LOFTER for ipad —— 让兴趣,更有趣

点击下载 关闭

LOFTER-网易轻博

深度学习

1313浏览    111参与
且听风吟(苗恩慧)
揭开深度学习的神秘面纱 深度...

                 揭开深度学习的神秘面纱
       深度学习是怎么做到的呢?本质上来说,深度学习的算法使用了大量来自特定领域的数据,为想要的结果做出最佳决策。其方法是让系统使用这些输入的数据,训练自己识别数据和期望结果之间的关联性。当数据与期望结果直接相关(“猫”vs“非猫”, “点选”vs“未点选”, “赢了赛局”vs“输了赛局”)时,这个流程就容易多了。然...

                 揭开深度学习的神秘面纱
       深度学习是怎么做到的呢?本质上来说,深度学习的算法使用了大量来自特定领域的数据,为想要的结果做出最佳决策。其方法是让系统使用这些输入的数据,训练自己识别数据和期望结果之间的关联性。当数据与期望结果直接相关(“猫”vs“非猫”, “点选”vs“未点选”, “赢了赛局”vs“输了赛局”)时,这个流程就容易多了。然后,算法可以运用找到的这些关联性所累积的庞大知识(其中很多是人类看不到或觉得无关的),做出比人类更好的决策。
        这么做需要大量的相关数据、强大的算法、足够细化的领域以及明确的目标,欠缺任何一个都无法成功。数据太少则样本不够,算法无法发现有意义的联系;但如果目标太广泛,算法则缺乏衡量最优解的明确标准。
       深度学习是所谓的“狭义人工智能”(narrow AI,或译作“弱人工智能”)——仅用于在特定领域能做出决策、预测和分类的人工智能应用。这已经能产生巨大价值,但仍远远未成为科幻片里的“通用人工智能”(general AI,或译作“强人工智能”)——人类能做的,人工智能都可以做。
        深度学习最自然的应用领域是保险、贷款之类的金融业务,因为借款人的相关数据非常多(信用评分、收入、信用卡近期使用情况等),而最优的目标(降低还款违约率)很明确。更进一步的话,深度学习还可以进行自动驾驶,帮助车辆“看”到行驶的路况,如识别像素组成的形状(比如红色圆形),判断它和什么有关(比如红灯“禁行”),以此信息来做出决策(刹车并停车),以达到期望的结果(用最少的时间把我安全送到家)。
        人们听到深度学习就兴奋,是因为它的核心能力——识别规律、得出最优解、做出决策可应用在很多日常问题上。所以,包括谷歌、Facebook在内的许多公司争相出高薪聘请为数不多的深度学习专家,开展它们雄心勃勃的研究计划。谷歌在2013年收购了杰弗里·辛顿的创业公司,翌年又斥资超过5亿美元,买下英国的人工智能创业公司DeepMind,运用其技术开发出了AlphaGo。[插图]这些行动无不让众人惊叹,同时也成了媒体的焦点。它们改变了当代文化思潮,让我们意识到人类正站在一个新时代的边缘:在这个新时代,机器的能力将赋予人类更强大的能力,但也可能会大规模取代人力。
       对深度学习和人工智能有兴趣的同学可以看看李开复的《AI未来》这本书,挺有意思的哦

hdw2000
瑞视特

新机器视觉模式匹配的基础:光源、相机、算法

      我们人类从第一次睁开眼睛开始就学会了识别模式。那是一只鸟!那是一架飞机!那些是字母A, B和C!如果我们不能从周围环境中挑选出特定的物体并加以分类,我们的视觉就没有什么用处了。


      机器视觉系统还需要能够发现和识别模式。任何机器视觉任务的第一步都是模式匹配,即根据形状属性(如边缘)的预期排列,在视场中定位目标。这个过程是如何工作的?


      事实证明,有许多方法可以执行模式匹配...

