如何自己搭建钓鱼网站检测系统 经验
对于第二种架构，适用于拥有大量终端的企业，利用终端的能力代替了WebKit。终端直接将疑似页面的特征发回后端的检测引擎，检测引擎生成检测结果、产出黑名单，同时将检测结果的返回至终端。 0×02检测引擎
NevWalch 基于深层神经网络的命名实体识别技术 经验
方法 是采用分类的方法，如图 1所示。 使用若干特征，例如附近词语的信息来为每个词语进行单独分类。这里周围词语的标记也是一个很好的特征，但是在顺序扫描的过程中，后面的标签还没有 计算出来，所以
jopen
谷歌超分辨率技术 RAISR ：模糊图片瞬变高清，速度提升数十倍 资讯
整数范围的因素，并且更好地利用硬件性能。 无论是哪种方式，RAISR 的过滤器都是根据图像的边缘特征训练的：亮度和色彩梯度，平实和纹理区域等等。这又受到方向（direction，边缘角度），强度
P4 android框架代码 文档
- jMonkeyEngine Image Processing and Graphics - OpenCV for Android Translation - Google Translate API
中文车牌识别系统，EasyPR 1.3 Beta 发布 资讯
灵活、准确的车牌识别引擎。 相比于其他的车牌识别系统，EasyPR有如下特点： 它基于openCV这个开源库，这意味着所有它的代码都可以轻易的获取。 它能够识别中文，例如车牌为苏EUK72
京东DNN Lab首席科学家：用深度学习搞定80%的客服工作 经验
深度学习是模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释和处理各种数据，包括文本数据、图像数据和语音数据等。 人 工神经网络具有良好的学习能力和解决问题的能力，但传统神经网络一般只有两
Facebook首次将29层深度卷积网络用于自然语言处理 经验
ConvNets，在计算机视觉领域中非常地成功。计算机视觉的早期研究中，研究者们通常都使用人工特征，比如 SIFT（尺度不变特征变换）被应用在分类器上。卷积网络的基本思想是将特征提取和分类任务作为一个联合训练的任务。这种思想近些年被改进
担心被AI换脸技术祸害？别怕！Deepfake打假队正在赶来 资讯
Kintali 的网站已经可以上传图像、音频、视频，来分析检测是否有修改痕迹。他同时在开发一个手机相机应用，用人工智能为图像添加时间、地点水印，并将图片原始信息印在区块链上。一旦传播图像的信息与原始图片不符，就容易判断真伪。
五嘎子 MentalTrotter称成功破解了谷歌的reCAPTCHA验证码 资讯
中国人工智能极客团队 MentalTrotter 宣布其自主研发的模拟人脑图像识别算法已经成功破解了 google 的 reCAPTCHA 验证码，该算法只需要较小的资源但有较高较理想的识别率，算法借
机器学习Get新用途，利用这个算法可以解决抗药性细菌 资讯
特定规律。不过这项技术早已被用于各种其他的研究中，比如通过分析随机出现的YouTube图像，来找出常见的趋势或特征等。意料之中的是，研究发现猫的视频格外受到人们的欢迎。 而现在，这组研究人员正在尝
谷歌详解如何用机器学习攻克停车难，随时预测目的地停车状况 资讯
使有些地区有联网的停车计时器，这些数据也不包括非法停车、许可停车和提前离开等信息；道路只能提供二维图像，但停车场本身结构更为复杂；停车位的供需即时变动，即使是最好的系统都很可能无法及时更新。 为了
人人都可以做深度学习应用：入门篇 经验
还有，之前大家在朋友圈里可能看过的，将相片转换成对应的艺术风格的画作。 当前，人工智能已经在图像、语音等多个领域的技术上，取得了全面的突破。与此同时，另外一个问题随之而来，如果这一轮的AI浪潮真
P59 机器学习及数据挖掘基础原理 文档
analogy）：利用二个不同领域（源域、目标域）中的知识相似性，可以通过类比，从源域的知识（包括相似的特征和其它性质）推导出目标域的相应知识，从而实现学习。例如，一个从未开过货车的司机，只要他有开小车的知识就可完成开货车的任务。
Netflix工程总监眼中的分类算法：深度学习优先级最低 经验
其他机器学习算法。 不同分类算法的优势是什么？例如有大量的训练数据集，上万的实例，超过10万的特征，我们选择哪种分类算法最好？Netflix公司工程总监Xavier Amatriain认为，应当根据奥卡姆剃刀原理（Occam’s
人脸识别，网站是如何运作的？ 资讯
些描述这项技术本身。 在过去的几年和微软研发部门的合作中，就 Bing 的图像搜索技术而言，我们达到了最好的工业图像理解能力，这项技术迅速延伸到微软的其他产品。目前在 微软牛津项目主页 上，这项技
百度组建深度机器学习开源平台 研发“虫洞”项目 资讯
域的一个重大突破, 作为目前最接近人脑的智能学习方法，深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等，有着广泛的应用前景。 在 深度学习的研发上，百
谷歌视频网站YouTube的下一个挑战：视频搜索 资讯
Images 和 YouTube-BoundingBoxes，与 YouTube-8M 数据库一起，促进图像和视频理解技术的发展。为了促进这些目标，今天我们正式发布升级版的 YouTube-8M，并与 Google
浪潮开源深度学习框架 加速AI算法开发和应用效率 资讯
场景和模型来选择至少一种深度学习框架，目前很难说一种框架能在所有的应用场景中表现最优。 如果是图像方面的应用，主要采用 Caffe、TensorFlow 和 MXNET 这三种框架；如果是语音的话，可以选择