未来科技门户网

网站导航
  

  神经网络模型擅长

 

  神经网络模型非常擅长识别精细程度的差别。比如,计算机擅长辨别人类不善于分辨的犬种。人类可能看到一朵花就只知道那是一朵花,计算机可以分辨那是一朵‘芙蓉’或是一朵‘大丽花’。

 

  神经网络模型擅长归纳。比如不同种类的饭菜,尽管看起来不一样,但都会被标记为‘饭菜’。

 

  当计算机出错时,错误的原因是合理的。比如一只蛞蝓看起来很像一条蛇。

 

  谷歌照片搜索

 

  检查照片的像素并理解图像中的内容,这是个很强大的能力。

 

  Google Photos 团队在没有标记它们的情况下部署了这一能力。你可以在没有标记图片的情况下搜索到雕像、尤达、图画、水等图片。

 

  街景影像

 

  在街景影像中,你希望可以阅读到所有的文本。这是更为精细更为具体的视觉任务。

 

  首先需要能够找到图像中的文本。模型基本上都是被训练用来预测像素热图的:哪些像素包含文本,哪些不包含。训练数据是绘制于文本像素周围的多边形。

 

  因为训练数据包含不同的字符集,它可以找到多种不同语言的文本。它可以识别大字体和小字体,离镜头近的和离得很远的文字,以及不同颜色的文本。

 

  这是一个训练相对简单的模型。这是一个试图预测每个像素是否包含文本的传统的网络。

m.keji.okinfo.org/标签:智能计算机系统的大规模深度学习,Large-Scale Deep Learning
热门评论 我也说两句
查看更多评论(0)
推荐阅读