本文将通过以OCR（光学字符识别）的场景来介绍深度学习在计算机视觉中的应用。 基于深度学习的OCR 文字是不可或缺的视觉信息来源。...相对于图像/视频中的其他内容，文字往往包含更强的语义信息，因此对图像中的文字提取和识别具有重大意义。OCR在美团业务中主要起着两方面作用。...图1 图像中的文字提取和识别流程 OCR技术发展历程 传统的OCR基于图像处理（二值化、连通域分析、投影分析等）和统计机器学习（Adaboost、SVM），过去20年间在印刷体和扫描文档上取得了不错的效果...基于现有技术和美团业务涉及的OCR场景，我们在文字检测和文字行识别采用如图7所示的深度学习框架。 ? 图7 基于深度学习的OCR解决方案 后面将分别介绍文字检测和文字行识别这两部分的具体方案。...图19 传统OCR和深度学习OCR性能比较 与传统OCR相比，基于深度学习的OCR在识别率方面有了大幅上升。但对于特定的应用场景（营业执照、菜单、银行卡等），条目准确率还有待提升。
本期，我们邀请了 腾讯 TEG 技术工程师“文亚飞”，为大家分享《深度学习在OCR中的应用》。 下面是分享实录整理： ---- 大家好，我是文亚飞，来自腾讯TEG，目前负责图像识别相关的工作。...卷积神经网络LeNet-5第一次在mnist手写数字识别上得到成功的应用，而近些年随着计算硬件成本的降低以及几项深度学习关键技术的突破，AlexNet、VGG、GoogleNet、ResNet等在imageNet...、LFW上取得了令人傲娇的表现，开启了深度学习在大规模数据训练和学习的浪潮。...近些年深度学习在人脸识别、目标检测与分类中达到了前所未有的高度，也开启了深度学习在文字分类的新浪潮。...Google在photoOCR中设计了一套基于HOG特征作为输入的5层CNN网络作为OCR识别模型，该套系统在Google多项产品中得到成功的应用。
迁移学习在深度学习中的范例 什么时候在你需要在自己的预测建模问题上使用转移学习 ▌什么是迁移学习 ---- 迁移学习是机器学习技术的一种，在这个技术中，为一个任务开发的模型可以在另一个任务中重用。...考虑到训练深度学习模型需要消耗巨大的资源，或深度学习模型要非常大规模的数据集上进行训练，因此迁移学习在深度学习中很受欢迎。 如果从第一个任务中模型学习的特征是一般的，迁移学习就只能应用在深度学习中。...▌在深度学习中使用迁移学习的例子 ---- 我们可以使用两个常见的例子，来说明在深度学习中使用迁移学习的情况。...更高的斜率：在源模型的训练中，学习率提高的速度比其他方法要高得多。 3. 更高的渐近线：训练模型的融合技巧比其他方法更好。 ? 理想的情况下，你会看到这三个成功应用转移学习的好处。...具体地，你学到了下面几点： 什么是迁移学习，如何应用在深度学习中？ 什么时候使用迁移学习？ 在计算机视觉和自然语言处理任务中使用的转移学习的例子。
推荐系统需要解决两个问题: 记忆性: 比如通过历史数据知道”麻雀会飞”，”鸽子会飞” 泛化性: 推断在历史数据中从未见过的情形，”带翅膀的动物会飞” WideDeep是怎么解决这两个问题呢？...那么给定一个query, 我们可以在embedding space中找距离相近的item， 认为是潜在喜欢的item Wide模型与Deep模型的结合，目的是为了平衡记忆性和泛化性的结果. 二....不同field经过Embedding后的特征做点击运算其实就相当于FM，那么PNN认为首先需要确保学习到这些交叉特征，再去额外交给DNN去学习更复杂的交叉特征。...AFM 模型 AFM模型[6]的网络结构: AFM是NFM模型的一个改进， 在传统FM模型中，使用二阶交叉特征得到非线性表达能力，但是不是所有的特征交叉都会有预测能力，很多无用的特征交叉加入后反而会相当于加入了噪声...结语: 没有万能的模型，针对不同的业务可能需要选择不同的模型，比如如果需要解释能力强的，那么不妨选择AFM模型， Wide Deep实际中应用比较广，效果也可以，但是很难定位问题，也难分析Deep侧的特征重要性
