神经网络开始设计字体,可根据“矢量字体”变换大小写

简介:

EricBernhardsson将50000种字体放入神经网络进行研究,神经网络能够识别字体矢量,并能在大小写之间进行转换。

\

神经网络目前已经发挥着越来越重要的作用,很多研究者希望可以对神经网络做进一步的开发,创建更有利于帮助人类完成工作的智能神经网络系统。

目前,EricBernhardsson计划将50000种字体放入神经网络进一步研究神经网络的作用。

它创建了一个字符删格,每一个字符都放置在一个64×64像素的空间中,每一个字符可以和其他的字符进行直接对比,他利用神经网络创建“矢量字体”,这是一种能够单独定义字体的抽象数学结构。

EricBernhardsson表示,其实每一个字体都是一个矢量,我们可以在研究的过程中通过创建任意的“字体矢量”使其生成结果,也可以选择一个矢量并且通过随机的扰动生成新的字体。通过建立一个多元正太分布的模型将会帮助我们随机取样矢量。

通过研究得到如下图所示。

\

神经网络可以区分大小写,它很据所创建的字体的不同在两者之间进行转换。神经网络智能化的优势日益突出,或许它通过不断研发将能够完成很多原本依靠人类大脑才能完成的任务。不过,神经网络要想真正取代人工,就从字体设计方面而言,短期之内还是不太可能的。


原文发布时间: 2016-01-30 16:03
本文作者: 叮叮
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
机器学习/深度学习 PyTorch 算法框架/工具
【论文泛读】 ResNeXt:深度神经网络的聚合残差变换(ResNet的改进,提出了一种新的维度)
【论文泛读】 ResNeXt:深度神经网络的聚合残差变换(ResNet的改进,提出了一种新的维度)
【论文泛读】 ResNeXt:深度神经网络的聚合残差变换(ResNet的改进,提出了一种新的维度)
|
4月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于NSCT非采样轮廓波变换和CNN网络人脸识别matlab仿真
本项目展示了一种结合非采样轮廓波变换(NSCT)与卷积神经网络(CNN)的人脸识别系统。通过NSCT提取多尺度、多方向特征,并利用CNN的强大分类能力实现高效识别。项目包括ORL人脸库的训练结果对比,提供Matlab 2022a版本下的完整代码及详细中文注释,另有操作步骤视频指导。
|
7月前
|
机器学习/深度学习 算法
基于BP神经网络和小波变换特征提取的烟草香型分类算法matlab仿真,分为浓香型,清香型和中间香型
```markdown 探索烟草香型分类:使用Matlab2022a中的BP神经网络结合小波变换。小波分析揭示香气成分的局部特征,降低维度,PCA等用于特征选择。BP网络随后处理这些特征,以区分浓香、清香和中间香型。 ```
|
8月前
|
机器学习/深度学习 计算机视觉
【YOLOv8改进】骨干网络: SwinTransformer (基于位移窗口的层次化视觉变换器)
YOLO目标检测创新改进与实战案例专栏介绍了YOLO的有效改进,包括使用新型视觉Transformer——Swin Transformer。Swin Transformer解决了Transformer在视觉领域的尺度变化和高分辨率问题,采用分层结构和移位窗口自注意力计算,适用于多种视觉任务,如图像分类、目标检测和语义分割,性能超越先前最佳模型。此外,文章还展示了如何在YOLOv8中引入Swin Transformer,并提供了相关代码实现。
|
8月前
|
机器学习/深度学习 存储 计算机视觉
YOLOv5改进 | 2023主干篇 | EfficientViT替换Backbone(高效的视觉变换网络)
YOLOv5改进 | 2023主干篇 | EfficientViT替换Backbone(高效的视觉变换网络)
320 1
|
机器学习/深度学习 算法
m基于BP神经网络的房屋价值变换趋势预测matlab仿真
m基于BP神经网络的房屋价值变换趋势预测matlab仿真
147 0
m基于BP神经网络的房屋价值变换趋势预测matlab仿真
|
机器学习/深度学习
《深度学习论文实现:空间变换网络-第一部分》电子版地址
深度学习论文实现:空间变换网络-第一部分
96 0
《深度学习论文实现:空间变换网络-第一部分》电子版地址
|
机器学习/深度学习 数据可视化 TensorFlow
ResNext架构解析:深度神经网络的聚合残差变换
我们提出了一种用于图像分类的简单、高度模块化的网络架构。我们的网络是通过重复一个构建块来构建的,该构建块聚合了一组具有相同拓扑的转换。我们简单的设计产生了一个同构的多分支架构,只需设置几个超参数。这个策略**暴露了一个新的维度,我们称之为“基数”(转换集的大小)**,作为除了深度和宽度维度之外的重要因素。在 ImageNet-1K 数据集上,我们凭经验表明,即使在保持复杂性的限制条件下,增加基数也能够提高分类精度。此外,当我们增加容量时,增加基数比更深或更宽更有效。我们的模型名为 ResNeXt,是我们进入 ILSVRC 2016 分类任务的基础,在该任务中我们获得了第二名。我们在 Image
542 0
ResNext架构解析:深度神经网络的聚合残差变换
|
机器学习/深度学习 算法 BI
【数字识别】基于BP神经网络实现对不同字体0-9的数字识别附matlab代码
【数字识别】基于BP神经网络实现对不同字体0-9的数字识别附matlab代码
|
机器学习/深度学习 人工智能 算法
腾讯AI Lab公布首项研究:提出独特神经网络实现实时视频风格变换
风格变换一直是机器学习领域内的一项重要任务,很多研究机构和研究者都在努力打造速度更快、计算成本更低的风格变换机器学习系统,比如《怎么让你的照片带上艺术大师风格?李飞飞团队开源快速神经网络风格迁移代码》、《谷歌增强型风格迁移新算法:实现基于单个网络的多种风格实时迁移》。如今新成立的腾讯 AI Lab 也加入了此行列,在此文章中机器之心对腾讯 AI Lab 的视频风格变换的研究进行了独家报道。
323 0
腾讯AI Lab公布首项研究:提出独特神经网络实现实时视频风格变换