深度学习的40种应用
当首次介绍深度学习时，我们认为它是一个要比机器学习更好的分类器。或者，我们亦理解成大脑神经计算。
第一种理解大大低估了深度学习构建应用的种类，而后者又高估了它的能力，因而忽略了那些不是一般人工智能应用的更现实和务实的应用。
最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力，因此，它们可以非常高效地应用于增强人类或者动物已经可以执行的任务上。此外，需要重视的一点是，深度学习系统与传统的符号计算平台非常不同，正如人类与计算机的计算方式不同一样，深度学习也是如此。
使用深度学习构建应用甚至可以如我们畅想的科幻小说一般。下面我们来分享基于深度学习开发出来的一些不可思议的应用程序：
盲人看照片
Facebook开发的一个移动应用，可以让盲人或者视力障碍者像正常人一样浏览照片。
实时语音翻译
微软的Skype能够将语音实时翻译成不同的语言。
自动回复电子邮件
Google的Mail可以代替您自动回复电子邮件。
目标识别
Moodstocks（已经被Google收购）推出的智能手机图像识别应用程序Moodstocks Notes，可通过照片识别书籍、CD、海报、传单和酒标等对象。
照片定位
Google能够根据照片进行拍摄场景定位。
照片整理
Google相册可以自动整理分类到常见的主题下面。
分类照片
Yelp可以根据业务分支对照片进行分类。
自动驾驶
自动驾驶技术应该是深度学习领域最为大家所知的应用了。
音乐作曲
可以基于不同的作曲家风格进行音乐组成。
绘画
可以基于著名的艺术家绘画风格创建。
新材料
利用深度学习发现新材料。
玩电子游戏
Google DeepMind能够创建视频游戏系统，通过观看游戏学习如何玩得很好。
Go系统
Google DeepMind创建了一个Go播放系统，能够通过对抗自己来学习新的策略。
脸部识别
这个就无需解释了。
标题党
一种RNN训练，生成吸引眼球的标题。
黑白照片变彩色
将黑白照片自动转换成彩色：http://richzhang.github.io/colorization/。
文本图像实时翻译
Google的一个移动应用，可将照片中的文字翻译成您可以理解的文字。
键盘
Swiftkey正在构建一种移动键盘，让输入更加简单方便。
预测未来
看看MIT这些伙计是怎么说的。
三维物体分类
手势识别
使用不同的手势，对没有屏幕的设备进行交互。
拍照自动微笑
SmileVector可以把一张照片的人，自动转换成微笑的表情的照片。
人类对话
例如Google开发的进行自动对话回复的邮件。
增强现实——脸部追踪
百度开发的一个应用，能够基于深度学习技术进行面部追踪。
仓库优化
一个深度学习系统，在仓库中用最佳的方式拿取和放置物品，这种系统明显快于传统的研究方法，并且效率更高。
图片搜索
将图像进行视觉搜索查询。
Prosetheses控制
通知脑电图描记器参与提取记录中语音混合物在神经转向听力假肢中的应用。
流体模拟
利用卷积网络创建快速且高度逼真的流体模拟。
个性化
亚马逊使用深度学习技术来驱动其个性化功能。
脑肿瘤检测
在2013年BRATS测试数据集上的报结果表明，802,368参数网络比已发布的最先进的技术改进了超过30倍。
省电
Google正在使用DeepMind人工智能子公司的技术，以大幅节省其数据中心的电力功耗。
整理货架
类似上面的仓库优化，亚马逊研究人员基于深度学习技术分析3D扫描，让机器人对物品进行整理。
摄取街景
Facebook正在利用深度学习技术，从卫星图像上创建更加准确的地图。
语音识别
通过声音进行识别。
红外彩色化
用户可以更加快速准确地理解已经被着色的红外图像。
3D设计
现实中的3D打印技术。
图合成
将草图合成真实的面部图像。
临床事件预测
一个RNN训练，8年时间从来自26万患者和14805名医生的EHR数据，该神经网络进行多标签预测（每次诊断或药物类别作为一个标签），该系统可以执行召回鉴别诊断率高达79%，明显高于基线。
皮肤评价和建议
使用深度学习来确定客户的“皮肤年龄”，确定问题领域，并提供旨在解决这些问题的产品方案。
生物信息学
药物设计，虚拟筛选（VS），定量结构——活性关系（QSAR）研究，蛋白质结构预测和基因组学（和其他组学）数据挖掘。
除了以上列举的40个应用，作者在原文中还列举了其它领域基于深度学习的应用，大家可以前往原文查看。
原文：40 Ways Deep Learning is Eating the World
作者:Carlos E. Perez > 翻译：Daisy >责编：仲培艺
深度学习的40种应用相关推荐
- 支持移动端深度学习的几种开源框架
原文:http://blog.csdn.net/zchang81/article/details/74280019 支持移动端深度学习的几种开源框架 1.Caffe的移动端项目 caffe项目连接如下 ...