作者：辛俊波 | 腾讯 应用研究员 一、前言 深度学习凭借其强大的表达能力和灵活的网络结构在NLP、图像、语音等众多领域取得了重大突破。...在广告领域，预测用户点击率（Click Through Rate，简称CTR）领域近年也有大量关于深度学习方面的研究，仅这两年就出现了不少于二十多种方法。... embedding层维度，在FM中是隐向量维度 • H1: 深度网络中第一个隐层节点个数，第二层H2，以此类推。...在MLP网络中，输入是原始的特征n维特征空间，假设第一层隐层节点数为H1，第二层为H2，以此类推。在第一层网络中，需要学习的参数就是n*H1。...三、写在最后 前面介绍了10中深度学习模型的网络结构，总结起来可以用如下的所表示 doc_image_25_w1210_h720.jpg 各种CTR深度模型看似结构各异，其实大多数可以用如下的通用范式来表达
本文来自大象声科高级算法工程师闫永杰在LiveVideoStackCon2019北京大会上的分享。闫永杰介绍了深度学习在回声消除（AEC）中的应用。...大象声科在成功将深度学习应用于人声和噪声分离的基础上，正在通过引入深度学习技术，解决回声消除问题。...不难想象，如果把右下图盖在左下图，会产生接近第一张图的效果。 通过这四张图，我们可以直观的明白IBM的计算方式以及使用方式。 深度学习 接下来我们讲下深度学习。...深度学习解决AEC问题 下面，总结一下深度学习解决AEC问题： 选定训练目标--IBM，此处我们以IBM为例进行讲解，实际中也可以采用IRM（Idea Ratio Mask）； 输入网络的特征--混合语音及参考信号...我们一般训练时双讲的比例在百分之二十，大部分情况还是单讲的，这也符合实际场景中的比例。
概述 卷积神经网络（Convolutional Neural Networks，CNN）的提出使得深度学习在计算机视觉领域得到了飞速的发展，大量基于CNN的算法模型被提出，同时深度学习算法在多个视觉领域实现了突破...最初在文本领域，主要使用的深度学习模型是RNN，LSTM等，既然CNN在图像领域得到广泛的应用，能否将CNN算法应用于文本分类中呢？...Kim在2014的文章《Convolutional Neural Networks for Sentence Classification》成功将CNN模型应用在文本分类中。 2....对于将CNN应用在文本建模上如下图所示： 其中， 表示的每个词的词向量维度。...词向量的计算方法 词向量的计算方法主要有两种方式： 动态：通过随机初始化词向量，并在模型的训练过程中同步学习词向量的表示，适用于数据量比较大的情况； 静态：利用word2vec等词向量训练方法，通过预先训练得到固定的词向量
本文试图对深度学习在推荐系统中的应用进行全面介绍，不光介绍具体的算法原理，还会重点讲解作者对深度学习技术的思考及深度学习应用于推荐系统的当前生态和状况，我会更多地聚焦深度学习在工业界的应用。...希望本文可以为读者提供一个了解深度学习在推荐系统中的应用的较全面的视角，成为你的一份学习深度学习推荐系统的参考指南。...三 几种用于推荐系统的嵌入方法的算法原理介绍 深度学习在推荐系统中的应用最早可以追溯到2007年Hinton跟他的学生们发表的一篇将受限玻尔兹曼机应用于推荐系统的文章(参考文献6)，随着深度学习在计算机视觉...缺点与挑战 深度学习应用于推荐系统，除了上面的优势外，还存在一些问题，这些问题限制了深度学习在推荐系统中的大规模应用。...因此，团队在落地深度学习算法应用于推荐中，是否有相应的人才可以实践、解决深度学习相关问题也是面临的重要挑战。
用户在线广告点击行为预测的深度学习模型（https://blog.csdn.net/happytofly/article/details/80124474） 这是来自张伟楠博士在携程技术中心主办的深度学习...p=1046） 作者 Kintocai （蔡建涛，来自腾讯） 这篇文章写得非常好，而且还有作者的一些精辟分析和实践经验，特别是在最后给出了一个总结性的框架图，将这些模型以及一些连续特征的处理方法统一到一个整体框架中...二、FNN/PNN原理 主要摘自《用户在线广告点击行为预测的深度学习模型》（https://blog.csdn.net/happytofly/article/details/80124474）与《闲聊DNN...，另外一种处理方式是把这些Feature直接和1相乘复制到上一层的Z中，然后把Z和P接在一起就可以作为神经网络的输入层，在此基础上我们就可以应用神经网络去模型了。...3层： 《用户在线广告点击行为预测的深度学习模型》还有其它一些数值配置 三、关于FNN/PNN的一些讨论 部分观点来自 《闲聊DNN CTR预估模型》 1、关于embedding 从离散到连续， embedding