      我们人类从第一次睁开眼睛开始就学会了识别模式。那是一只鸟!那是一架飞机!那些是字母A, B和C!如果我们不能从周围环境中挑选出特定的物体并加以分类,我们的视觉就没有什么用处了。


      机器视觉系统还需要能够发现和识别模式。任何机器视觉任务的第一步都是模式匹配,即根据形状属性(如边缘)的预期排列,在视场中定位目标。这个过程是如何工作的?




      事实证明,有许多方法可以执行模式匹配,因为这是一项涉及大量数据处理的任务,优化流程至关重要。在最基本的层次上,它涉及到使用图像中单个像素的强度来确定形状的轮廓(或边缘)在哪里。如果这些轮廓的排列与基于统计分析的模板模式的排列合理地相似,则视觉系统将输出一个匹配。


      对比是王


      由于边缘的检测是基于单个像素的不同强度,因此良好的对比度是非常重要的。这一要求导致了照明安排的各种创新,如轴上照明,照亮垂直于表面的光和穹顶照明,从各个方向提供一致的照明。这也是必要的,以尽量减少环境光和眩光来自反射表面。良好的光照可以最大限度地检测相关边缘,并最小化对不存在的边缘的感知。


      还有一些图像处理算法,当光靠良好的光照是不够的时候,可以显示出图像的某些特征。阈值化是这种图像处理算法的一个例子,它通过计算不同强度下像素数量的直方图来确定强度阈值。该算法逐像素查看图像,将阈值以下的所有像素设置为黑色,阈值以上的所有像素设置为白色。




      寻找一种模式


      在机器视觉系统在产品线上,它需要知道自己在寻找什么。系统的操作人员通过提供模板映像告诉它要查找什么。然后系统会记住形状,包括边缘的位置以及相对于模板模式的整体大小它们之间的距离。重要的是视觉系统能够找到相同的模式在不同的大小和方向。


      一旦系统知道它想要找到什么,它就开始分析捕获图像的像素数据。像素的强度范围从0到255,这些值可用于计算。为了找到物体的边缘,该软件通过执行像素减法来寻找对比度的大变化。如果减法的结果接近于零,那么这两个像素就不构成一条边。强度上的巨大差异——无论是正的还是负的——表明可能存在一个边缘。


      像素减法的结果存储在数据结构中,软件水平和垂直扫描修改后的图像表示,以找到轮廓。它记录轮廓的相对距离,然后查找参考图像和任何发现的形状之间的统计相似性。可以改变系统的统计容忍度,以使匹配的可能性更大或更小。高容差将使误报更常见,而将容差设置在较低级别的系统更有可能错过真正的比赛。




机器视觉的未来:深度学习


      在传统的机器视觉中,您需要准确地告诉系统您希望它寻找什么。这可能需要大量的编程工作。如果系统能够自己找出要查找的内容,那不是很好吗?这就是将深度学习算法融入工业机器视觉系统背后的推动力。


      深度学习利用卷积神经网络(CNNs)等先进算法,让计算机根据一组训练数据来学习它们需要做什么。不需要指定一个对象的精确轮廓,一系列的图像被呈现给系统,指定它们要么包含感兴趣的对象,要么不包含。在这个训练期间,这些算法自己发现图像的哪些属性表明目标可能存在。这导致了更强的识别率,因为视觉系统处理大量数据的能力使它在识别物体的定义特征方面比人类做得更好。


      机器视觉正在迅速发展,专门研究它的工程师们也在不断地展望未来。未来几年可能会在照明、相机设备和机器视觉算法方面带来大量创新,使工业自动化比以往任何时候都更加精简和灵活。


hdw2000
平凡人的挣扎

《深度学习》书籍推荐


深度学习

作者: [美] 伊恩·古德费洛 / [加] 约书亚·本吉奥 / [加] 亚伦·库维尔
出版社: 人民邮电出版社
出版年: 2017-7
定价: 168.00元

书籍简介

•   由全球知名的三位专家 [伊恩·古德费洛]、[约书亚·本吉奥] 和 [亚伦·库维尔] 撰写,是深度学习领域奠基性的经典教材。

•   ...


