收录了 图像识别 频道下的 50 篇内容
验证码的学名叫做 CAPTCHA,是 Completely Automated Public Turing test to tell Computers and Humans Apart 缩写,意为“全自动区分计算机和人类的公开图灵测试”,也就是一种用来区分人类和计算机的方法。早期的验证码大多用扭曲的文字来实现,用以避开 OCR(自动光学字符识别技术)的自动识别。图像识别方法可以分为两大类,模型的方法和搜索的方法。
GAME AI SDK 是腾讯 TuringLab 研发的首个开源项目,着重解决自动化测试工具中的通用性问题,最初主要用于游戏 AI 自动化测试服务,现在可用于手机 APP、PC 端游戏、软件等专项自动化测试。通过 AI 算法进行大数据训练的网络模型具有良好的通用性,可以直接在同一类游戏(软件)中适用。
图像识别是计算机科学中十分有趣又富有挑战性的一个领域。在这篇文章中,我们将详细讲解使用卷积神经网络进行图像识别的概念、应用和技术。
提起ui自动化大家首先想到的就是基于控件的自动化,比如常见的xpath、id、css选择器等手段进行元素定位并进行结果判断。
本文介绍了微软的一个比赛队伍参加2017年Kaggle肺癌CT图像检测比赛时,如何借用现成的152层ResNet网络,对接到分布式计算的神经网络上,在60分钟内完成训练的实施细节和代码。对卷积神经网络、LightBGM、ResNet等基本概念也进行了讲解,希望对刚接触AI的朋友有所帮助。
人工智能离我们的生活到底有多远?
本次分享介绍一个真正落地的图像识别系统从单机原型开发到基于分布式集群部署和应用的完整演化过程。
将机器学习与RTC结合在一起,窥见未来实时音视频的崭新形态
随着TensorFlow在机器学习和数据科学领域的应用愈加广泛,为改善性能,进一步提高应用率并转型为成功的开源项目,大量现有机器学习模型和引擎正在逐渐从原有框架移植至TensorFlow。
本次分享介绍如何使用AWS的AI服务来构建一个特定场景下的基于自然语言交互的智能产品系统。
“不幸”的是,有关深度学习的许多研究都是在数据集的“完美世界”约束下进行的——追求几个百分点的正确率。
近两年来,Python在众多编程语言中的热度一直稳居前五,热门程度可见一斑。编程、网络编程,开发多媒体应用,进行数据分析,或实现图像识别等应用。
维也纳大学的工程师团队带来了AI芯片的新玩法。他们利用传感器人工神经网络大大提高了处理图片的效率,可在纳秒内完成图像识别任务。
阿里云识别图片的速度比亚马逊快2.36倍,比谷歌快5.28倍。
Google和CMU的研究员使用高达3亿张图片,在图像识别算法上取得了长足改进。
Facebook图像识别很强大,一次开源三款机器视觉工具
Apple不久之前宣布了ARKit的一个重大升级,开发者可以在iOS 11.3 beta版本中看到这个升级。据Apple称,ARKit 1.5将会使得开发者能够构建出更加逼真的增强现实(AR)体验。
Amazon Rekognition 今天推出了三项新功能:用于检测和识别图像中的文本的功能、用于从数千万个面部中实时识别面部的功能以及用于从一堆照片中检测出最多 100 个面部的功能。
EfficientNet 模型的相关代码和 TPU 训练数据已经在 GitHub 上开源
假设你是一个科比布莱恩特的粉丝突然想回顾科比退役前最后一场比赛的所有精彩防守片段,你肯定不会想再花2个小时连同中场休息的广告一起把比赛视频再看一遍。