人工智能遇见磐创

2020年9月21日

摘要：作者|Towards AI Team 编译|Flin 来源|medium 此资源不断更新。如果你知道任何其他合适且开放的数据集，请通过电子邮件通知我们：pub@towardsai.net 或者在下面发表评论。数据集查找器 Google Dataset Search：与Google Scholar的阅读全文

posted @ 2020-09-21 19:28 人工智能遇见磐创阅读(1091) 评论(0) 推荐(1) 编辑

如何在自定义数据集上训练YOLOv5

摘要：作者|Jacob Solawetz, Joseph Nelson 编译|Flin 来源|blog YOLO系列的目标检测模型随着YOLOv5的引入变得越来越强大。在这篇文章中，我们将介绍如何训练YOLOv5为你的定制用例识别定制对象。非常感谢Ultralytics将此存储库组合在一起。我们相信，与阅读全文

posted @ 2020-09-21 19:12 人工智能遇见磐创阅读(3225) 评论(0) 推荐(0) 编辑

2020年9月20日

使用Python为初学者构建AI汽车和行人跟踪

摘要：作者|Nidhi punj 编译|Flin 来源|medium 第1步：获取大量汽车图片第2步：把它们都变成黑白图片灰度图像使算法更快。颜色增加了模型的复杂性，或者我们可以说灰色图像是用来简化数学的。例如，我们可以谈论亮度、对比度、边缘、形状、轮廓、纹理、透视、阴影等，而不必讨论颜色。第3步：阅读全文

posted @ 2020-09-20 21:08 人工智能遇见磐创阅读(652) 评论(0) 推荐(0) 编辑

2020年9月19日

spaCy教程学习

摘要： spaCy教程学习作者|PRATEEK JOSHI 编译|VK 来源|Analytics Vidhya 介绍 spaCy是我的自然语言处理（NLP）任务的必备库。我冒昧地说，大多数专家都是这样！如今，在众多的NLP库中，spaCy确实独树一帜。如果你在NLP上用过spaCy，你就会知道我在说什么阅读全文

posted @ 2020-09-19 13:22 人工智能遇见磐创阅读(11941) 评论(0) 推荐(4) 编辑

使用Python和OpenCV在线打乒乓球

摘要：作者|Robin White 编译|Flin 来源|towardsdatascience 我最喜欢的YouTuber之一，CodeBullet，曾经尝试创建一个乒乓球 AI来统治所有人。可悲的是，他遇到了麻烦，不是因为他没有能力，而是我认为他当时的经验对计算机视觉没有太大影响。他绝对是个好笑的人，如阅读全文

posted @ 2020-09-19 13:14 人工智能遇见磐创阅读(619) 评论(0) 推荐(0) 编辑

通过迁移学习建立一个易于使用的图像分割工具

摘要：在Jupyter notebook中为图像添加标签，预测新图像并可视化神经网络（并使用Docker Hub共享它们！）作者|Jenny Huang 编译|Flin 来源|towardsdatascience 作者：Jenny Huang, Ian Hunt-Isaak, William Palme 阅读全文

posted @ 2020-09-19 12:47 人工智能遇见磐创阅读(879) 评论(1) 推荐(0) 编辑

应对机器学习中类不平衡的10种技巧

摘要：作者|GUEST BLOG 编译|Flin 来源|analyticsvidhya 总览熟悉类失衡了解处理不平衡类的各种技术，例如- 随机欠采样随机过采样 NearMiss 你可以检查代码的执行在我的GitHub库在这里介绍当一个类的观察值高于其他类的观察值时，则存在类失衡。示例：检测信用阅读全文

posted @ 2020-09-19 12:45 人工智能遇见磐创阅读(645) 评论(0) 推荐(0) 编辑

2020年9月18日

用对比学习训练说话人初步验证模型

摘要：作者|OngKoonHan 编译|Flin 来源|towardsdatascience 在我大学的Android开发课程的组项目部分中，我们的团队构建并部署了一个认证系统，通过说话人的语音配置文件进行认证。在我上一篇文章（请参阅下一部分）描述了语音认证系统的高级体系结构之后，本文将深入探讨所使用的阅读全文

posted @ 2020-09-18 21:57 人工智能遇见磐创阅读(572) 评论(0) 推荐(0) 编辑

2020年9月17日

词袋模型和TF-IDF

摘要：作者|PURVA HUILGOL 编译|VK 来源|Analytics Vidhya 机器理解文本的挑战 “语言是一种极好的交流媒介” 你和我很快就会明白那句话。但机器根本无法处理原始形式的文本数据。他们需要我们将文本分解成一种易于机器阅读的数字格式（自然语言处理背后的理念！）。这就引入“词袋”（阅读全文

posted @ 2020-09-17 23:42 人工智能遇见磐创阅读(960) 评论(0) 推荐(0) 编辑

利用机器学习模型对PySpark流数据进行预测

摘要：作者|LAKSHAY ARORA 编译|VK 来源|Analytics Vidhya 概述流数据是机器学习领域的一个新兴概念学习如何使用机器学习模型（如logistic回归）使用PySpark对流数据进行预测我们将介绍流数据和Spark流的基础知识，然后深入到实现部分介绍想象一下，每秒有超阅读全文

posted @ 2020-09-17 23:35 人工智能遇见磐创阅读(1199) 评论(0) 推荐(0) 编辑

人工智能遇见磐创

公告