原创 基於機器視覺的應用案例對比常見的幾種標註方法

機器視覺的專家要做的一件很重要的事情就是判斷使用哪種標註工具獲得的訓練數據可以得到最準確的模型你可能會用完全不同的標註發方法來處理一批同樣的原始數據或者爲了另外的算法完全重新標註原始數據來得到更高的模型準確率。在SPARKAPI,我們針對

原创 在機器學習中,你需要多少訓練數據?

你爲什麼會問這個問題?首先我們要搞清楚你爲什麼會問需要多大的訓練數據集。可能你現在有以下情況:你有太多的數據。可以考慮通過構建學習曲線(learning curves)來預估樣本數據集(representative sample)的大小或

原创 自動駕駛領域LIDAR數據集

Although 2D camera data is used to teach autonomous vehicles to find their way from Point A to PointB, it comes with it

原创 什麼是訓練數據

衆所周知,機器處理和存儲知識的速度比人類快很多。但是我們如何最大限度的利用機器讓他們來處理一些“智能任務”呢?這個問題的答案是:用和這些智能任務相關的數據來“餵養”機器,讓機器從這些數據中學習。這些相關的數據又稱爲訓練數據。機器學習的模型

原创 互金公司AI落地場景介紹

智能催收、OCR生物識別、智能風控模型