DenseNet的应用--语义分割--(DenseASPP )
转载自：https://blog.csdn.net/u011974639
DenseASPP
DenseASPP for Semantic Segmentation in Street Scenes
原文地址：DenseASPP
收录：CVPR2018(IEEE Conference on Computer Vision and Pattern Recognition)
代码:
PyTorch
简介：
将DeepLab系列中的ASPP和DenseNet中的密集连接相结合，构成了DenseASPP。
GAN如此简单的PyTorch实现，一张脸生成72种表情（附代码）
随着GAN的发展，单凭一张图像就能自动将面部表情生成动画已不是难事。但近期在Reddit和GitHub热议的新款GANimation，却将此技术提到新的高度。GANimation构建了一种人脸解剖结构（anatomically）上连续的面部表情合成方法，能够在连续区域中呈现图像，并能处理复杂背景和光照条件下的图像。
云栖科技评论第78期：不能在真空中发展人工智能
从MIT的计算与人工智能学院，到NVIDA的Clara平台，我们不难读出人工智能当前的两大发展关键词：第一是融合，与产业、科研、民生、经济实现充分的融合，发挥最大的价值；第二是利旧，搞AI绝对不是推倒重建，而是以融合为基础的充分利旧，这不仅降低AI应用的成本开支，让AI能够更易被接受，更重要的是它说明了AI的“身份和地位”：这是一项社会生活、经济发展、产业升级中的“支撑性技术”，单纯的发展AI就像在真空中发展互联网一样，不可能成功。
揭秘GPU
GPU在机器学习中至关重要，但很少有人能解释清楚，本文对此进行了一番研究。
浅谈迁移学习图像分类
不同的数据集是如何进行迁移学习的？常见的迁移学习策略有哪些？本文一一进行讲解，并分析在何种情况应该使用哪种策略。