深度学习

作者: [美] 伊恩·古德费洛 / [加] 约书亚·本吉奥 / [加] 亚伦·库维尔
出版社: 人民邮电出版社
出版年: 2017-7
定价: 168.00元

书籍简介

•   由全球知名的三位专家 [伊恩·古德费洛]、[约书亚·本吉奥] 和 [亚伦·库维尔] 撰写,是深度学习领域奠基性的经典教材。

•   全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。

•   适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。

作者简介 

•   [伊恩·古德费洛] 谷歌公司的研究科学家,2014 年蒙特利尔大学机器学习博士。他的研究兴趣涵盖大多数深度学习主题,特别是生成模型以及机器学习的安全和隐私。在研究对抗样本方面是一位有影响力的早期研究者,他发明了生成式对抗网络,在深度学习领域贡献卓越。

•   [约书亚·本吉奥] 蒙特利尔大学计算机科学与运筹学系(DIRO) 的教授,蒙特利尔学习算法研究所(MILA) 的负责人,CIFAR 项目的共同负责人,加拿大统计学习算法研究主席。主要研究目标是了解产生智力的学习原则。他还教授“机器学习”研究生课程(IFT6266),并培养了一大批研究生和博士后。

•   [亚伦·库维尔] 蒙特利尔大学计算机科学与运筹学系的助理教授,也是LISA 实验室的成员。目前他的研究兴趣集中在发展深度学习模型和方法,特别是开发概率模型和新颖的推断方法。主要专注于计算机视觉应用,在其他领域,如自然语言处理、音频信号处理、语音理解和其他AI 相关任务方面也有所研究。

目录章节

第 1 章 引言
第 2 章 线性代数
第 3 章 概率与信息论
第 4 章 数值计算
第 5 章 机器学习基础
第 6 章 深度前馈网络
第 7 章 深度学习中的正则化
第 8 章 深度模型中的优化
第 9 章 卷积网络
第 10 章 序列建模:循环和递归网络
第 11 章 实践方法论
第 12 章 应用
第 13 章 线性因子模型
第 14 章 自编码器
第 15 章 表示学习
第 16 章 深度学习中的结构化概率模型
第 17 章 蒙特卡罗方法
第 18 章 直面配分函数
第 19 章 近似推断
第 20 章 深度生成模型

经典语录

•   控制复杂性是计算机编程的本质。

温馨提示

1、所有资源收集均来自网络,如果侵犯了您的版权利益,请留言通知;
2、书籍版权归原作者及出版社所有,禁止商业否则后果将由您承担;
3、仅限个人试读交流之用,请下载后24小时内自行删除;
4、所有书籍均是完整版,如出现残缺版本或链接失效请留言告知。

☆.☆.☆.☆.☆. ☆.☆.☆.

下载地址

 https://545c.com/file/21615503-402892944

感谢您的信任,希望您能把这信任分享给您的朋友们。

☆.☆.☆.☆.☆. ☆.☆.☆.

hdw2000
研数科技
hdw2000
hdw2000
hdw2000
机器视觉检测开发
机器视觉检测开发
机器视觉检测开发

机器视觉Halcon学习之路-致视觉初学者

从学校出来已经工作8年了,在这8年里学过很多技术,从MFC到Qt,到单片机,嵌入式linux。迷茫过也清晰过,这三年也基本确定了自己要走的路,那就是工业自动化。前三年主要做的是运动方面的,用过别人的控制卡也自己做过运动控制器。

        在机器视觉方面很欠缺,以前工作中主要使用OpenCV,说句实话OpenCV对复杂的图像处理还需要自己做很多工作,如果项目紧,OpenCV不是很好的选择,可能用matlab或者halcon更好。...



