书名:元宇宙与智能经济新趋势（比尔·盖茨盛赞作者 人工智能领域里程碑式作品 挖掘人类智能复杂表象背后的简单机制

作者:向松祚；杰夫·霍金斯 桑德拉·布莱克斯利；杰夫·霍金斯；马修·鲍尔；塞德希尔·穆来纳森；罗伯特 弗兰克；梅拉妮·米歇尔；布莱·惠特比；彼得·戴曼迪斯 史蒂芬·科特勒；玛蒂娜·罗斯布拉特 ；马兆远 ；彼得·戴曼迪斯

格式:EPUB

路径:点击打开

出版:浙江教育出版社

排序作者:；彼得·戴曼迪斯, 向松祚；杰夫·霍金斯 桑德拉·布莱克斯利；杰夫·霍金斯；马修·鲍尔；塞德希尔·穆来纳森；罗伯特 弗兰克；梅拉妮·米歇尔；布莱·惠特比；彼得·戴曼迪斯 史蒂芬·科特勒；玛蒂娜·罗斯布拉特 ；马兆远

排序书名:元宇宙与智能经济新趋势（比尔·盖茨盛赞作者 人工智能领域里程碑式作品 挖掘人类智能复杂表象背后的简单机制

日期:28 1月 2023

uuid:03df0e65-a0d0-43ed-94e8-8dfa674194a6

id:475

出版日期:1月 2023

修改日期:28 1月 2023

大小:35.00MB

语言:中文

下面要说的第三个注意事项可能会让你大吃一惊。当一个人说，照片中有一条狗时，我们认为这是因为人类在图像中实际上看到了一条狗，但是如果ConvNets“说”图像中有狗时，我们如何确定它真的是基于图像中包含狗这一判断来进行输出的呢？也许图像中有一些其他对象，如网球、飞盘、被叼住的鞋子，这些对象在训练图像中往往与狗相关，而ConvNets在识别这些对象时就会假设图像中有一条狗。这类关联的结果往往会愚弄程序，使其做出误判。

对于上述情况，我们可以要求机器不仅输出图像中的对象类别，同时还要学会在目标对象周围画一个方框，这样我们就知道机器确实“看到”了目标。这就是ImageNet竞赛后来启动实施的“定位挑战赛”。定位任务也提供了训练图像，其中每幅图像正确目标的周围有由土耳其机器人绘制的定位框，在测试图像上，参赛程序的任务是使用与定位框对应的坐标来对对象进行分类与定位。