开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

为什么SVHN标签数据只有一个数字？(当图像中的数字可能有几个数字时)

SVHN（Street View House Numbers）是一个用于数字识别的数据集，其中包含了从Google街景图像中提取的房屋号码。在SVHN数据集中，每个图像都有一个主要的数字标签，表示图像中的主要数字。

SVHN数据集之所以只有一个数字标签，是因为它的主要目标是训练模型来识别单个数字。这是因为在实际应用中，很多场景下只需要识别图像中的一个数字，例如自动驾驶中的交通标志识别、邮件地址识别等。因此，SVHN数据集的设计目的是提供一个用于单个数字识别的标准基准。

当图像中可能存在多个数字时，SVHN数据集仍然只提供一个主要的数字标签。这是为了简化问题，使得模型的训练和评估更加直观和简单。在实际应用中，如果需要识别图像中的多个数字，可以使用目标检测或者字符分割等技术来实现。

对于SVHN数据集的应用场景，可以包括自动驾驶中的交通标志识别、邮件地址识别、门牌号码识别等。腾讯云提供了一系列与图像识别相关的产品，例如腾讯云图像识别（https://cloud.tencent.com/product/imagerecognition）和腾讯云OCR（https://cloud.tencent.com/product/ocr），可以用于处理SVHN数据集或类似的任务。

相关搜索:Django:在按字母顺序分页时，将所有数字数据连接到一个QuerySet中的最简单方法？一个简单的计算器程序的问题，在这个程序中，当输入数字零时似乎总是出现错误为什么php代码只从我在数据库中的两位数in中提取一个数字？为什么当我随机选择一个要放入列表中的数字时，它总是选择相同的起始数字？为什么，当提升到数组的级别并将其除以另一个数组时，获得的是数字，而不是一个数组？仅当R中的数字为数字时才提取字符串的最后一个组成部分创建新数据框时，如何将键标签设置为行空间np.array中的数字？删除行中的第一个字符*仅当它是数字时(Google Sheets / Excel)如何仅当另一个<td>包含特定文本时才将另一个<td>中的数字添加到数组中如何在Lua中创建一个只有在没有数字(正常或罗马)时才匹配的模式？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Diss所有深度生成模型，DeepMind说它们真的不知道到底不知道什么

深度学习在应用层面获得了巨大成功，这些实际应用一般都希望利用判别模型构建条件分布 p(y|x)，其中 y 是标签、x 是特征。但这些判别模型无法处理从其他分布中提取的 x，也就是说模型在没见过的数据上表现很差。例如，Louizos 等人表示仅仅旋转 MNIST 数字，模型就会预测错误。

01

TensorFlow 2 和 Keras 高级深度学习：6~10

正如我们已经探索的那样，GAN 可以通过学习数据分布来产生有意义的输出。但是，无法控制所生成输出的属性。 GAN 的一些变体，例如条件 GAN（CGAN）和辅助分类器 GAN（ACGAN），如前两章所讨论的，都可以训练生成器，该生成器可以合成特定的输出。例如，CGAN 和 ACGAN 都可以诱导生成器生成特定的 MNIST 数字。这可以通过同时使用 100 维噪声代码和相应的一号热标签作为输入来实现。但是，除了单热标签外，我们没有其他方法可以控制生成的输出的属性。

01

深度学习的端到端文本OCR:使用EAST从自然场景图片中提取文本

我们生活在这样一个时代：任何一个组织或公司要想扩大规模并保持相关性，就必须改变他们对技术的看法，并迅速适应不断变化的环境。我们已经知道谷歌是如何实现图书数字化的。或者Google earth是如何使用NLP来识别地址的。或者怎样才能阅读数字文档中的文本，如发票、法律文书等。

02

CMU 领域自适应最新进展：对齐数据分布、误差还不够，标注函数也需对齐！

领域自适应是迁移学习重点研究的课题之一。以往，基于域不变表征的领域自适应方法由于对域偏移（domain shift）不敏感、能为目标任务获取丰富信息受到了极大关注。然而，在 ICML 2019 上，来自卡内基梅隆大学的研究人员指出，当标签分布不同时，对源任务的过度训练确实会对目标域的泛化起到负作用，并且用严谨的数学证明和丰富的实验说明了：为了提升领域自适应算法的性能，我们不仅需要对齐源域和目标域的数据分布、最小化源域中的误差，还应该对齐源域和目标域的标注函数。