从学校出来已经工作8年了,在这8年里学过很多技术,从MFC到Qt,到单片机,嵌入式linux。迷茫过也清晰过,这三年也基本确定了自己要走的路,那就是工业自动化。前三年主要做的是运动方面的,用过别人的控制卡也自己做过运动控制器。

        在机器视觉方面很欠缺,以前工作中主要使用OpenCV,说句实话OpenCV对复杂的图像处理还需要自己做很多工作,如果项目紧,OpenCV不是很好的选择,可能用matlab或者halcon更好。

         halcon在工业应用中已经有了很多实例,所以选择它,可能要写朋友说halcon是收费的,其实halcon可以当成是一个matlab工具使用,实际工程应用中还是OpenCV。

           在网上找Halcon资料,发现资料少的可怜,各大机构收费昂贵,动则几千上万,这不是一般学习和工作者承受起的。实体面授班更不用说了,培训费高(1w以上),时间长(一个多月不定),再说现在各大机构都有视觉培训网课,跟着网课来学即可。真的是有时间,有精力,经济条件允许,项目急缺技术,可以考虑去,否则不建议。

            一路学习视觉的过程中,真的有点很不爽的感觉,所以决定,为初学者指导一下学习视觉前进的道路,特地分享初学者零基础学习资料,帮助大家快速入门视觉,在项目上得心应手。

           有学习视觉的,也可以加我企鹅1907812972一起交流探讨,期待和大家共同交流,一起进步,共同推进中国视觉发展,最后希望大家都互相帮助共同提升。学视觉并非一朝一日,一定坚持学习,多多练习。

           敲黑板:本人经常会发一些对大家学习非常有参考价值的帖子和分享一些视觉halcon学习的资料,大家可以关注我以及看下我其他帖子。

这是我收集的全套教程,有需要的自己保存:

全套链接:https://pan.baidu.com/s/1-jExjTF3BmRADV7WcqXnKA提取码:8ff8

敲黑板:本人经常会发一些对大家学习非常有参考价值的帖子和分享一些视觉halcon学习的资料,大家可以关注我以及看下我其他帖子。

转载请说明出处

我不能保证我所说的全部是对的,不同的人有不同的见解,但我能保证每一篇都是用心去写的,我始终认同“分享的越多,你的价值增值越大”,在分享中进步,越努力越幸运,期待我们都有美好的明天!

支持我的朋友们记得点波赞赏哦,您的肯定就是我进步的动力。

机器视觉检测开发

halcon视频教程如何学习?怎么样才能踏入机器视觉这个行业?

本人是工作八年的视觉工程师,主要从事Halcon和Visionpro视觉开发,谈谈个人对视觉学习看法:

1、HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包,它节约了产品成本,缩短了软件开发周期。

Halcon:底层功能算法多,运算性能快,开发需要一定软件功底和图像处理理论。

快速学习做法:研究实例、做实战项目。halcon不能提供相应的界面编程需求,需要和vs来构造MFC界面或者QT使用,才能构成一套完整软件。

2、需求主要有二维三维二维:(1)识别定位;(2)OCR识别;(3)二维码识别;(4)测量;(5)缺陷检测;(6)机器控制等三维:(1)多目标定(2)...


本人是工作八年的视觉工程师,主要从事Halcon和Visionpro视觉开发,谈谈个人对视觉学习看法:

1、HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包,它节约了产品成本,缩短了软件开发周期。

Halcon:底层功能算法多,运算性能快,开发需要一定软件功底和图像处理理论。

快速学习做法:研究实例、做实战项目。halcon不能提供相应的界面编程需求,需要和vs来构造MFC界面或者QT使用,才能构成一套完整软件。

2、需求主要有二维三维二维:(1)识别定位;(2)OCR识别;(3)二维码识别;(4)测量;(5)缺陷检测;(6)机器控制等三维:(1)多目标定(2)三维重建(3)三维匹配等

3、成为合格的机器视觉工程师须具备三个方面的知识

图像处理涉及以下几大领域:

A、图像处理的基本理论知识(图像理论的基础知识)

B、图像增强(对比度拉伸、灰度变换等)

C、图像的几何变换(仿射变换,旋转矩阵等)

D、图像的频域处理(傅里叶变换、DFT、小波变换、高低通滤波器设计)

