邓范鑫
致力于变革未来的智能技术

摘要： 本文为Transformer经典论文《Attention Is All You Need》的中文翻译https://arxiv.org/pdf/1706.03762.pdf 阅读全文

摘要： 本文提出了一个快速的基于区域推荐的卷积网络方法（Fast R-CNN）用于对象检测。Fast R-CNN在前人工作的基础上使用深度卷积网络，可以更有效地分类物体推荐。 阅读全文

摘要： 当前深度卷积神经网络（CNNs）都需要输入的图像尺寸固定（比如224×224）。这种人为的需要导致面对任意尺寸和比例的图像或子图像时降低识别的精度。本文中，我们给网络配上一个叫做“空间金字塔池化”(spatial pyramid pooling,)的池化策略以消除上述限制。这个我们称之为SPP-net的网络结构能够产生固定大小的表示（representation）而不关心输入图像的尺寸或比例。金字塔池化对物体的形变十分鲁棒。 阅读全文

摘要： 最新的检测网络都依赖区域推荐算法来推测物体位置。像SPPnet[1]和Fast R-CNN[2]已经大幅削减了检测网络的时间开销，但区域推荐的计算却变成了瓶颈。本作将引入一个区域推荐网络（RPN）和检测网络共享全图像卷积特征，使得区域推荐的开销几近为0。一个RPN是一个全卷积网络技能预测物体的边框，同时也能对该位置进行物体打分。 阅读全文

摘要： 我对深度学习应用于物体检测的开山之作R-CNN的论文进行了主要部分的翻译工作，R-CNN通过引入CNN让物体检测的性能水平上升了一个档次。 阅读全文

摘要： ai域名注册将越来越火爆,现在都有哪些人工智能公司注册了.ai域名，未来是否具备极大的投资价值 阅读全文

摘要： 变分自编码器通俗教程 阅读全文

摘要： 近期，Google Deep Mind团队提出了一个机器学习模型，并起了一个特别高大上的名字：神经网络图灵机，我为大家翻译了这篇文章，翻译得不是特别好，有些语句没读明白，欢迎大家批评指正原论文出处：http://arxiv.org/pdf/1410.5401v1.pdf。版权所有，禁止转载。神经网络... 阅读全文

摘要： 本文总结素数相关的基本算法，包括重点讲解筛选法 阅读全文

摘要： 最近接触一个需求，是利用Java调用本地命令行程序，并希望Java程序能与该命令行程序进行交互，Java对该程序的操作如同在终端中对程序的操纵一样。 在技术调研的过程中，遇到了几个问题： 如何Java调用命令行程序 如何利用Java向命令行程序的标准输入写入字符流 如何利用Java即时地得到命令行程序的标准输出流。 如何利用Java即时地得到命令行程序的标准错误流 阅读全文