人脸识别作为一种生物特征识别技术，具有非侵扰性、非接触性、友好性和便捷性等优点。早在二十世纪初期，人脸识别已经出现，于二十世纪中期，发展成为独立的学科。人脸识别真正进入应用阶段是在90年代后期。人脸识别属于人脸匹配的领域，人脸匹配的方法主要包括特征表示和相

本文中设计并实现了一款基于卷积神经网络的图像风格迁移系统，可以通过神经表示来分离和重组任意图像的内容与风格，为艺术图像的创建提供了新的算法与算法框架；本文中还实现了神经涂鸦系统作为风格迁移功能的补充，神经涂鸦系统通过使用语义注释及手动创建像素标签的方法提高

图像超分辨率是提高计算机视觉中图像和视频分辨率的一类重要图像处理技术。近年来，利用深度学习技术实现图像超分辨率技术取得了显著进展。在调查中，我们的目的是给出在一个系统的方式中使用深度学习方法来实现图像超分辨率的最新进展。我们可以将现有的SR技术研究大致分为

　　数字图像划分为彩色图像、灰度图像、二值图像和索引图像几种。其中，像素是构成图像的基本单位，例如一张28×28像素的图片，即表示横向有28个像素点，纵向有28个像素点。也称之为3个通道。显然，灰度图像与黑白图像不同，黑白图像只由黑色和白色两种颜色，通常用

讲述CNN典型应用，主要是在机器视觉领域里边，这是它应用最广的一个领域，包含下边几个应用：人脸识别；人脸检测；通用目标检测；图像分割；风格迁移。检测、分类、分割基本上已经涵盖了图像理解的整体上要完成的一个目标，我们对所有图像的理解无非就是这三类问题：图像分

ISSbRC 方法取得了一定的分割效果,但也存在图像分割精度不高和分割速度不够快等问题,因此,一些研究者提出直接在像素级别上进行图像语义分割,产生了基于像素分类的图像语义分割方法。从时间上来看bPC比bRC要晚。素的类别,通过端到端训练的方式对每个像素进行

在本文中，我们将建立一个利用大豆叶片图像进行病虫害分类的深度学习模型。这些技术还有助于对农田进行健康监测，以确保农产品的质量。预测尚未确定的新叶子的疾病。准确性用作此案例研究的评估指标。它定义为正确预测的样本数与预测总数之比。第2部分：数据收集该机器学习数

图像分割是计算机视觉领域中的一项重要基础技术，是图像理解中的重要一环。图像分割是将数字图像细分为多个图像子区域的过程，通过简化或改变图像的表示形式，让图像能够更加容易被理解。更简单地说，图像分割就是为数字图像中的每一个像素附加标签，使得具有相同标签的像素具

在机器学习中，决定因素往往不是算法而是数据集的大小。图像分类即根据固定类别对输入的图像设置标签。在本文中，小芯将示范如何在数据不足的情况下应用深度学习。现已创建特制汽车和巴士分类器两个数据集，每个数据集包含100个图像。其中，训练集有70个图像，验证集有3

在这篇文章中，我们将了解图像增强的概念以及有什么不同的图像增强技术。我们还将使用PyTorch实现这些图像增强技术来构建一个图像分类深度学习模型。深度学习模型通常需要大量的数据来进行训练。并非每个人都拥有大公司的财力。但获取大量数据本身也存在挑战。缺乏数据

在这篇文章中，我们将了解图像增强的概念以及有什么不同的图像增强技术。我们还将使用PyTorch实现这些图像增强技术来构建一个图像分类深度学习模型。深度学习模型通常需要大量的数据来进行训练。并非每个人都拥有大公司的财力。但获取大量数据本身也存在挑战。缺乏数据

超分辨率是一种提高图像分辨率的技术。这些方法是从低分辨率图像中获得高分辨率输出。执行单图像超分辨率的目的是在增加图像尺寸的同时使其质量下降的最小。应用范围很广，如医学成像，压缩，农业分析，自动驾驶到卫星图像、侦察等等。超分辨率领域正在经历一段复兴时期。卷积

讲授卷积神经网络核心思想、卷积层、池化层、全连接层、网络的训练、反向传播算法、随机梯度下降法、AdaGrad算法、RMSProp算法、AdaDelta算法、Adam算法、迁移学习和fine tune等。卷积神经网络可以看成是对视觉神经系统机制的简单模仿。用

深度学习图像算法近年来在学术领域经历了爆发式的发展，目前已经在工业界多个实际场景取得了较完整的应用落地，例如安防、营销、娱乐、金融等场景。其中内容安全也是非常典型的落地案例，深度学习图像算法在鉴黄鉴暴、广告识别、违禁拦截、敏感人物过滤等方向都取得了不错的应

Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections. 本文提出了一个深度的全卷积编码-解码框架来解

譬如：支付宝需要对用户的身份证信息进行审核，1688需要对卖家的营业执照进行审核。此外，还有一些业务涉及的是需要专业人士才有足够能力进行审核的信用证和保单。近年来，人工智能在越来越多的任务中的表现已经超过了人类。除却算法本身，图像质量乃是影响OCR识别准确

看完本篇就可以自己动手构建搜图服务了。接着上篇《深度学习表征的不合理有效性——从头开始构建图像搜索服务（一）》的内容，上次遇到的问题是搜索相似图的时候还是会出现瑕疵，因此本文介绍相关的处理办法。例如，在下图中，使用Siamese cat类的权重来重新权衡数

看完本篇就可以自己动手构建搜图服务了。导致这种转变的主要原因之一是，深度学习在足够大的数据集上训练时，能够自动地提取有意义的特征表示。同样，Insight的研究员也使用深度学习为应用程序建立模型，例如推荐购买太阳镜以及寻找艺术风格等。但是，这些基于协同过滤

说到图像压缩算法，最典型的就是JPEG、JPEG2000等。其中JPEG 采用的是以离散余弦转换 为主的区块编码方式（如图2）。JPEG2000则改用以小波转换 为主的多解析编码方式，小波转换的主要目的是将图像的频率成分抽取出来。在有损压缩下，JPEG20

在《图像技术在直播中的应用（上）》中，我们简述了美颜技术1.0的原理与实践问题。在文章的最后，我们提到了美颜2.0最关键的技术——人脸识别。该分享系列整理自涂图CTO在架构师沙龙上的演讲内容。近段时间，机器学习、深度学习的概念非常火，尤其是今年 Alpha