E、形态学(膨胀、腐蚀、开运算和闭运算以及凸壳等)

F、图像分割

G、图像复原

H、运动图像

I、图像配准(模板匹配等)

J、模式识别(分类器训练,神经网络深度学习等)

(2)软件编程功底

具备C,C++,C#及MFC界面开发的功底

A、C语言的学习主要看谭浩强写的C语言相关知识

B、C++主要看C++primerplus书籍

C、MFC的学习主要看孙鑫编写的《VC++深入详解》这本书及相应的视频教程,并在VC++6.0软件或VS2010等软件上编写程序和实践。

D、C#可以看书籍《C#从入门到精通》、《C#入门经典》、《C#图解教程》

(3)光学知识:

光学知识主要在你设计方案时相机、光源、镜头等选型时起到关键作用。

4、学习HALCON最重要的是学习其中的方法、流程和套路

HALCON主要完成图像算法的流程套路如下:

特征提取总结:

1、几何特征(面积、周长、矩形度)

2、纹理特征(与灰度相关,如熵、能量值)

3、颜色特征

4、概率特征

5、算子描述特征

6、Hough特征(梯度直方图特征)

做机器视觉的项目,拿到项目时一般遵循如下流程:

第一步:需求分析,建立相应的方案

第二步:算法流程规划及业务逻辑设计

第三步:模块化编程及集成化实现

第四步:调试,根据反馈结果来不断的修改程序Bug,达到客户需求,最后交付客户及软硬件操作文档。

学习机器视觉的好方法:

1、学习机器视觉一定要结合项目实战,在实践中学 结经验教训,系统化学习所需知识。

2、补充一定的C++和c#知识,进行VS联合开发,客户现场的学习和现场调试,不断学习示例分析,掌握方法套路流程。

3、根据实际问题,学习模块调用,按照方法套路学习。

4、最好是先用HALCON实现图像处理部分,然后在VS2010开发软件中利用MFC图形界面实现出来,实践学习是最好的方法。

这是我搜集的资料分享给大家,有需要的自己保存:

全套链接:https://pan.baidu.com/s/1Emc0uxczk8xA7CnpOiw9gA提取码:3r6s

发展趋势是结合神经网络、深度学习进行相应的人工智能机器视觉开发。

敲黑板:本人经常会发一些对大家学习非常有参考价值的帖子和分享一些视觉halcon学习的资料,大家可以关注我以及看下我其他帖子。

转载请说明出处

我不能保证我所说的全部是对的,不同的人有不同的见解,但我能保证每一篇都是用心去写的,我始终认同“分享的越多,你的价值增值越大”,在分享中进步,越努力越幸运,期待我们都有美好的明天!

支持我的朋友们记得点波推荐哦,您的肯定就是我进步的动力。

机器视觉检测开发

halcon视频教程百度云网盘分享之8年来机器视觉自动化经验总结

大家好,一眨眼的时间,本人已经在机器视觉自动化这个行业搞了8年了,在此发表一下文章,希望给新手多些学习的经验,少走点弯路。让大家见笑了。

本人本科读的是机械设计制造及其自动化的专业,那时感觉做机械设计的,毕业后虽然可以在珠三角轻轻松松找份工作,但是这个如果要拿高工资的话,需要的是很多年的经验的积累,并且市场上很多人在搞这个,没啥新意,就进了机械学院的实验室当助理,开始学习PLC和触摸屏,听老师说将来如果学好这个的话,毕业之后工资会很高,所以我就慢慢就偏离了机械设计画图的专业了,专心学三菱的PLC和组态王的触摸屏的编程软件,直到我大四第一学期去找工作的时候才发现原来这个搞PLC的人也是很多...


