We are Dosudo 矽谷軟體工程師 Deep learning 讀書會.  Welcome to join our online meeting and here is our website.  also check out our 粉絲專頁 and  Deep Learning 線上聚會紀錄

Upcoming event:

之後將會以Andrew Ng(吳恩達) 在Coursera的深度學習課程Deep Learning Specialization為主, 大家一起上這堂課一起討論project, 然後一起拿course certificate. 目前將會暫停幾週並在之後公佈細節.

 

A.  Deep learning highlight

  1.  DeepMind及Blizzard 共同推出了星海爭霸II 人工智慧研發環境SC2LE

DeepMind及Blizzard 共同推出了星海爭霸2 人工智慧研發環境(SC2LE, StarCraft II learning environment)

Editor:     George.Wu

 

2. 打破GAN神話, 基於端對端網路的高質量圖像生成

今年的ICCV 2017 出現一篇備受矚目的直接用端對端的方式生成高質量圖像的方法. 它的原理等於是從圖像的語意分割直接生成照片級圖像.

Editor:     George.Wu

 

3. TripleGAN – 包含判別器、生成器和分類器的三方生成對抗網路

新型態的生成對抗網路TripleGAN. 增加了一個Classifier(C). 讓原本GAN的兩方競爭轉變成判別器、生成器和分類器的三方博弈.

Editor:     George.Wu

 

4. Review of Andrew Ng’s deep learning course

 

在前三階段課程中 Andrew.Ng 介紹深度學習重要觀念及實作應用. 後續本系列課程將會釋出卷機神經網路(CNN), 序列模型(Sequence Models)兩個階段課程

Editor:     Ian Ching

 

5. DeepMind 推出可關係推理的新型神經神經網路

目標是解決關係推理 (Relational reasoning) 的問題，如何根據輸入的非結構化數據 (例如：文字、圖像) 推理出數據內的關聯性。

 

Editor:    Hubert

 

 

B.  Hot deep learning news and materials

每一期的deep learning Newsletter 我們都將會收集深度學習領域最新最熱門的新聞,  以及整理業界及學界值得關注的研究或應用. 同時也會分享網路上非常實用的資源.

Date:  2017. 09.19

1. 16 歲少女發明視網膜 AI 診斷模型，幫助全球 300 萬窮人免於失明！

2. AI 自動生成二次元妹子？或將替代插畫師部分工作

3. Sony免費推毋須編寫程式的DeepLearning機械學習工具 deep learning console

4. 馬斯克的OpenAI，究竟是如何在dota2中擊敗頂級人類選手的？

5. AI前進印度眼科醫院第一線，Google用深度學習及早發現7千萬糖尿病患的失明危機

6. IBM運用分散式深度學習加快模型訓練過程，50分鐘圖像辨識度可達33.8％

7. Teaching A.I. Systems to Behave Themselves

8. 自然语言处理从入门到进阶资代码资源库汇总

9. 最前沿：视觉推理（Visual Reasoning），神经网络也可以有逻辑

C. Review of 2017 CVPR

Dosudo 今後將會重點整理一系列深度學習, AI, 計算機視覺等重要會議的論文並作介紹, 為大家掌握各領域的最新研究現況. 第一次的重點會議就從CVPR開始. 今年的 2017 CVPR (計算機視覺與模式識別會議) 七月在美國夏威夷舉行. CVPR 與 ICCV, ECCV 並列計算機視覺三大會議. 今年的CVPR共收到2680篇論文, 率取率為29%. 且無論是論文量及參加人數及廠商都大大的增加. 可見的CVPR受重視的程度.

這一次為大家介紹了2017 CVPR的兩篇best papers, 包括受矚目的DenseNet, 以及Apple第一次公開發佈的paper. 兩篇honor papers: Polygon-RNN以及最新的YOLO. 除此之外也選錄了十篇各領域的論文做導讀.

2017  CVPR best paper

1.  超越ResNet的緊密連接卷積神經網路

Dense Convolutional Network (DenseNet) 把所有的層都連結在一起.在訓練過程中, 這樣的確可以確保梯度訊息能正確的傳遞到每一層

Editor:     George.Wu

 

2.  通過對抗訓練從模擬與無監督圖像中學習

這篇paper提出一種模擬+無監督學習的方法提升合成圖片的真實程度稱為SimGAN. 簡單而言之, 就是利用改良式的生成對抗網路GANs 將合成圖片提升至真實圖片的品質

Editor:     George.Wu

 

2017  CVPR honor paper

3.  Polygon-RNN: 比圖像語義分割更快的半自動圖像標註

Polygon-RNN將Semantic image segmentation問題轉化成在圖片中的多邊形位置預測問題.  當使用者在圖像中框出目標框, Polygon-RNN將會依序生成多邊形的邊.

Editor:     George.Wu

 

4.  更快更強的YOLO目標檢測系統: YOLO9000

YOLO2在很多數據都獲得很好的精確度的及檢測速度. 除此之外, 透過對COCO以及ImageNet的dataset的共訓練將YOLO2可檢測的物體數達到9000種. 稱為YOLO9000

Editor:     George.Wu

5.  Selected 2017 CVPR papers

除了Best paper 及honor paper之外, 在這裡還選錄了10篇Object detection, Super-resolution, 3D reconstruction等不同主題的 2017 CVPR精彩論文.

Editor:     George.Wu