[深度学习] Brain tumor segmentation using deep learning

说明：论文: Brain tumor segmentation using deep learning | Gal Peretz , Elad Amar
<weixin_40519315> 上传 | 大小：485kb

[深度学习] 六篇cvpr2020的segmentation文章

说明：CVPR 2020中选论文放榜后，最新开源项目合集也来了。 本届CPVR共接收6656篇论文，中选1470篇，“中标率”只有22%，堪称十年来最难的一届。 FCOS本质上是一种FCN的dense prediction的检测框架，可以在性能上不输anchor based的目标检测方法。 贡献在于，把更复杂的实例分割问题，转化成在网络设计和计算量复杂度上和物体检测一样复杂的任务，把对实例分割的建模变得简单和高效。
<leigaoyi> 上传 | 大小：23mb

[机器学习] A Simple but Tough-to-Beat Baseline for Sentence Embeddings.pdf

说明：SIF：一种简单却难以打败的句子嵌入方法 文章导航https://blog.csdn.net/qq_42491242/article/details/105381771
<qq_42491242> 上传 | 大小：356kb

[机器学习] 基于朴素贝叶斯的文本分类

说明：这是基于朴素贝叶斯的文本分类代码，内涵老师给的数据集，最终输出精确度，F1，召回率及混淆矩阵，只需修改文本路径即可使用。
<qq_43245200> 上传 | 大小：50mb

[机器学习] opensmile官方文档及对应语音特征的计算原理和方法

说明：文档包括两个分别是OpenSmile官方英文文档，另外一个是语音特征提取的原理及计算方法。 文档一名称：openSMILE-book-latest，文档二名称：Real-time Speech and Music Classification by Large Audio Feature Space Extraction
<HyenaV> 上传 | 大小：7mb

[深度学习] dlib-19.17.99-cp37-cp37m-win_amd64.rar

说明：由于windows不是face_recognition官方支持的，需要编译安装dlib，过程过于复杂，本次使用网上编译后的whl文件进行安装，由于网络上的大部分是只有dlib编译文件whl cp37版的，我刚好编译了一个支持python3.7的，这里共享给大家使用，希望能帮助到需要的人
<weixin_37846926> 上传 | 大小：2mb

[机器学习] Lecun1998.pdf

说明：手写数字识别学术界巅峰之作论文，《Gradient-Based Learning Applied to Document Recognition》，利用LeNet-5网络进行手写数字识别，值得参考
<didi_ya> 上传 | 大小：897kb

[深度学习] 深度学习笔记.pdf

说明：本文档是针对吴恩达老师深度学习课程(deeplearning.ai)视频做的笔记，专为已有一定基础（基本的编程知识，熟悉 Python、对机器学习有基本了解）， 想要尝试进入人工智能领域的计算机专业人士准备
<dengwei_dw> 上传 | 大小：23mb

[机器学习] mnist_recognition.zip

说明：本程序是官方利用C++编写的手写数字识别程序，并且已经打包完毕，（includes a release-build executable that you can run without the need to compile）详情可以参考readme.txt
<didi_ya> 上传 | 大小：203kb

[深度学习] 关于人工智能监控系统的影响应该知道的三件事.doc

说明：据IDC预测，全球数据圈将从2018年的33ZB增长到2025年的175ZB。数据的真正价值在于，决策者能够从相关数据中提取洞察与见解，并采取相关行动。人工智能(AI)和机器学习在数据分析中的应用预计将大幅增加。事实上，IDC表示，到2025年，认知系统所触及的分析数据量将增长100倍，高达1.4ZB。
<willfen9192> 上传 | 大小：17kb

[深度学习] 基于深度卷积神经网络与迁移学习的鱼类分类识别.pdf

说明：高效的鱼类分类识别是海洋牧场智能化监测的基础 . 传统的通过浅层模型，利用目标特征 的分类识别方法效率低下，泛化性差，难以实现智能化应用；而重建并训练深度卷积神经网络（DCNN） 模型占用巨大的计算机资源 . 文章提出一种基于 DCNN 和迁移学习的方法，针对新图像数据集，通过选 择训练参数，对预训练模型进行再训练，实现鱼类的分类识别 . 通过实验证实，这种方法可在占用少量 的计算机资源情况下，达到 97.14% 的验证准确率 . 使用基于 DCNN 与参数迁移的学习策略可以得到性 能良好的深度
<weixin_44305638> 上传 | 大小：2mb

[机器学习] 图卷积神经网络中的池化综述.pdf

说明：图卷积神经网络(GCNNs)是深度学习技术在图结构数据问题上的一种强大的扩展。我们对GCNNs的几种池方法进行了实证评估，并将这些图池化方法与三种不同架构(GCN、TAGCN和GraphSAGE)进行了组合。我们证实，图池化，特别是DiffPool，提高了流行的图分类数据集的分类精度，并发现，平均而言，TAGCN达到了可比或更好的精度比GCN和GraphSAGE，特别是对数据集较大和稀疏的图结构。
<syp_net> 上传 | 大小：323kb