02

基于OpenCV的多位数检测器

现在数字无处不在，无论是闹钟、健身追踪器、条形码还是包装好了的送货包裹。利用MNIST数据集，机器学习可用来读取单个手写数字。现在，我们可以将其扩展为读取多个数字，如下所示。底层的神经网络同时进行数字定位和数字检测。这在很多实际环境中是非常有用的，例如读取商店中的标签，车牌，广告等。

01

CyCADA: Cycle-Consistent Adversarial Domain Adaptation

领域适应对于在新的、看不见的环境中取得成功至关重要。对抗性适应模型通过专注于发现域不变表示或通过在未配对的图像域之间进行映射，在适应新环境方面取得了巨大进展。虽然特征空间方法很难解释，有时无法捕捉像素级和低级别的域偏移，但图像空间方法有时无法结合与最终任务相关的高级语义知识。我们提出了一种使用生成图像空间对齐和潜在表示空间对齐来适应域之间的模型。我们的方法，循环一致的对抗性领域适应（CyCADA），根据特定的有区别的训练任务指导领域之间的转移，并通过在适应前后加强相关语义的一致性来避免分歧。我们在各种视觉识别和预测设置上评估了我们的方法，包括道路场景的数字分类和语义分割，提高了从合成驾驶领域到现实驾驶领域的无监督自适应的最先进性能。

03

学界 | 谷歌大脑提出自动数据增强方法AutoAugment：可迁移至不同数据集

选自arXiv 作者：Ekin D. Cubuk 等机器之心编译参与：Geek AI、路近日，来自谷歌大脑的研究者在 arXiv 上发表论文，提出一种自动搜索合适数据增强策略的方法 AutoAugment，该方法创建一个数据增强策略的搜索空间，利用搜索算法选取适合特定数据集的数据增强策略。此外，从一个数据集中学到的策略能够很好地迁移到其它相似的数据集上。引言深度神经网络是强大的机器学习系统，当使用海量数据训练时，深度神经网络往往能很好地工作。数据增强是一种通过随机「增广」来提高数据量和数据多样性的

09

半监督学习入门基础（一）

半监督学习(SSL)是一种机器学习技术，其中任务是从一个小的带标签的数据集和相对较大的未带标签的数据中学习得到的。SSL的目标是要比单独使用有标记数据训练的监督学习技术得到更好的结果。这是半监督学习系列文章的第1部分，对这个机器学习的重要子领域进行了简要的介绍。

04

使用深度学习的端到端文本OCR

在当今这样的时代，任何组织或公司要扩大规模并保持相关性，都必须改变他们对技术的看法，并迅速适应不断变化的形势。已经知道Google如何将图书数字化。还是Google Earth如何使用NLP识别地址。或者如何读取发票，法律文书等数字文档中的文本。

02

贝叶斯生成对抗网络（GAN）：当下性能最好的端到端半监督/无监督学习

【新智元导读】康奈尔大学研究员结合贝叶斯和对抗生成网络，在6大公开基准数据集上实现了半监督学习的最佳性能，同时，这也是迈向终极无监督式学习的一大步。研究提出了一个实用的贝叶斯公式，用GAN来进行无监督学习和半监督式学习。这种新提出的方法，简洁性是其最大的优势——推理是直接进行的、可解释的、稳定的。所有的实验结果的获得，都不需要参数匹配，正则化或者任何的特别（ad-hoc）技巧。康奈尔大学的 Andrew Gordon Wilson 和 Permutation Venture 的 Yunus Saatch

开源数据集汇总 | 小目标检测、图像分类、图像识别

一个包含 37 个类别的宠物数据集，每个类别大约有 200 张图像。这些图像在比例、姿势和照明方面有很大的变化。所有图像都有相关的品种、头部 ROI 和像素级三元图分割的地面实况注释。

