HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

基于对数谱图的深度学习心音分类

这是一篇很有意思的论文,他基于心音信号的对数谱图,提出了两种心率音分类模型,我们都知道:频谱图在语音识别上是广泛应用的,这篇论文将心音信号作为语音信号处理,并且得到了很好的效果。对心音信号进行一致长度的分帧,提取其对数谱图特征,论文提出了长短期记忆(LSTM)和卷积神经网络(CNN)两种深度学习

京都大学利用 CNN 预测粮食产量,丰收不问天,问 AI 就够了

<blockquote联合国预测,2050年世界人口预计达到91亿,全球对粮食的需求量将增加70%。然而,由于世界农业发展不均衡,很多地区的粮食产量尚无法被准确统计,因此无法对这些区域的农业发展做出合理规划。现有的粮食产量统计方法则难以推广或是需要较高的科技水平。为此,京都大学的研究者通过

Recognize Anything:一个强大的图像标记模型

RecognizeAnything是一种新的图像标记基础模型,与传统模型不同,它不依赖于手动注释进行训练;相反,它利用大规模的图像文本对。RAM的开发过程包括四个关键阶段:通过自动文本语义解析获得大规模的无标注图像标签。结合标题和标注任务,训练一个自动标注的初步模型。该模型由原始

Google 基于 GNN 开发气味识别 AI,工作量相当于人类评价员连续工作 70 年

<blockquote<p内容一览:气味总是萦绕我们身边。然而,我们却很难对气味准确描述。最近,GoogleResearch的子公司Osmo基于图神经网络,开发了气味分析AI。它可以根据化学分子的结构,对分子的气味进行预测。基于这一AI,研究人员绘制出了主气味谱图,建立了化学结构与气味之

SplitMask:大规模数据集是自我监督预训练的必要条件吗?

自监督预训练需要大规模数据集吗?这是2021年发布的一篇论文,它在自监督预训练场景中使用小数据集,如StanfordCars,Sketch或COCO,它们比ImageNet小几个数量级。并提出了一种类似于BEiT的去噪自编码器的变体SplitMask,它对预训练数据的类型和大小具有更强的鲁棒性。

浅析数据标注的难点与解决方法丨曼孚科技

随着人工智能和机器学习的迅速发展,越来越多的应用需要大量标注好的数据集来进行训练和验证。然而,数据标注并不是一项容易的工作,它不仅费时、费力、费钱,且标注质量会直接影响模型的性能,从而影响到整个人工智能系统的准确性和可靠性。因此,针对现阶段数据标注存在的一系列问题,本文将从数据质量、成本效益

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。