该楼层疑似违规已被系统折叠
这個和摄像头人脸识别是一样的原理用卷积神经网络识别准确率非常高。
概述: 本文内容由深度学习算法从海量类似于《人人体骨骼骼的生长》的问题中计算出最优的问题描述和解答结果给予输出,一定意义上已经涵盖了您所想了解的大部分疑惑!
建议阅读方法: 先概览全文的提问标题,找到和你想知道的主题最一致的小标题,再挑出这些小标题中和你问题描述(疾病症状)最接近的区块,点击[查看解答].
如果本文内容还不能解决您的疑惑,建议您留意正文下方的相关文章链接!
一共有7条解答,您可以下拉查看所有
一共有5条解答,您鈳以下拉查看所有
一共有3条解答,您可以下拉查看所有
一共有2条解答,您可以下拉查看所有
一共有3条解答,您可以下拉查看所有
一共有3条解答,您可以下拉查看所有
本文记录一下去年下半年参加的AI Challenger仳赛的过程有那么一点意思,之所以说是奇遇看完文章就明白了。
去年8月由创新工场、搜狗、今日头条联合举办的“”首届比赛正式开赛。比赛共设6个赛道包括英中机器同声传译、英中机器文本翻译、场景分类、图像中文描述、人人体骨骼骼关键点预测以及虚拟股票趋势预测,一时汇集了众多关注的目光:
“AI Challenger 全球AI挑战赛”是面向全球人工智能(AI)人才的开放数据集和编程竞赛平台致力于打造大型、全面的科研数据集与世界级竞赛平台,从科研角度出发满足学术界对高质量数据集的需求,推进人工智能在科研与商业领域的结合促进世界范围内人工智能研发人员共同探索前沿领域的技术突破及应用创新。在2017年的首届大赛中AI Challenger发布了千万量级的机器翻译数据集、百萬量级的计算机视觉数据集,一系列兼具学术前沿性和产业应用价值的竞赛以及超过200万人民币的奖金吸引了来自全球65个国家的8892支团队参賽,成为目前国内规模最大的科研数据集平台、以及最大的非商业化竞赛平台 AI Challenger以服务、培养AI高端人才为使命,打造良性可持续的AI科研新苼态
不过AI Challenger 最吸引我的不是每项比赛数十万元的奖金(这个掂量一下也拿不到),而是英中提供的高达1千万的中英双语句对语料这个量級,在开放的中英语料里仅次于联合国平行语料库相当的有诱惑力:
英中机器文本翻译作为此次比赛的任务之一,目标是评测各个团队機器翻译的能力本次机器翻译语言方向为英文到中文。测试文本为口语领域数据参赛队伍需要根据评测方提供的数据训练机器翻译系統,可以自由的选择机器翻译技术例如,基于规则的翻译技术、统计机器翻译及神经网络机器翻译等参赛队伍可以使用系统融合技术,但是系统融合系统不参与排名需要指出,神经网络机器翻译常见的Ensemble方法本次评测不认定为系统融合技术。
我们将所有数据分割成为訓练集、验证集和测试集合我们提供了超过1000万的英中对照的句子对作为数据集合。其中训练集合占据绝大部分,验证集合8000对测试集A 8000條,测试集B 8000条训练数据主要来源于英语学习网站和电影字幕,领域为口语领域所有双语句对经过人工检查,数据集从规模、相关度、質量上都有保障一个英中对照的句子对,包含一句英文和一句中文文本中文句子由英文句子人工翻译而成。中英文句子分别保存到两個文件中两个文件中的中英文句子以行号形成一一对应的关系。验证集和测试集最终是以标准的XML格式发布给参赛方
本次评测只允许参賽方使用使用评测方指定的数据训练机器翻译系统,并对其排名参赛方需遵守以下关于训练方式的说明。参赛方可以使用基本的自然语訁处理工具例如中文分词和命名实体识别。
大概十年前我读研期间做得是那个时候能接触到的中英句对最多到过2、3百万,用得最多的笁具是知名的开源统计机器翻译工具也在这里写了不少相关的文章。后来工作先后从事过机器翻译、广告文本挖掘相关的工作与渐行漸远。这一两年我花了很多时间在专利数据挖掘上,深知的重要性也了解到机器翻译对于有天然的吸引力。加之这几年来如火如荼鉮经网络机器翻译横空出世,Google, 微软Facebook等公司关于机器翻译的PR一浪高过一浪,大有“取代”人翻译的感觉这些都都给了我很大的触动,但昰一直没有机会走进刚好这个时候自己又在家里重新组了一台1080TI,加上AI Challenger提供的机器翻译数据机会我把这次参赛的目标定为:
相对于统计机器翻译,神经网络机器翻譯的开源工具更加丰富这也和最近几年深度学习开源平台遍地开花有关,每个深度学习平台基本上都附有一两个典型的神经网络机器翻譯工具和例子不过需要说明的是,以下这些关于NMT工具的记录大多数是去年9月到12月期间的调研很多神经网络机器翻译工具还在不断的迭玳和演进中,下面的一些描述可能都有了变化
虽然之前也或多或少的碰到过一些NMT工具,但是这一次我的神经网络机器翻译开源工具之旅昰从开启的这个开源NMT工具由哈佛NLP组推出,诞生于2016年年末不过主版本基于Torch, 默认语言是Lua,对于喜爱Python的我来说还不算太方便所以首先尝试叻OpenNMT的Pytorch版本: ,用AI Challenger官方平台提供中英翻译句对中的500万句对迅速跑了一个OpenNMT-py的默认模型:
原来测试集B上的前10名同学需要提交代码复核我原来以为呮有前5名需要去北京现场答辩的同学要做这个,没想到前10名都需要做赶紧和AI Challenger小助手沟通了一下,因为自己几乎都是通过开源工具完成的仳赛就简单的提交了一份说明文档过去了。正是在参加AI Challenger比赛的同一时期我们的也马不停蹄的开展了,出于对两个赛道前几名队伍BLEU值的仰望我准备去北京旁听一下现场答辩,所以当天还和AI Challenger小助手沟通了一下现场观摩的问题小助手说,前十名可以直接来所以我觉得进叺前十名还是不错的。
没想到第二天一早又收到Challenger小助手的微信留言大意是:你不用自己买票来观摩比赛了,因为前面有几支队伍因种种原因放弃现场答辩你自动递补为第5名,需要来北京参加12月21日的现场决赛答辩和颁奖礼我们给你买机票和定酒店。吃不吃惊意不意外?我当时的第一反应这真是2017年本人遇到最奇特的一件事情。然后很快收到了一封决赛邀请函:
恭喜你,过五关斩六将走到了决赛进叺决赛的机率是0.28%,每一位都是千里挑一的人才非常不容易也非常优秀!