02

如何使用 Google 的 AutoAugment 改进图像分类器

通过使用优化的数据增强方法，在CIFAR-10、CIFAR-100、SVHN和ImageNet上得到了目前最好的结果。您可以从这里找到和使用它们。

02

【深度学习】小目标检测、图像分类、图像识别等开源数据集汇总

本文收集整理了多个小目标检测、图像识别、图像分类等方向的开源数据集，本次还有猫咪、斯坦福狗狗数据集以及3D MNIST数字识别等～

02

人工智能公开数据集

近年来，人工智能快速发展，相关的框架、算法等层出不穷，要检验一个算法的好坏，就需要用有关的数据集进行实验，那么我们要去哪里找相关的数据集呢？下面列举几个人工智能方面的公共数据集，希望对大家有所帮助。

00

TensorFlow中最大的30个机器学习数据集

largest tensorflow datasets for machine learning

02

Hinton团队胶囊网络新进展：两种方法加持，精准检测和防御对抗性攻击

在本文中，我们提出了一种基于胶囊层（Capsule layer，Sabour et al., 2017; Qin et al., 2020）的网络和检测机制，它可以精确地检测到攻击，对于未检测到的攻击，它通常也可以迫使攻击者生成类似于目标类的图像（从而使它们被偏转）。我们的网络结构由两部分组成：对输入进行分类的胶囊分类网络，以及根据预测的胶囊（predicted capsule）的姿态参数（pose parameters）重建输入图像的重建网络。

03

TensorFlow最出色的30个机器学习数据集

英语原文《 30 Largest TensorFlow Datasets for Machine Learning 》

02

2017年领域自适应发展回顾

这篇文章原为 quora 中2017年机器学习领域最杰出的成就是什么？问题下的答案。

01

30个最大的机器学习TensorFlow数据集

TensorFlow由Google Brain的研究人员创建，是用于机器学习和数据科学的最大的开源数据库之一。它是完整的初学者和经验丰富的数据科学家的端到端平台。TensorFlow库包括工具，预先训练的模型，机器学习指南以及一系列开放数据集。为了帮助找到所需的训练数据，本文将简要介绍一些用于机器学习的最大TensorFlow数据集。将以下列表分为图像，视频，音频和文本数据集。

03

One-Shot Unsupervised Cross Domain Translation

给出一个来自领域A的单一图像x和一组来自领域B的图像，我们的任务是生成x在B中的类似物。我们认为，这项任务可能是一项关键的人工智能能力，它强调了认知代理在这个世界上的行动能力，并提出了经验证据，表明现有的无监督领域翻译方法在这项任务上失败。我们的方法遵循一个两步过程。首先，为领域B训练一个变异自动编码器。然后，给定新的样本x，我们通过调整接近图像的层来创建A域的变异自动编码器，以便直接适应x，而只间接适应其他层。我们的实验表明，当对一个样本x进行训练时，新方法和现有的领域转移方法一样好，当这些方法享受来自领域A的大量训练样本时。我们的代码可在https://github.com/sagiebenaim/OneShotTranslation 公开。

02

SVHN数据集

SVHN（Street View House Number）Dateset 来源于谷歌街景门牌号码，原生的数据集1也就是官网的 Format 1 是一些原始的未经处理的彩色图片，如下图所示（不含有蓝色的边框），下载的数据集含有 PNG 的图像和 digitStruct.mat 的文件，其中包含了边框的位置信息，这个数据集每张图片上有好几个数字，适用于 OCR 相关方向。这里采用 Format2, Format2 将这些数字裁剪成32x32的大小，如图所示，并且数据是 .mat 文件。

02

CVPR2021深度框架训练：不是所有数据增强都可以提升最终精度

数据增强(DA)是训练最先进的深度学习系统的必要技术。在今天分享中，实证地表明数据增强可能会引入噪声增强的例子，从而在推理过程中损害非增强数据的性能。

03

一文带你读懂 OCR

OCR，或光学字符识别，是最早的计算机视觉任务之一，因为在某些方面它不需要用到深度学习。因此，早在2012年深度学习热潮之前，OCR就有了各种不同的应用，有些甚至可以追溯到1914年。

