日本免费全黄少妇一区二区三区-高清无码一区二区三区四区-欧美中文字幕日韩在线观看-国产福利诱惑在线网站-国产中文字幕一区在线-亚洲欧美精品日韩一区-久久国产精品国产精品国产-国产精久久久久久一区二区三区-欧美亚洲国产精品久久久久

  1. 首頁 > 云知道 > >

Deeplab,deeplab( 五 )

云知道


深度學(xué)習(xí)引爆的這場革命，將人工智能帶上了一個(gè)新的臺(tái)階，不僅學(xué)術(shù)意義巨大，而且實(shí)用性很強(qiáng)，工業(yè)界也開始了大規(guī)模的投入，一大批產(chǎn)品將從中獲益 。2006年，機(jī)器學(xué)習(xí)泰斗、多倫多大學(xué)計(jì)算機(jī)系教授Geoffery Hinton在Science發(fā)表文章[1]，提出基于深度信念網(wǎng)絡(luò)（Deep Belief Networks, DBN）可使用非監(jiān)督的逐層貪心訓(xùn)練算法，為訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)帶來了希望 。
2012年，Hinton又帶領(lǐng)學(xué)生在目前最大的圖像數(shù)據(jù)庫ImageNet上，對(duì)分類問題取得了驚人的結(jié)果[2]，將Top5錯(cuò)誤率由26%大幅降低至15% 。2012年，由人工智能和機(jī)器學(xué)習(xí)頂級(jí)學(xué)者Andrew Ng和分布式系統(tǒng)頂級(jí)專家Jeff Dean領(lǐng)銜的夢(mèng)幻陣容，開始打造Google Brain項(xiàng)目，用包含16000個(gè)CPU核的并行計(jì)算平臺(tái)訓(xùn)練超過10億個(gè)神經(jīng)元的深度神經(jīng)網(wǎng)絡(luò)，在語音識(shí)別和圖像識(shí)別等領(lǐng)域取得了突破性的進(jìn)展[3] 。
該系統(tǒng)通過分析YouTube上選取的視頻，采用無監(jiān)督的方式訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，可將圖像自動(dòng)聚類 。在系統(tǒng)中輸入“cat”后，結(jié)果在沒有外界干涉的條件下，識(shí)別出了貓臉 。2012年，微軟首席研究官Rick Rashid在21世紀(jì)的計(jì)算大會(huì)上演示了一套自動(dòng)同聲傳譯系統(tǒng)[4]，將他的英文演講實(shí)時(shí)轉(zhuǎn)換成與他音色相近、字正腔圓的中文演講 。
同聲傳譯需要經(jīng)歷語音識(shí)別、機(jī)器翻譯、語音合成三個(gè)步驟 。該系統(tǒng)一氣呵成，流暢的效果贏得了一致認(rèn)可，深度學(xué)習(xí)則是這一系統(tǒng)中的關(guān)鍵技術(shù) 。2013年，Google收購了一家叫DNN Research的神經(jīng)網(wǎng)絡(luò)初創(chuàng)公司，這家公司只有三個(gè)人，Geoffrey Hinton和他的兩個(gè)學(xué)生 。這次收購并不涉及任何產(chǎn)品和服務(wù)，只是希望Hinton可以將深度學(xué)習(xí)打造為支持Google未來的核心技術(shù) 。
同年，紐約大學(xué)教授，深度學(xué)習(xí)專家Yann LeCun加盟Facebook，出任人工智能實(shí)驗(yàn)室主任[5]，負(fù)責(zé)深度學(xué)習(xí)的研發(fā)工作，利用深度學(xué)習(xí)探尋用戶圖片等信息中蘊(yùn)含的海量信息，希望在未來能給用戶提供更智能化的產(chǎn)品使用體驗(yàn) 。2013年，百度成立了百度研究院及下屬的深度學(xué)習(xí)研究所（IDL），將深度學(xué)習(xí)應(yīng)用于語音識(shí)別和圖像識(shí)別、檢索，以及廣告CTR預(yù)估（Click-Through-Rate PredicTIon，pCTR），其中圖片檢索達(dá)到了國際領(lǐng)先水平 。
2014年又將Andrew Ng招致麾下，Andrew Ng是斯坦福大學(xué)人工智能實(shí)驗(yàn)室主任，入選過《時(shí)代》雜志年度全球最有影響力100人，是16位科技界的代表之一 。如果說Hinton 2006年發(fā)表在《Science》雜志上的論文[1]只是在學(xué)術(shù)界掀起了對(duì)深度學(xué)習(xí)的研究熱潮，那么近年來各大巨頭公司爭相跟進(jìn)，將頂級(jí)人才從學(xué)術(shù)界爭搶到工業(yè)界，則標(biāo)志著深度學(xué)習(xí)真正進(jìn)入了實(shí)用階段，將對(duì)一系列產(chǎn)品和服務(wù)產(chǎn)生深遠(yuǎn)影響，成為它們背后強(qiáng)大的技術(shù)引擎 。
目前，深度學(xué)習(xí)在幾個(gè)主要領(lǐng)域都獲得了突破性的進(jìn)展：在語音識(shí)別領(lǐng)域，深度學(xué)習(xí)用深層模型替換聲學(xué)模型中的混合高斯模型（Gaussian Mixture Model, GMM），獲得了相對(duì)30%左右的錯(cuò)誤率降低；在圖像識(shí)別領(lǐng)域，通過構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）[2]，將Top5錯(cuò)誤率由26%大幅降低至15%，又通過加大加深網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)一步降低到11%；在自然語言處理領(lǐng)域，深度學(xué)習(xí)基本獲得了與其他方法水平相當(dāng)?shù)慕Y(jié)果，但可以免去繁瑣的特征提取步驟 。
可以說到目前為止，深度學(xué)習(xí)是最接近人類大腦的智能學(xué)習(xí)方法 。2深層模型的基本結(jié)構(gòu)深度學(xué)習(xí)采用的模型為深層神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks，DNN）模型，即包含多個(gè)隱藏層（Hidden Layer，也稱隱含層）的神經(jīng)網(wǎng)絡(luò)（Neural Networks，NN） 。深度學(xué)習(xí)利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉(zhuǎn)化為淺層特征，中層特征，高層特征直至最終的任務(wù)目標(biāo) 。

推薦閱讀