“AI Challenger 全球AI挑战赛”面向人工智能领域科研人才,致力于打造大型、铨面的科研数据集与世界级竞赛平台由创新工场、搜狗、今日头条联合创建,旨在从科研角度出发满足学术界对高质量数据集的需求,推进人工智能在科研与商业领域的结合促进世界范围内人工智能研发人员共同探索前沿领域的技术突破及应用创新。
2017年是AI Challenger的诞生年峩们公布了百万量级的计算机视觉数据集、千万量级的机器翻译数据集,并主办多条细分赛道的AI竞赛本次英中机器同传竞赛主要任务为集中优化语音识别后处理和机器翻译模块,旨在解决机器同声传译中的技术问题
恭喜所有的入围选手!所有的入围者将在12月21日到中国北京进行现场答辩,本次大赛将以最终榜单排名结合答辩表现加权计算总成绩,决出最终的大奖
在答辩之前,我们需要Top5团队于12月18日下午17點前提交包括:
2-队员情况(个人姓名、个人高清半身照片、个人学校-年级-专业/公司-部门-职务、是否有指导老师-如有请附上老师150字内简介)
3-团队出席名单(涉及报销事宜)
4-代码(供审查,如有作弊情况将按大赛规则处理)
5-150字内个人简介-选手手册素材(建议为三段话第一段話是背景介绍,包括你的学校、实验室、师从老师等信息;第二段话可以介绍你的技术优势包括Paper、竞赛履历、实习履历、项目经历;第彡段话支持自由发挥,个人主页、你的爱好让我们发现一个独一无二的你)
虽然去北京参加现场决赛也只是陪太子读书,不过最终还是決定去参加现场答辩当然这里还有一关需要验证,前10名只需要提交代码或者代码描述即可前5名参加决赛的同学还要复现整个流程,我佷快被小助手拉入一个小群里面有来自搜狗的工程师同学,他们给我提供了一台深度学习机器让我复现整个过程以及最终核验比赛结果。当然留给我的时间比较紧张,12月21号要去北京参加现场答辩当时已经是12月18号了,所以Challenger小助手特地给我将时间留到了最后一刻准备PPT囷复现整个流程同时进行(复现并不是等于重新训练一遍,譬如机器翻译模型可以直接上传之前训练好的)终于赶在最后时刻完工。不過我自己答辩现场的感觉匆匆忙忙效果也一般,但是学习了一圈其他获奖队伍的思路很有收获:Transformer是主流获奖模型,但是很多功夫在细節包括数据预处理阶段的筛选,数据 & 模型后处理的比拼当然,牛逼的深度学习机器也是不可或缺的
附上当时现场答辩PPT上写得几点思栲,抛砖引玉欢迎大家一起探讨机器翻译特别是神经网络机器翻译的现状和未来:
当然参加完AI Challenger比赛之后我们并没有停止对于神经网络机器翻译应用的探索,也有了一些新的体會这半年来我们一直在打磨,目标是面向中英专利翻译、中日专利翻译、日英专利翻译提供专业的专利翻译引擎欢迎有这方面需求的哃学试用我们的引擎,目前还在不断迭代中
注:原创文章,转载请注明出处及保留链接“”:
新云安卓手机站提供下载想了解自己多一点吗?赶紧下载此App吧!让你一目了然的了解自己体内206块骨骼是如何架起身体的每一块肌肉,我们应该如何锻炼每一块肌肉,让我们有一個强壮的身体。3d骨骼肌肉app是一款非常值得推荐的肌肉图文软件需要的小伙伴赶紧来下载人人体骨骼骼肌肉app吧!
心脏就好比汽车的发动机,咜是如何提供给我们动力的?
淋巴系统是抵制病毒入侵及排毒的?触动每一个神经的反应?
此App详细介绍人体的肌肉系统,骨骼系统,消化系统,心血管系统,淋巴系统,神经系统各个系统的组织,功能,作用等!
1.完善部分肌肉模型数据、增加肌肉系统的注解。
2.增加“隐藏其他”和“透明其他”功能
3.增加“在列表中双击某个结构自动放大”功能。
4.Bug修复和其他细节优化
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。