机器学习日报 2017-04-30 人脸检测与识别的趋势和分析;图解计算机视觉（CV）物体识别的现...
机器学习日报 2017-04-30[*]科普：Amazon 首席执行官 Jeff Bezos “人人都应该知道的人工智能知识” @新智元
[*]用于性能分析、模型优化的神经网络生成器 @爱可可-爱生活
[*]人脸检测与识别的趋势和分析 @爱可可-爱生活
[*]图解计算机视觉（CV）物体识别的现代史 @新智元
[*]Kaggle：Google语音合成(TTS)文本归一化挑战 @爱可可-爱生活
@好东西传送门 出品,由@AI100运营， 过往目录 见http://ml.memect.com
订阅：关注微信公众号 AI100（ID：rgznai100，扫二维码），回复“机器学习日报”，加你进日报群
http://memect-public.oss-cn-hangzhou.aliyuncs.com/images/AI100_logo.png
邮件版包括16条，本期的Web版有完整内容23条
用日报搜索找到以前分享的内容： http://ml.memect.com/search/今日焦点 (5)
http://tva2.sinaimg.cn/crop.0.0.2048.2048.50/006e14C0jw8ewjb494gavj31kw1kwwrj.jpg 新智元 网页链接 2017-04-30 16:16
语音 Jeff Bezos
【新智元导读】 Amazon 首席执行官 Jeff Bezos 在最新公开的年度致股东信中描述了“人人都应该知道的人工智能知识”，他说机器学习和人工智能是最大的技术趋势，Amazon 正在拥抱人工智能。从看得到的无人机送货、智能音箱 Echo、语音助理 Alexa、实体便利店 Amazon Go，到底层的搜索排序、商品推荐、欺...全文： http://m.weibo.cn/5703921756/4102267315748422
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2017-04-30 22:09
算法 代码 神经网络
【用于性能分析、模型优化的神经网络生成器】’Perceptron - A flexible artificial neural network builder to analysis performance, and optimise the best model.' by Caspar Wylie GitHub: http://t.cn/RXdzGgd
http://wx4.sinaimg.cn/large/5396ee05ly1ff526kvh6vj21kw12te81.jpg
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2017-04-30 21:38
视觉
《人脸检测与识别的趋势和分析》by EdisonGzq http://t.cn/Rij1Z3x
http://wx4.sinaimg.cn/large/5396ee05ly1ff51b9ugdij20a4070q5k.jpg
http://tva2.sinaimg.cn/crop.0.0.2048.2048.50/006e14C0jw8ewjb494gavj31kw1kwwrj.jpg 新智元 网页链接 2017-04-30 16:16
视觉
【新智元导读】 一张信息图示，用专业、简洁并且最有吸引力的方式——信息图示，讲述计算机视觉（CV）物体识别的现代史。不仅总结了CV 6 大关键技术和目标识别的重要概念，整个信息图示从 2012年 AlexNet 赢得了 ILSVRC（ImageNet大规模视觉识别挑战赛）说起，总结了至今关键的 13 大模型及其概念，比...全文： http://m.weibo.cn/5703921756/4102267131573644
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2017-04-30 07:47
语音 自然语言处理 Kaggle
【Kaggle：Google语音合成(TTS)文本归一化挑战】“Google Text Normalization Challenge - Text-to-speech synthesis text normalization data, from Sproat & Jaitly 2016 | Kaggle” http://t.cn/RXdOHtj
http://wx4.sinaimg.cn/large/5396ee05ly1ff4d9yp0o8j21fw196b29.jpg
最新动态
http://tva2.sinaimg.cn/crop.0.0.180.180.50/663aa05ajw1e8qgp5bmzyj2050050aa8.jpg 网路冷眼 网页链接 2017-04-30 23:55
算法 Arthur Szlam Ilya Kostrikov Rob Fergus 强化学习
【CMU提出新型内在驱动学习方法，在复杂计算下效率优于强化学习】近期，CMU发布了一篇新的论文，由一作作者Sainbayar Sukhbaatar和Ilya Kostrikov以及Arthur Szlam，Rob Fergus提出了一种新的学习方法，内在驱动学习，或称异步自我学习。论文介绍了该学习方式的优越性，并与RL方法做了比较，显示出了在...全文： http://m.weibo.cn/1715118170/4102382641924430
http://tva2.sinaimg.cn/crop.0.0.180.180.50/663aa05ajw1e8qgp5bmzyj2050050aa8.jpg 网路冷眼 网页链接 2017-04-30 22:30
行业动态 俞栋
【微软门口挖墙脚，腾讯在西雅图建立人工智能中心】据外媒报道，腾讯将在西雅图建立人工智能研究中心，本周初腾讯还宣布会在硅谷设立首个数据中心。 据悉，该人工智能研究中心由俞栋领导，俞栋博士于近期加入腾讯，现任腾讯人工智能实验室杰出科学家和副总经理。加入腾讯前，他在微软公司工作了19年并...全文： http://m.weibo.cn/1715118170/4102361250668008
http://tva2.sinaimg.cn/crop.45.68.285.285.50/6a5d5455jw1eq7nnff9hgj20b809vjrn.jpg 数据挖掘与数据分析 网页链接 2017-04-30 20:30
资源 视频
【TED演讲:在机器时代，创造人性化公司的4个方法】在人工智能和机器学习时代，我们需要一种新的人文主义，拉伯瑞克如是说。他提出的“商业浪漫”，指出要基于真实而非效率，基于问题而非答案，来设计组织和公司。拉伯瑞克提出了营造美的组织的4个（相当主观的）原则。http://t.cn/RiglJyx
