感兴趣的一些深度学习应用
2018-01-25 22:25
337 查看
1.neural talk:图片描述
用电脑对照片进行自动分类已经很常见了,比如facebook能在分享的照片里标记出你的好友,google可以为你的照片打上标签以便更有效率的进行搜索。
而如今,深度学习已经可以对照片中的各种元素进行描述。在Andrej Karpathy和李飞飞所做的一项工作中,他们训练了一个能对照片中不同区域元素进行识别,并用一句来描述照片的深度学习系统。
Demo:
http://cs.stanford.edu/people/karpathy/deepimagesent/generationdemo/
Paper:
http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Karpathy_Deep_Visual-Semantic_Alignments_2015_CVPR_paper.pdf
2.生成新照片
来自怀俄明州立大学的Anh Nguyen以及其他几位研究者开发了一套能用迭代的方式从已有照片中合成全新照片的深度学习网络。以下是一些电脑合成的样片,结果令人惊艳:
Paper:
https://arxiv.org/pdf/1612.00005.pdf
3、用卷积神经网络来拯救鲸鱼
众所周知,卷积神经网络在图像识别分类领域有着非常好的前景。利用深度学习,我们可以将抓拍到的珍稀动物(比如鲸鱼)照片进行分类,从而更好地估算某种动物的存活数量。
其他的例子包括浮游生物、植物等等。
分类浮游生物的介绍:
http://benanne.github.io/2015/03/17/plankton.html
Code:
https://github.com/benanne/kaggle-ndsb
4、Reading text in the Wild:用图片找文字
牛津视觉几何小组运用深度学习技术开发了一项应用,它可以读出视频中的文字,输入文字,就可以直接搜出图像中包含这些文字的BBC新闻视频。比如,这是对“London”的一部分搜索结果:
Demo:
http://www.robots.ox.ac.uk/~vgg/research/text/#sec-demo
Paper:
http://arxiv.org/abs/1412.1842
5、AI制霸打砖块
Google的Deepmind团队用深度强化技术教会了AI玩《打砖块》(Breakout,基本大家都玩过,具体是什么请看下图)。
测试过程中,电脑并没有依据任何游戏规则被进行特殊的编成,他们只是将键盘的控制权交给AI,然后对它进行不断地训练。起初,AI玩得十分糟糕;但经过两个小时的训练之后,画风就变成了这个样子的:
Paper:
https://www.cs.toronto.edu/~vmnih/docs/dqn.pdf
Code:
https://sites.google.com/a/deepmind.com/dqn/
6、制霸全场~
打砖块还不够?深度学习技术还被用来在更多游戏领域训练AI,包括:《小蜜蜂》、《毁灭公爵》、《乒乓》等几十种游戏。在大多数的游戏里,深度学习网络已经玩的比有经验的玩家更好,同样所有的玩法都是AI自己摸索的。
Paper:
http://www.davidqiu.com:8888/research/nature14236.pdf
7、LipNet:让AI读唇语
来自牛津大学和Deepmind的科学家共同完成了这一项目。LipNet在读唇的准确率方面达到了惊人93%,远超人类读唇者52%的平均水平。
这是AI读唇的实际效果:
Paper:
https://arxiv.org/pdf/1611.01599.pdf
Code:
https://github.com/bshillingford/LipNet
8、AI写字
现在电脑不光能用来打字,还能用来写字了:多伦多大学的Alex Graves教会了电脑用多种不同的风格来书写。
Demo:
http://www.cs.toronto.edu/~graves/handwriting.html
Paper:
https://arxiv.org/abs/1308.0850
参考文献:
https://www.cnblogs.com/czaoth/p/6755609.html
用电脑对照片进行自动分类已经很常见了,比如facebook能在分享的照片里标记出你的好友,google可以为你的照片打上标签以便更有效率的进行搜索。
而如今,深度学习已经可以对照片中的各种元素进行描述。在Andrej Karpathy和李飞飞所做的一项工作中,他们训练了一个能对照片中不同区域元素进行识别,并用一句来描述照片的深度学习系统。
Demo:
http://cs.stanford.edu/people/karpathy/deepimagesent/generationdemo/
