题目

【理解计算机视觉损失函数】《Understanding Loss Functions in Computer Vision!》by Sowmya Yellapragad

关键字

计算机视觉,损失函数,卷积神经网络的不足,人工智能,深度学习

简介

本文是Demystifying AI的一部分, Demystifying AI是一系列文章(旨在)消除有关AI的术语和神话的歧义。

经过漫长的冬季之后,人工智能的发展经历了炎热的夏天,这主要归功于深度学习和人工神经网络的发展。更准确地说,对深度学习的新兴趣很大程度上归功于卷积神经网络(CNN)的成功,卷积神经网络是一种特别擅长处理可视数据的神经网络结构。

但是,如果我告诉您CNN根本存在缺陷怎么办?这就是深度学习的先驱之一Geoffrey Hinton 在AAAI会议(主要的年度AI会议之一)上的主题演讲中谈到的内容。

Hinton与Yann LeCun和Yoshua Bengio一起参加了会议,他与他共同构成了都灵奖的“ 深度学习教父 ”三人组,他谈到了CNN以及胶囊网络的局限性,这是他在AI上的下一个突破的总体规划。

作者

Sowmya Yellapragad

成为VIP会员查看完整内容
42

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
一文带你读懂计算机视觉
AI研习社
9+阅读 · 2018年12月10日
理解 YOLO 目标检测
AI研习社
21+阅读 · 2018年11月5日
【AIDL专栏】梅涛:深度视觉理解(附PPT)
人工智能前沿讲习班
24+阅读 · 2018年5月25日
从AlexNet到胶囊网络,CNN这五年(视频详解)
大数据文摘
11+阅读 · 2017年12月22日
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
CNN超参数优化和可视化技巧详解
量子位
4+阅读 · 2017年7月15日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
6+阅读 · 2018年4月4日
Arxiv
22+阅读 · 2018年2月14日
Arxiv
12+阅读 · 2018年1月12日
Arxiv
4+阅读 · 2016年9月20日
VIP会员
相关VIP内容
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
相关资讯
一文带你读懂计算机视觉
AI研习社
9+阅读 · 2018年12月10日
理解 YOLO 目标检测
AI研习社
21+阅读 · 2018年11月5日
【AIDL专栏】梅涛:深度视觉理解(附PPT)
人工智能前沿讲习班
24+阅读 · 2018年5月25日
从AlexNet到胶囊网络,CNN这五年(视频详解)
大数据文摘
11+阅读 · 2017年12月22日
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
CNN超参数优化和可视化技巧详解
量子位
4+阅读 · 2017年7月15日
相关论文
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
6+阅读 · 2018年4月4日
Arxiv
22+阅读 · 2018年2月14日
Arxiv
12+阅读 · 2018年1月12日
Arxiv
4+阅读 · 2016年9月20日
微信扫码咨询专知VIP会员