03

深度框架训练：不是所有数据增强都可以提升最终精度

为了缓解上述问题，有研究者提出了一种简单而高效的方法，称为保持增强（KeepAugment），以提高增强图像的保真度。其主要思想是首先使用显著性map来检测原始图像上的重要区域，然后在增强过程中保留这些信息区域。这种信息保护策略使我们能够生成更忠实的训练示例。

04

CVPR2021深度框架训练：不是所有数据增强都可以提升最终精度

为了缓解上述问题，有研究者提出了一种简单而高效的方法，称为保持增强（KeepAugment），以提高增强图像的保真度。其主要思想是首先使用显著性map来检测原始图像上的重要区域，然后在增强过程中保留这些信息区域。这种信息保护策略使我们能够生成更忠实的训练示例。

01

集多种半监督学习范式为一体，谷歌新研究提出新型半监督方法 MixMatch

事实证明，半监督学习可以很好地利用无标注数据，从而减轻对大型标注数据集的依赖。而谷歌的一项研究将当前主流的半监督学习方法统一起来，得到了一种新算法 MixMatch。该算法可以为数据增强得到的无标注样本估计（guess）低熵标签，并利用 MixUp 来混合标注和无标注数据。实验表明，MixMatch 在许多数据集和标注数据上获得了 STOA 结果，展现出巨大优势。例如，在具有 250 个标签的 CIFAR-10 数据集上，MixMatch 将错误率降低了 71%（从 38％降至 11％），在 STL-10 上错误率也降低了 2 倍。对于差分隐私 (differential privacy)，MixMatch 可以在准确率与隐私间实现更好的权衡。最后，研究者通过模型简化测试对 MixMatch 进行了分析，以确定哪些组件对该算法的成功最为重要。

04

广告行业中那些趣事系列28：基于半监督或自监督解决文本分类中样本不均衡问题

摘要：本篇从理论到实践详解了使用半监督和自监督学习框架解决文本分类中的样本不均衡问题。首先，讲了下为啥要用半监督和自监督学习框架；然后，结合论文从理论到实验结果重点介绍了半监督和自监督框架下的不均衡学习；最后将半监督和自监督学习框架应用到我们实际的文本分类任务中并取得了不错的效果提升。对于希望通过半监督和自监督方式解决样本不均衡问题的小伙伴可能有所帮助。

03

样本增广自动化-AutoAugment论文解读

五期飞跃计划还剩3个名额，联系小编，获取你的专属算法工程师学习计划（联系小编SIGAI_NO2）

03

ICLR-17最佳论文作者Nicolas Papernot现场演讲：如何用PATE框架有效保护隐私训练数据？（附视频）

AI科技评论按：ICLR 2017 总共有三篇最佳论文，其中有一篇是关于如何有效保护机器学习训练中的隐私数据，名为「用半监督知识迁移解决深度学习中训练数据隐私问题」（Semi-supervised Knowledge Transfer for Deep Learning from Private Training Data）。论文给出了一种通用性的解决方法，名为「教师模型全体的隐私聚合」（Private Aggregation of Teacher Ensembles/PATE）。该论文第一作者是 Nico

04

CVPR2021深度框架训练 | 不是所有数据增强都可以提升最终精度

为了缓解上述问题，有研究者提出了一种简单而高效的方法，称为保持增强（KeepAugment），以提高增强图像的保真度。其主要思想是首先使用显著性map来检测原始图像上的重要区域，然后在增强过程中保留这些信息区域。这种信息保护策略使我们能够生成更忠实的训练示例。

02

ICLR 2020 | 分类器其实是基于能量的模型？判别式分类器设计新思路

生成模型已经得到了数十年的研究，因为人们相信生成模型对很多下游任务有利，比如半监督学习、缺失数据处理和不确定性校准。然而，对深度生成模型的大多数近期研究都忽视了这些问题，而将重心放在了定性样本质量以及在留存验证集上的对数似然上。