Paper:
http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Karpathy_Deep_Visual-Semantic_Alignments_2015_CVPR_paper.pdf
2.生成新照片
来自怀俄明州立大学的Anh Nguyen以及其他几位研究者开发了一套能用迭代的方式从已有照片中合成全新照片的深度学习网络。以下是一些电脑合成的样片,结果令人惊艳:
Paper:
https://arxiv.org/pdf/1612.00005.pdf
3、用卷积神经网络来拯救鲸鱼
众所周知,卷积神经网络在图像识别分类领域有着非常好的前景。利用深度学习,我们可以将抓拍到的珍稀动物(比如鲸鱼)照片进行分类,从而更好地估算某种动物的存活数量。
其他的例子包括浮游生物、植物等等。
分类浮游生物的介绍:
http://benanne.github.io/2015/03/17/plankton.html
Code:
https://github.com/benanne/kaggle-ndsb
4、Reading text in the Wild:用图片找文字
牛津视觉几何小组运用深度学习技术开发了一项应用,它可以读出视频中的文字,输入文字,就可以直接搜出图像中包含这些文字的BBC新闻视频。比如,这是对“London”的一部分搜索结果:
Demo:
http://www.robots.ox.ac.uk/~vgg/research/text/#sec-demo
Paper:
http://arxiv.org/abs/1412.1842
5、AI制霸打砖块
Google的Deepmind团队用深度强化技术教会了AI玩《打砖块》(Breakout,基本大家都玩过,具体是什么请看下图)。
测试过程中,电脑并没有依据任何游戏规则被进行特殊的编成,他们只是将键盘的控制权交给AI,然后对它进行不断地训练。起初,AI玩得十分糟糕;但经过两个小时的训练之后,画风就变成了这个样子的:
Paper:
https://www.cs.toronto.edu/~vmnih/docs/dqn.pdf
Code:
https://sites.google.com/a/deepmind.com/dqn/
6、制霸全场~
打砖块还不够?深度学习技术还被用来在更多游戏领域训练AI,包括:《小蜜蜂》、《毁灭公爵》、《乒乓》等几十种游戏。在大多数的游戏里,深度学习网络已经玩的比有经验的玩家更好,同样所有的玩法都是AI自己摸索的。
Paper:
http://www.davidqiu.com:8888/research/nature14236.pdf
7、LipNet:让AI读唇语
来自牛津大学和Deepmind的科学家共同完成了这一项目。LipNet在读唇的准确率方面达到了惊人93%,远超人类读唇者52%的平均水平。
这是AI读唇的实际效果:
Paper:
https://arxiv.org/pdf/1611.01599.pdf
Code:
https://github.com/bshillingford/LipNet
8、AI写字
现在电脑不光能用来打字,还能用来写字了:多伦多大学的Alex Graves教会了电脑用多种不同的风格来书写。
Demo:
http://www.cs.toronto.edu/~graves/handwriting.html
Paper:
https://arxiv.org/abs/1308.0850
参考文献:
https://www.cnblogs.com/czaoth/p/6755609.html
相关文章推荐
- 深度学习在医学图像处理中的应用
- 深度学习在目标跟踪中的应用
- 【腾讯Bugly干货分享】深度学习在OCR中的应用
- 深度学习在目标检测中的应用及其tensorflowAPI实践(一)
- 深度学习基础-决策树应用(python实现)
- 深度学习RCNN, Fast-RCNN, Faster-RCNN的一些事
- 端到端深度学习在自动驾驶汽车上的应用
- 深度学习在CTR预估中的应用
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-4)-- 特殊应用:人脸识别和神经风格迁移
- 关于机器学习&深度学习的一些问题,求教。
- 深度学习在图像检索的应用
- 技术文章 | 深度学习在推荐领域的应用:Lookalike 算法
- 深度学习在文本分类中的应用
- 深度学习在目标跟踪中的应用
- 深度学习的一些网址
- 情感计算是人机交互核心?谈深度学习在情感分析中的应用
- R语言︱H2o深度学习的一些R语言实践——H2o包
- 在Twitter信息流中大规模应用深度学习——推文的相关度计算使用了深度学习
- 【神经网络与深度学习】卷积神经网络在自然语言处理的应用
- 深度学习在目标跟踪中的应用