- 深度学习的三种硬件方案：ASIC，FPGA，GPU；你更看好？
原文链接:http://www.sohu.com/a/123574005_465947 深度学习的三种硬件方案:ASIC,FPGA,GPU:你更看好? 2017-01-06 10:59 硬件十万个为什 ...
- 线性Frequency Principle动力学：定量理解深度学习的一种有效模型
关于作者:本文的作者是来自上海交通大学致远学院 08 级理科班的四位研究人员.本文由许志钦执笔,张耀宇修改,罗涛和马征审阅校正.这个小组的研究兴趣主要是深度学习理论. 深度学习的广泛成功吸引了大量的科 ...
- 基于深度学习的犬种识别软件（YOLOv5清新界面版，Python代码）
摘要:基于深度学习的犬种识别软件用于识别常见多个犬品种,基于YOLOv5算法检测犬种,并通过界面显示记录和管理,智能辅助人们辨别犬种.本文详细介绍博主自主开发的犬种检测系统,在介绍算法原理的同时,给出 ...
- 【翻译】为深度学习购买哪种GPU: 我在深度学习中使用GPU的经验和建议
文章目录 概述 GPU是如何工作的? 对深度学习处理速度最重要的GPU规格 张量核心 没有张量核心的矩阵乘法 使用张量核心的矩阵乘法 带有张量核心和异步拷贝的矩阵乘法(RTX 30/RTX 40)和T ...
- 深度学习了40万个表情，一大波AI 表情包来了
自从有了表情包,跟人聊天时的第一反应,就是去找找看有什么适合的表情. 有一类表情包,形式是文字+图,尤其能够精妙地抒发和传递感情. 在这一点上,可能全世界的网友都一样. 好用的表情永远不嫌多,而且似乎 ...
- 深度学习中7种最优化算法的可视化与理解
作者丨小小鱼@知乎 来源丨https://zhuanlan.zhihu.com/p/41799394 本文旨在优化一维函数,实际上模型参数有数百万维以上,差距很大,因此本文最好作为辅助法的理解,而非对 ...
- 【深度学习】一种关注于重要样本的目标检测方法！
作者:宋志龙,浙江工业大学,Datawhale成员 在目标检测中训练模型时,样本间往往有差异性,不能被简单地同等对待.这次介绍的论文提出了一种重要样本的关注机制,在训练过程中帮助模型分辨哪些是重要的样 ...
- 深度学习必备三种基本绘图技能
在深度学习中,常用的图大概有一下几种: 曲线图 点状图 显示图片 1 安装 一般都是自带的,比如conda 软件,若没有,桌面安装呢?如果已经安装了,可以略过. 1.打开控制台(win+R)-> ...
最新文章
- 【CyberSecurityLearning 22】传输层协议分析（TCP/UDP）
- LinQ高级查询、组合查询
- P3705-[SDOI2017]新生舞会【0/1分数规划,费用流】
- openssl c++实现bouncycastle中AES加解密
- 从h264码流中获取图像的宽高---版本2（简洁版）
- Mapbox词汇表中文文档(查找Mapbox相关的术语及其定义)
- centos6.8下安装dc2012
- [贪心+模拟] zoj 3829 Known Notation
- Github README.md中添加图片
- 大话数据结构学习笔记-第三章线性表
- Linux CentOS学习第7天（2018年6月14日）
- 2021-12-06 自动化专业C语言上机作业参考答案12
- 怎样把多个excel文件合并成一个
- 债券的即期收益率，到期收益率，远期收益率有什么区别？
- windows悬浮按钮_如何在Windows 10上配置笔及其按钮
- 【ArcGIS微课1000例】0052：创建地理数据库注记（标准注记、要素关联注记、尺寸注记）
- （附源码）node.js学生钟点工管理系统 毕业设计 290011
- windows电脑cmd命令查看网卡的物理地址（mac地址）
- 微步在线：半年融资8亿，综合型网络安全“新贵”诞生
- WEP/WPA/WPA2加密标准有什么区别？