05

Hinton老爷子CapsNet再升级，结合无监督，接近当前最佳效果

作者：Adam R. Kosiorek、Sara Sabour、Yee Whye Teh、Geoffrey E. Hinton

05

Hinton老爷子CapsNet再升级，结合无监督，接近当前最佳效果

作者：Adam R. Kosiorek、Sara Sabour、Yee Whye Teh、Geoffrey E. Hinton

03

CVPR深度框架训练 | 不是所有数据增强都可以提升最终精度

欢迎关注“ 计算机视觉研究院 ” 计算机视觉研究院专栏作者：Edison_G 数据增强(DA)是训练最先进的深度学习系统的必要技术。在今天分享中，实证地表明数据增强可能会引入噪声增强的例子，从而在推理过程中损害非增强数据的性能。长按扫描二维码关注我们一、前言&简要为了缓解上述问题，有研究者提出了一种简单而高效的方法，称为保持增强（KeepAugment），以提高增强图像的保真度。其主要思想是首先使用显著性map来检测原始图像上的重要区域，然后在增强过程中保留这些信息区域。这种信息保护策略使我

01

tflearn学习 - 补充1 tflearn文件包解析

datasets文件夹包含的是tflearn预先准备的几个数据集加载文件。可以方便测试，具体如下

02

面向计算机视觉的深度学习：1~5

计算机视觉是理解或操纵图像和视频的科学。计算机视觉具有许多应用，包括自动驾驶，工业检查和增强现实。深度学习在计算机视觉中的使用可以分为多个类别：图像和视频中的分类，检测，分割和生成。在本书中，您将学习如何为计算机视觉应用训练深度学习模型并将其部署在多个平台上。我们将在本书中使用 TensorFlow，这是一个用于深入学习的流行 python 库，用于示例。在本章中，我们将介绍以下主题：

03

Maxout Networks

我们考虑的问题是如何设计模型来利用最近引入的近似模型平均技术(dropout)。我们定义了一个简单的新模型maxout(之所以这样命名，是因为它的输出是一组输入的最大值，而且它是dropout的一个自然伙伴)，旨在促进dropout优化和提高dropout的快速近似模型平均技术的准确性。我们通过经验验证模型成功地完成了这两个任务。我们使用maxout和dropout来演示在四个基准数据集上的最新分类性能:MNIST、CIFAR-10、CIFAR-100和SVHN。

01

超级干货 | 用万字文章总结25种正则化方法（值得收藏）

卷积神经网络已经在一些与计算机视觉相关的任务上取得了相当不错的结果，如图像分类和目标检测。这种成功可以用卷积神经元的工作原理来解释：它根据图像的空间属性来突出给定的特征。浅层网络注意是归纳一些形状或者纹理特征;然而，更深层次的网络可以检测出更复杂更抽象的特征，比如整个物体或人脸。如今，从生物识别到疾病检测，很难找到其他没有CNN的计算机视觉技术。

03

数据科学 IPython 笔记本 8.10 自定义颜色条

绘图图例标识离散点的离散标签。对于基于点，线条或区域颜色的连续标签，带标签的颜色条可能是一个很好的工具。在 Matplotlib 中，颜色条是一个单独的轴域，可以为绘图中的颜色含义提供见解。原书是黑白打印的，但是在线版本是彩色的，你可以在这里看到全彩的图形。我们首先为绘图配置笔记本，并导入我们将使用的函数：

02

你需要知道的11个Torchvision计算机视觉数据集

来源：新机器视觉本文约3800字，建议阅读8分钟本文介绍了11个Torchvision计算机视觉数据集。计算机视觉是一个显著增长的领域，有许多实际应用，从自动驾驶汽车到面部识别系统。该领域的主要挑战之一是获得高质量的数据集来训练机器学习模型。 Torchvision作为Pytorch的图形库，一直服务于PyTorch深度学习框架，主要用于构建计算机视觉模型。为了解决这一挑战，Torchvision提供了访问预先构建的数据集、模型和专门为计算机视觉任务设计的转换。此外，Torchvision还支持C