http://tvax3.sinaimg.cn/crop.14.0.721.721.50/9fa07827ly8fe7j2cq9a0j20ku0k1jrr.jpg PaperWeekly 网页链接 2017-04-30 19:10
深度学习
ICNet for Real-Time Semantic Segmentation 本文提出了一个实时性的语义分割网络，Image Cascade Network（ICNet），在兼顾实时性的同时比原来的Fast Semantic Segmentation,比如SQ, SegNet, ENet等大大地提高了准确率，足以与Deeplab v2媲美，给语义分割的实用提供了可能。 文中经过分析，影响速度...全文： http://m.weibo.cn/2678093863/4102311112533400
http://tva2.sinaimg.cn/crop.0.0.720.720.50/77e3b85ajw8eu8j38xsjnj20k00k0t9k.jpg RyenLikeli 网页链接 2017-04-30 17:18
深度学习 算法 神经网络
Stanford University CS231n: Convolutiona... The Convolutional Neural Network in this example is classifying images live in your browser using Javascript, at about 10 milliseconds per image. It takes an input image and transforms it through a series of functions into... ...全文： http://m.weibo.cn/2011412570/4102282809744092
http://wx1.sinaimg.cn/large/77e3b85aly1ff4ts59oypj20pm0b70vb.jpg
http://tvax4.sinaimg.cn/crop.21.40.420.420.50/ee3b7d6cly8fdpy29sfxyj20ct0ctdfu.jpg 机器之心synced 网页链接 2017-04-30 13:48
学界 | 新研究提出内省式学习方法：在分类和生成任务上均表现卓越 http://t.cn/RXgM2Bl 生成对抗网络（GAN）是近来人工智能研究的一大热门，在生成逼真的样本上已经取得了非常优异的表现。但这并不是唯一的生成方法，近日，来自加州大学圣地亚哥分校计算机科学与工程系和认知科学系的几位研究者连发两...全文： http://m.weibo.cn/3996876140/4102229885471933
http://wx4.sinaimg.cn/large/ee3b7d6cly1ff4lrxgtm9j20qe0ai7ad.jpg
http://tva1.sinaimg.cn/crop.0.0.180.180.50/7d47b003jw1e8qgp5bmzyj2050050aa8.jpg 手机中国联盟官博 网页链接 2017-04-30 13:42
语音 Mark Skilton
http://t.cn/RXgIxS8 今年早些时候，彭博社报道称新版Echo的扬声器将配备一个7英寸的触屏。Warwick商学院的教授Mark Skilton表示，Echo有无屏幕并不重要，因为在使用它的时候，通过语音进行互动是很自然的。问题主要集中在如何让它学习更多技能以帮助用户。鼠标和键盘确实快要寿终正寝了
老杳 网页链接 转发于2017-04-30 13:44
Echo在美国火了这么久，在中国类似产品虽然样品不少，消费者却并不买账，是汉语的语义识别不到位还是智能手机应用太方便了？
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2017-04-30 06:27
深度学习 视觉 Max Planck Institute 论文
《Joint Semantic and Motion Segmentation for dynamic scenes using Deep Convolutional Networks》N Haque, N D Reddy, K. M Krishna (2017) http://t.cn/RXdCKb3
http://ww1.sinaimg.cn/large/5396ee05jw1ff4ax4hgvtj21fe0eewv0.jpg
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2017-04-30 06:01
深度学习 算法 Yann Lecun 代码 论文
《Entropy-SGD: Biasing Gradient Descent Into Wide Valleys》P Chaudhari, A Choromanska, S Soatto, Y LeCun, C Baldassi, C Borgs, J Chayes, L Sagun, R Zecchina (2017) http://t.cn/RXd9lxM GitHub:http://t.cn/RXd9lxI
http://ww3.sinaimg.cn/large/5396ee05jw1ff4a5rdiykj21260m2ngd.jpg
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2017-04-30 05:46
深度学习 算法 自然语言处理 论文 神经网络
《Explaining How a Deep Neural Network Trained with End-to-End Learning Steers a Car》M Bojarski, P Yeres, A Choromanska, K Choromanski, B Firner, L Jackel, U Muller (2017) http://t.cn/RXd952r
http://ww2.sinaimg.cn/large/5396ee05jw1ff49qdkgpvj212k0pokdn.jpg
http://tva2.sinaimg.cn/crop.0.0.219.219.50/8a1377b2gw1e73nuabt32j2064065t95.jpg 立委_米拉 网页链接 2017-04-30 00:44
自然语言处理
《李白毛铿锵行: 漫谈中文NLP和数据流》http://t.cn/RXdM2nN 整理以前的笔记 充实nlp频道。感谢不同背景的高人的思维碰撞和微信时代的坐而论道。不亦快哉。@王伟DL @龙星镖局 @李利鹏-汇真科技 @白硕SH @算文解字 @马少平THU @徐涵W3China @刘群MT-to-Death @陈利人
页:
[1]