大家好,一眨眼的时间,本人已经在机器视觉自动化这个行业搞了8年了,在此发表一下文章,希望给新手多些学习的经验,少走点弯路。让大家见笑了。

本人本科读的是机械设计制造及其自动化的专业,那时感觉做机械设计的,毕业后虽然可以在珠三角轻轻松松找份工作,但是这个如果要拿高工资的话,需要的是很多年的经验的积累,并且市场上很多人在搞这个,没啥新意,就进了机械学院的实验室当助理,开始学习PLC和触摸屏,听老师说将来如果学好这个的话,毕业之后工资会很高,所以我就慢慢就偏离了机械设计画图的专业了,专心学三菱的PLC和组态王的触摸屏的编程软件,直到我大四第一学期去找工作的时候才发现原来这个搞PLC的人也是很多的,有些文化素质不高的人也可以搞这个,对我很打击的一次是在一个东莞智联搞的一场招聘会上,有个家伙问我要价多少,我说3K,他对我说,你一个快毕业的学生,没工作经验,顶多给我1.5K,那时我就懵了。

后来我在学校上了一堂课,叫做“机器视觉”,感觉挺好的,感觉这个可能是以后自动化发展的一个方向,就努力上网搜索很多资料来学习,例如上*宝买了个“halcon 10"破解版的软件来自己学习,并且也在东莞南城的*瑞公司找了份工作,这家公司专门做机器视觉方案的,看到了老师傅做出来的项目,就想到了要学C++,也上*宝买了个孙鑫的C++视频教程,开始真正踏上了这个行业。

后来在富士康呆了两三年,做了一些自动扫描BARCODE、检孔机、贴钢片机、贴胶机等等一些项目,用了dalsa和basler相机,别的同事也有用了灰点和堡盟的相机,机器视觉软件开发包的话,自己就用了halcon、visionPro和opencv,那时也有同事用了dalsa的自己的图像软件包,叫什么名字我忘了。还有光源用了奥普特和科视(现在好像改名为锐视)的,感觉东莞长安做光源的特别多。还有用的都是台湾的工研院的运动控制卡。 再后来我到了现在的公司做固晶机和AOI检测机一直到现在。用了灰点、ImageSource的相机和MIL的图像软件包和雷赛、固高的运动控制卡。还有就是产能管家,用手机app看设备产能的,感觉这个挺好的,客户用手机随时随地都可以查看设备产能,它提供的自动上传数据的API接口简单易用。大家可以上微信搜索微信号“lindrss”说要“产能管家”就行了。

啰啰嗦嗦说了那么多,现在总结:

1、      采集图像最好是用相机本身的API接口采集图像,不要用图像软件包基于标准的采集图像协议来采集图像,因为相机本身的厂家自己了解自己,知道怎样弄才能更稳定采集图像。还有就是一定要采用软触发方式,所谓软触发,就是需要一张图像的时候,你就发一次软件触发命令给相机采集一张图像。API接口+软触发的方式采集图像,可以更加稳定的采集图像,避免软件跑了一段时间就在客户现场死机,大大的省心省力。

2、       图像软件包,halcon最牛,visionPro简单易用,opencv最省钱,mil便宜。在富士康,Halcon和visionPro一套电脑运行版的要15K左右,大家学习的话,上淘宝搞个破解版学习就好了。如果大家想用正版的又要便宜的,建议用MIL,MIL的定位模块才2K左右。OpenCv的话,定位模板做的不好,简单的应用用用就行了,最大的好处就是免费开源的。

3、       相机,Basler和堡盟的最贵,dasla的线扫的好点,灰点的性价比最高,德国的ImagesSource还可以。Basler的SDK函数提供出错捕捉功能,我觉得这点很好,其他牌子的相机好像都没有这个功能,就是相机采集图像出错的时候可以让你来控制捕捉,这样就很容易排查原因,不会弹出一个内存读取错误的消息出来,让你无从下手排查原因。

4、       运动控制卡,感觉香港和台湾搞自动化的都喜欢用工研院的牌子,大陆一般用的是固高和雷塞。工研院价格贵,但是稳定性做的很好,固高比雷塞的稍贵几百块,但是固高的,无论是卡还是转接板,做工质量要比雷塞好些,函数库两者都差不多。雷塞的,我用的最多,老板觉得便宜嘛,够用就好,避免质量过剩。