编者按：本文选自图书《Keras快速上手：基于Python的深度学习实战》第七章，本书覆盖当前最热门的传统数据挖掘场景和四个深度学习应用场景，据调研，是目前唯一一本以应用为导向的介绍机器学习和深度学习的专业书籍...人工提取特征耗费的精力太大，效果也不好。 第三，词与词之间有联系，把这部分信息纳入模型中也不容易。 本章探讨深度学习在情感分析中的应用。...下面通过一个电影评论的例子详细讲解深度学习在情感分析中的关键技术。 首先下载http://ai.stanford.edu/~amaas/data/sentiment/中的数据。...从优化的角度讲，深度学习网络还有其他一些梯度下降优化方法，比如Adagrad 等。它们的本质都是解决在调整神经网络模型过程中如何控制学习速度的问题。...但最大的不同点在于，传统方法是人为构造用于分类的特征，而深度学习中的卷积让神经网络去构造特征。 以上便是卷积在自然语言处理中有着广泛应用的原因。
本博客将详细介绍深度学习在推荐系统中的应用，结合实例分析，并提供代码部署过程，帮助读者深入理解和掌握相关技术。...深度学习在推荐系统中的发展 深度学习在推荐系统中的应用经历了以下几个阶段的发展： 时间段 早期应用 早期的推荐系统主要依赖于协同过滤和基于内容的推荐，这些方法在特征提取和建模方面存在一定的局限性。...深度学习与图神经网络 图神经网络（Graph Neural Networks, GNN）在推荐系统中的应用越来越广泛。...深度学习在推荐系统中的应用极大地提升了推荐效果，丰富了推荐策略，能够更好地满足用户的个性化需求。...希望通过本文的详细介绍和代码示例，读者能够深入理解深度学习在推荐系统中的应用，并能够在实际项目中灵活运用这些技术，构建高效的推荐系统。
选自MachineLearningMastery 作者：Jason Brownlee 机器之心编译 参与：Nurhachu Null、刘晓坤 本文介绍了迁移学习的基本概念，以及该方法在深度学习中的应用，...读完本文，你将学会如何使用迁移学习来加速训练过程，提升深度模型的性能。 读完本文之后，你会了解以下内容： 什么是迁移学习？如何使用它？ 迁移学习在深度学习中的简单例子。...然而，迁移学习在某些深度学习问题中是非常受欢迎的，例如在具有大量训练深度模型所需的资源或者具有大量的用来预训练模型的数据集的情况。仅在第一个任务中的深度模型特征是泛化特征的时候，迁移学习才会起作用。...第二种类型的迁移学习在深度学习领域比较常用。 深度学习中使用迁移学习的例子 下面用两个常见的例子具体介绍一下深度学习模型中的迁移学习。...迁移学习能够改善学习的三种方式 理想情况下，在一个成功的迁移学习应用中，你会得到上述这三种益处。
本文是关于深度学习在环境远程遥感方面的应用研究进展及面临的挑战。简要介绍由武汉大学张良培教授团队的这篇综述文章。 ?...本文的主框架 此篇综述主要从以下几个方面介绍了深度学习在环境远程遥感方面的应用研究进展和面临的挑战，并讨论了深度学习在环境远程遥感方面可能的研究方向。 深度学习在环境远程遥感能做什么？...基础深度学习框架 当前深度学习在远程遥感方面的应用 讨论及推荐的研究方向 深度学习在环境远程遥感能做什么 深度学习在遥感图像中应用不同于在自然图像中的应用。...研究结果表明，深度学习技术在环境遥感方面取得了巨大的成就。最后，对环境遥感应用中深度学习工具的改进提出了一些新的见解。例如，物理模型和深度学习模型的结合是一个很有前途的方向。...另一个潜在的研究点是将地理规律融入到智能深度学习体系结构中。传统的深度学习模型在很大程度上也依赖于大量的训练样本。将迁移学习和动态学习相结合，可以使这些模型在有限的样本条件下有效地工作。
近期阅读了一些深度学习在文本分类中的应用相关论文（论文笔记：http://t.cn/RHea2Rs )，同时也参加了 CCF 大数据与计算智能大赛（BDCI）2017 的一个文本分类问题的比赛：让 AI...文本分类的应用非常广泛。...新闻主题分类：判断新闻属于哪个类别，如财经、体育、娱乐等 自动问答系统中的问句分类 社区问答系统中的问题分类：多标签分类，如知乎看山杯（http://t.cn/RHeSSzM ） 更多应用： 让 AI...因此，往往需要采取一些策略进行降维： 人工降维：停用词过滤，低频 n-gram 过滤等 自动降维：LDA 等 值得指出的是，将深度学习中的 word2vec，doc2vec 作为文本特征与上文提取的特征进行融合...(DAN) 是在 NBOW model 的基础上，通过增加多个隐藏层，增加网络的深度 (Deep)。
