课程小组
¥
支付方式
请使用微信扫一扫 扫描二维码支付
请使用支付宝扫一扫 扫描二维码支付
http://www.voidcn.com/article/p-zxvegkbr-bnn.html
news.hexun.com/2016-08-08/185382572.html
www.jiqizhixin.com/articles/2017-10-31-6
http://www.zhuanzhi.ai/knowledge/9fc760c56299ce049557cf1abaeaf72d
一、
AI Artificial Inteligence
NLP Natural Language Processing
核心方法:
ML Machine Learning
NN Neural Network
DL Deep Learning(ML的子集)
ML机器学习,DL深度学习,NN神经网络
深度学习在CV的应用:
深度学习在NLP的应用:RNN模型用作机器翻译,CNN模型广泛用于文本分类、关系提取。
RNN 是序列模型,递归、反馈历史信息
RNN在Language Model中的角色:擅长序列问题预测
CNN卷积神级网络:卷积层、池化层、全连接层
二、CV+NLP
应用:
图像到文本(类似翻译):Image Captioning
文本到图像():Text to Image synthesis
检索(基于文本检索图像,基于图像检索文本,对文本整体理解,各个描述之间的关系,不仅要理解文本还要理解图像):Cross-modal retrieval
论文http://openaccess.thecvf.com/content_ICCV_2017/papers/Gu_An_Empirical_Study_ICCV_2017_paper.pdf 生成对图像的描述,通过文本描述对图像分类
LSTM Long Short-Term Memory :
Long:对恒源历史信息进行建模
Short-Term:与前一个词相关,对紧靠的词处理
Memory:有记忆功能,能记住一些历史信息
Long-Term 和Short-Term是矛盾的
CNN修改可做Language Model:Lgnguage CNN
通过学把Long-Term 和Short-Term分开
三、CV+NLP+Reinforcement Learning
paperuri:(86c3e4753070511c12bdecdfc3231c9f)
Coarse-to-Fine 由粗到细的过程,生成与描述
Attention
四、CV+NLP+Cross-Modal Retrieval多模态检索
paperuri:(6307879ab38cf9a49fe49cf30661fecc)
所见所想所真
Image-to-Text Retrieval
Text-to-Image Retrieval GAN