5、      光源,光源打光非常重要,直接关系到采集图像的质量,好的图像,轮廓清晰,成像产品特征完美体现,公司有钱的话,可以直接到光源公司帮忙测试打光,各种各样的光非常多,环形光,同轴光,大功率的配合线扫相机的光,还有白光、红光和蓝光,紫外线光等等。公司没钱的话,就上淘宝买几百块的光源。

6、     产能管家,用手机APP看设备产能的,这个现在是潮流,我记得现在很多标准机,例如国外的焊线机和固晶机,都有提供了相应的设备联网管理软件,但是没有提供APP的,这个产能管家,就提供了APP和一整套的设备联网管理软件,视觉软件工程师调用它的接口就可以了,很简单的。大家可以上微信搜索微信号“lindrss”说要“产能管家”就行了。

7、     现在做视觉这行蛮吃香的,不愁找不到工作,经常有一些猎头打电话来问我要不要换工作。

既然自己选择了这条路,那么无论前进路上有多坎坷,跪着也要走完。

当你的才华还撑不起你的野心的时候,乖乖继续努力提高自己,多多学习,多多交流,多向行业前辈学习交流就能少走弯路,做到这些相信自己一定会快速成长起来的!

这是我收集的全套教程,有需要的自己保存:

全套链接:https://pan.baidu.com/s/1-jExjTF3BmRADV7WcqXnKA提取码:8ff8

敲黑板:本人经常会发一些对大家学习非常有参考价值的帖子和分享一些视觉halcon学习的资料,大家可以关注我以及看下我其他帖子。

转载请说明出处

我不能保证我所说的全部是对的,不同的人有不同的见解,但我能保证每一篇都是用心去写的,我始终认同“分享的越多,你的价值增值越大”,在分享中进步,越努力越幸运,期待我们都有美好的明天!

支持我的朋友们记得点波赞赏哦,您的肯定就是我进步的动力。

沉淀书会2019
0723-深度学习-惟生 深度...

0723-深度学习-惟生

深度学习和每个人的生活息息相关。

自然语言翻译、语音识别、AI医疗、金融科技、深度法律、德州扑克(AI学会“虚张声势”)

20c30s 心理学家的区分↓

流体智力:将新条件中的推理和模式识别用于解决新问题,不依赖以前的知识。抛物线式发展,成年早期达到高峰,随着年龄增长而逐渐下降。

晶体智力:依赖于先前的只是,也是标准智商(IQ)测试的对象。随年龄缓慢渐进式增长,直至暮年。

AlphaGo只在一个相当狭窄的领域同时表现出两种智力,但在这个领域,它表现出了令人惊讶的创造力。

人类的IQ每年平均上升3个点。更智能机器的出现,一定程度也令人类智能不断提升。

另...

0723-深度学习-惟生

深度学习和每个人的生活息息相关。

自然语言翻译、语音识别、AI医疗、金融科技、深度法律、德州扑克(AI学会“虚张声势”)

20c30s 心理学家的区分↓

流体智力:将新条件中的推理和模式识别用于解决新问题,不依赖以前的知识。抛物线式发展,成年早期达到高峰,随着年龄增长而逐渐下降。

晶体智力:依赖于先前的只是,也是标准智商(IQ)测试的对象。随年龄缓慢渐进式增长,直至暮年。

AlphaGo只在一个相当狭窄的领域同时表现出两种智力,但在这个领域,它表现出了令人惊讶的创造力。

人类的IQ每年平均上升3个点。更智能机器的出现,一定程度也令人类智能不断提升。

另一个AI智能对于在线电子商务的运用是“预定”功能。根据大数据和个人习惯验证,会在用户想到下单之前,就已经买好并送到家里,命中用户实际想法的准确率高达90%。

CDA数据分析师
CDA数据分析师
hdw2000
CDA数据分析师

LOFTER

让兴趣,更有趣

简单随性的记录
丰富多彩的内容
让生活更加充实

下载移动端
关注最新消息