道他们的语义理解是如何实现的吗?

不少企业都把目光聚焦在视频鉴黄上,但音频审核也是人工智能鉴黄技术的一部分,二者缺一不可。那在大家熟悉的视频鉴黄之外,音频检测究竟能解决哪些问题?这一技术是如何进行鉴黄的呢?

其实,老罗发布会上宣传了97%这个数字,我们达到这个数字其实已经有一两年时间了。

特邀供职于阿里巴巴 idst 的语音专家薛少飞博士,从学术的角度回顾过去一段时间中语音识别技术的发展状况。

这两种学习方法更接近生物体,或者说人的学习方式,所以我更愿意称之为“human-like learning”。

语音识别的模型有语言模型和声学模型两种,语言模型包括了n-gram、rnnlm等,在声学模型里面又涵盖了hmm、dnn、rnn等模型。

语音识别是目前应用最成熟的人机交互方式,但各家语音识别产品的体验还有很大的提升空间。

音频的端点检测、降噪和音频压缩始终是终端语音处理关注的重点,目前仍是活跃的研究主题。

中文分词是中文自然语言处理的一个非常重要的组成部分,在学界和工业界都有比较长时间的研究历史,也有一些比较成熟的米乐m6平台的解决方案。

我们邀请到了商鹊网ceo邹剑宇,以实战经验为我们解读,什么样的机器翻译比google还要占优?


深度学习框架与生物识别

格灵深瞳 ceo 赵勇博士基于自己多年的研究和行业经验,深入分享 ai 技术将怎样以智能硬件、大数据挖掘和物联网的形式,深刻地变革整个安防行业。

如果人工智能是一个蛋糕的话,那么“蛋糕胚”不仅是指无监督的数据表示学习,还应该包括“无监督推断学习”,而gan确实很好地连接了这两个重要的人工智能主体。

tensorflow到底适合如何拿来做开发?能不能为你的研究或者产品带来更好的机会?

正如程序语言一样,深度学习开源框架同样各有优劣和适用的场景,那么 ai 从业者该如何有针对性地选择这些平台来玩转深度学习?

虹膜识别目前是一门新兴的技术,在生物特征识别领域实际上是被认为可以在某种程度上取代今天的指纹和人脸识别,也是精度最高的生物特征识别技术。

从人脸识别和情绪识别区别开始,循序渐进到情绪识别原理,情绪识别的应用场景,最后为我们揭秘这个过程是如何实现的。

随着人脸识别技术的普及,不光可以靠“刷脸”支付吃喝玩乐的花费,现在连银行办业务都可以“刷脸”了。

《tensorflow实战》作者黄文坚,为我们讲解了关于四大经典cnn网络:alexnet、vggnet、google inception net和resnet的基本原理。


行业

余凯对去年 ai 圈内的各种现象,发表了自己的独到观点和看法。

随着ai的快速发展,ai到底能不能跟我们的智能相提并论。

深度学习并不万能,ai的未来还得靠人类。

本期硬创公开课,我们特意请到了微软亚洲研究院副研究员张富峥博士,来谈谈他在微软亚洲研究院工作的体验和他眼中的微软亚洲研究院。

怎么在浩如烟海的数据中筛选出对我们真正有用的那些?又如何通过分析这些数据做出对自身有利的决策?

相信不少学者在面对艰深的科研课题的时候,心中都有过那么一丝疑惑:这东西何时能实现产业化,真正造福社会?

深度学习可以用在很多领域,前面说过了,只要这个领域需要构建一个模型来预测,而且有大量标注的训练数据。

由围棋棋手解读人机大战。

长按图片保存图片,分享给好友或朋友圈

收藏!硬创公开课人工智能领域往期实录

扫码查看文章
米乐m6平台

正在生成分享图...

取消
相关文章
网站地图