问题描述 深度学习在图像处理等领域具有广泛的应用，其本质是利用大量的数据，总结出可用的规律，找到输入量与输出量之间的内在联系。...调研文献可知，获取大量的数据是深度学习的前期基础，因此，要想利用深度学习解决力学实际问题，首要的任务就是搭建力学和机器学习之间的桥梁（通俗的来讲，对现有的实验数据进行处理，转换为深度学习程序能够识别的格式...）；附：高华健作报告时曾经说过：力学工作者也要顺应时代潮流~，把机器学习当作一种解决实际问题的工具，因此，本推文分享一篇相关文献（深度学习与分子动力学相结合的具体实例），希望对大家有所帮助，，具体如下：...）作为深度学习程序的输入数据； 深度学习与图像处理之间的关系：图片可以看做由像素点组成的矩阵（论文中采用160*120），其中，像素矩阵的赋值与该处对应的状态相关，当像素点为裂纹时，赋值为-1，除此之外...，具体如下图所示： 附：工作的重点主要体现：1、批量提交多个任务；2、对于每个任务如何批量获取想要的信息（ovito）（自动保存成图片），跟王博士沟通后，个人感觉在lammps里边应该不难实现；3、深度学习源程序
编者：本文来自搜狗资深研究员舒鹏在携程技术中心主办的深度学习Meetup中的主题演讲，介绍了深度学习在搜狗无线搜索广告中的应用及成果。...近年来，深度学习在很多领域得到广泛应用并已取得较好的成果，本次演讲就是分享深度学习如何有效的运用在搜狗无线搜索广告中。...本次分享主要介绍深度学习在搜狗无线搜索广告中有哪些应用场景，以及分享了我们的一些成果，重点讲解了如何实现基于多模型融合的CTR预估，以及模型效果如何评估，最后和大家探讨DL、CTR 预估的特点及未来的一些方向...一、深度学习在搜索广告中有哪些应用场景 比较典型的深度学习应用场景包括语音识别、人脸识别、博奕等，也可以应用于搜索广告中。首先介绍下搜索广告的基本架构，如下图： ? 首先用户查询。...以上过程中可应用到深度学习的场景如下： ? 二、基于多模型融合的CTR预估 2.1 CTR预估流程 CTR预估的流程图如下： ?
近期阅读了一些深度学习在文本分类中的应用相关论文（论文笔记)，同时也参加了CCF 大数据与计算智能大赛（BDCI）2017的一个文本分类问题的比赛：让AI当法官，并取得了最终评测第四名的成绩(比赛的具体思路和代码参见...因此，本文总结了文本分类相关的深度学习模型、优化思路以及今后可以进行的一些工作。欢迎转载 1....新闻主题分类：判断新闻属于哪个类别，如财经、体育、娱乐等 自动问答系统中的问句分类 社区问答系统中的问题分类：多标签分类，如知乎看山杯 更多应用： 让AI当法官: 基于案件事实描述文本的罚金等级分类...传统机器学习方法 传统的机器学习方法主要利用自然语言处理中的n-gram概念对文本进行特征提取，并且使用TFIDF对n-gram特征权重进行调整，然后将提取到的文本特征输入到Logistics回归、SVM...因此，往往需要采取一些策略进行降维： 人工降维：停用词过滤，低频n-gram过滤等 自动降维：LDA等 值得指出的是，将深度学习中的word2vec，doc2vec作为文本特征与上文提取的特征进行融合，
作者简介 袁秋龙，携程度假大数据AI研发团队实习生，专注于计算机视觉的研究和应用。在实习期间致力于度假图像智能化工作，OCR问题为实习期主要做的研究。...OCR在携程业务中主要起到两方面作用。...本文主要介绍文字识别在携程业务中相关应用及对应解决方案。 二、OCR OCR技术由两方面组成，分别为文字的检测和文字内容的识别，如图1所示。...图1 图像中的文字检测和识别过程 三、OCR在携程业务中的技术方案 我们的方案也是由两部分组成的，首先是对图片中的文字进行检测，然后对检测出的文字内容进行识别。...3.1 基于深度学习的文字检测 对于携程的OCR场景，根据版面是否含有先验知识以及所涉及到的文本自身的复杂性，我们将OCR任务划分为受控场景（如营业执照，经营许可证等）和非受控场景（如产品海报，产品介绍页等
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