02

学界 | 伯克利 AI 研究院提出新的数据增强算法，比谷歌大脑的 AutoAugment 更强！| ICML 2019

AI 科技评论按：数据增强是提升图像识别模型性能的重要手段。伯克利 AI 研究院的一篇关于数据增强的论文便被 ICML 2019 收录为 oral 论文，该论文巧妙地运用基于种群的数据增强算法，在降低计算成本的情况下，既能提高学习数据增强策略的速度，又能提升模型的整体性能。伯克利 AI 研究院也在官方博客上对论文进行了解读，AI 科技评论编译如下。

03

梯度会泄漏训练数据？MIT新方法从梯度窃取训练数据只需几步

研究人员将此命名为深度梯度泄漏（Deep Leakage from Gradients），并在计算机视觉和自然语言处理任务上进行了验证。实验结果表明，他们的攻击比以前的方法要强大得多，在各种数据集和任务上，DLG 只需几个梯度步骤即可完全恢复训练数据。对于图像，他们的方法可以实现像素（pixel）级别的恢复；对于文本，可以达到词条（token）级别的匹配。

02

数据收集渠道_数据挖掘数据集

NLP方向：Hugging Face – The AI community building the future.

03

自动数据增强论文及算法解读（附代码）

数据增强是提高图像分类器精度的有效技术。但是当前的数据增强实现是手工设计的。在本论文中，我们提出了AutoAugment来自动搜索改进数据增强策略。我们设计了一个搜索空间，其中一个策略由许多子策略组成，每个小批量的每个图像随机选择一个子策略。子策略由两个操作组成，每个操作都是图像处理功能，例如平移，旋转或剪切，以及应用这些功能的概率。我们使用搜索算法来找到最佳策略，使得神经网络在目标数据集上产生最高的验证准确度。我们的方法在ImageNet上获得了83.5％的top1准确度，比之前83.1％的记录好0.4％。在CIFAR-10上，我们实现了1.5％的错误率，比之前的记录好了0.6％。扩充策略在数据集之间是可以相互转换的。在ImageNet上学到的策略也能在其他数据集上实现显著的提升。

02

数据科学家必用的25个深度学习的开放数据集！

原文：https://www.analyticsvidhya.com/blog/2018/03/comprehensive-collection-deep-learning-datasets/?spm

干货 | 深度学习的实践应用之路

AI科技评论按：本文由图普科技编译自《Applying Deep Learning to Real-world Problems》，AI科技评论独家首发。近年来，人工智能的崛起可以说是得益于深度学习的成功。驱动深度神经网络突破的三个主要因素分别是：海量的训练数据、强大的计算架构和学术领域的相关进展。因此，深度学习在图像分类、面部识别等任务的表现上不仅超越了传统方法，还超越了人类水平。这一切都为那些使用深度学习解决实际问题的新业务创造了巨大的发展潜力。在位于柏林的Merantix总部，我们致力于研究这项新

06

Datawhale 零基础入门CV赛事-Task1 赛题理解

Datawhale 零基础入门CV赛事-Task1 赛题理解本章内容将会对街景字符识别赛题进行赛题背景讲解，对赛题数据的读取进行说明，并给出集中解题思路。

02

TensorFlow 卷积神经网络实用指南：1~5

TensorFlow 是 Google 创建的开源软件库，可让您构建和执行数据流图以进行数值计算。在这些图中，每个节点表示要执行的某些计算或功能，连接节点的图边表示它们之间流动的数据。在 TensorFlow 中，数据是称为张量的多维数组。张量围绕图流动，因此命名为 TensorFlow。

01

Python Web 深度学习实用指南：第一、二部分

本节介绍人工智能（AI）的定义，并说明 AI 在很大程度上如何影响网络。它还简要讨论了机器学习的基础。

03

CS231n课程笔记翻译：图像分类笔记（上）

本文智能单元首发，译自斯坦福CS231n课程笔记image classification notes，由课程教师Andrej Karpathy授权进行翻译。本篇教程由杜客翻译完成。ShiqingFan对译文进行了仔细校对，提出了大量修改建议，态度严谨，帮助甚多。巩子嘉对几处术语使用和翻译优化也提出了很好的建议。张欣等亦有帮助。作者：杜客链接：https://zhuanlan.zhihu.com/p/20894041 来源：知乎图像分类目标这一节我们将介绍图像分类问题。所谓图像分类问题，就是已有固定

06

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