ghhbb

人，是感官的动物。 我们的大脑，像一块复杂度极高的CPU，每天在接收着各种格式的数据，进行着无休止的计算，我们以各种感官接触着这个世界，抽取着不同感官下的信息，从而认知了世界。而图像作为承载信息最为丰富的一种媒介，在人类探索智慧的历史中，一直占据着重要的位置。人用这样一双肉眼如…

不久前，Coursera 上放出了吴恩达 deeplearning.ai 的第四门课程《卷积神经网络》。本文是加拿大国家银行首席分析师 Ryan Shrott 在完成该课程后所写的学习心得，有助于大家直观地了解、学习计算机视觉。 我最近在 Coursera 上完成了吴恩达教授的…

The M Tank 编辑了一份报告《A Year in Computer Vision》，记录了 2016 至 2017 年计算机视觉领域的研究成果，对开发者和研究人员来说是不可多得的一份详细材料。该材料共包括四大部分，在本文中机器之心对第一部分做了编译介绍，后续会放出其他部分

深度学习本质上是深层的人工神经网络，它不是一项孤立的技术，而是数学、统计机器学习、计算机科学和人工神经网络等多个领域的综合。深度学习的理解，离不开本科数学中最为基础的数学分析（高等数学）、线性代数、概率论和凸优化；深度学习技术的掌握，更离不开以编程为核心的动手实践。没有扎实的数…

最近，日本早稻田大学的研究人员利用神经网络创建了一种填补残缺图像的方法，不管该图像的分辨率是高是低，也无论图像缺失的形状如何，机器都能保证全局和局部的一致性，看起来“天衣无缝”。 为了训练这个补图网络保持一致性，研究人员使用经过训练能分辨原始图像和修补图像的全局和局部判别模型。…

嗯

对于经常忘的人来说图片记忆和温习更快速~

首先讲解如何从零基础开始阅读一篇机器学习方向的论文，以及对待论文中的数学问题。随后，从一篇经典论文入手，讲解如何快速梳理和理解一个深度学习框架及模型。 在刚开始的学术探索中，我倾向于全文精读，尤其是深度学习领域的经典论文，但发现这种方式花费时间太多，以至于挤压了我的真正目的——…

深度学习的泛化过程是通过目睹了无数信息以后留下最关键的几个亮点，而其它的信息如流水一般不再有。这难道不是一种很有诗意的选择吗？