0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀(guān)看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

PIGEON:借助OpenAI的CLIP神經(jīng)網(wǎng)絡(luò),精準(zhǔn)預(yù)測(cè)圖像地理位置

微云疏影 ? 來(lái)源:綜合整理 ? 作者:綜合整理 ? 2024-01-05 10:44 ? 次閱讀

1 月 5 日?qǐng)?bào)道,斯丹佛大學(xué)科研團(tuán)隊(duì)以 OpenAI 研發(fā)的 CLIP 神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),設(shè)計(jì)出攝影圖像定位項(xiàng)目 PIGEON,它能根據(jù)街景圖推測(cè)拍攝地所在,精準(zhǔn)度高達(dá) 92%。

借助 PIGEON APP,僅需一張街景照,就能有效確定位置,精確度高達(dá) 92%。更有逾 40%的時(shí)間,可以將定位結(jié)果精準(zhǔn)至離實(shí)際位置 25 公里之內(nèi)。

wKgZomWXbP2AEB13AAF3WDD5bJw682.png

且據(jù)悉,PIGEON 已在與知名 GeoGuessr 玩家 Trevor Rainbolt 的角逐中取得六連勝佳績(jī),成為 GeoGuessr 游戲中的頂尖高手,實(shí)力位列全球前 0.01%之列。

而正是GeoGuessr這樣的地理問(wèn)答游戲,自 2013 年 5 月 9 日起由瑞典IT專(zhuān)家安東·瓦倫設(shè)立并發(fā)布,玩家將隨機(jī)置身某個(gè)谷歌街景中,僅憑有限信息猜出處。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀(guān)點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4726

    瀏覽量

    100315
  • Clip
    +關(guān)注

    關(guān)注

    0

    文章

    30

    瀏覽量

    6631
  • OpenAI
    +關(guān)注

    關(guān)注

    9

    文章

    1014

    瀏覽量

    6347
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    鴻蒙語(yǔ)言基礎(chǔ)類(lèi)庫(kù):system.geolocation 地理位置

    獲取設(shè)備的地理位置。
    的頭像 發(fā)表于 07-17 09:37 ?242次閱讀
    鴻蒙語(yǔ)言基礎(chǔ)類(lèi)庫(kù):system.geolocation <b class='flag-5'>地理位置</b>

    python做bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種多層前饋神經(jīng)網(wǎng)絡(luò),通過(guò)反向傳播算法進(jìn)行訓(xùn)練。它在許多領(lǐng)域,如模式識(shí)別、數(shù)據(jù)挖掘、預(yù)測(cè)分析等,都有廣泛的應(yīng)用。本文將
    的頭像 發(fā)表于 07-11 10:54 ?744次閱讀

    bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型建模步驟

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種多層前饋神經(jīng)網(wǎng)絡(luò),其核心思想是通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,從而實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的預(yù)測(cè)或分類(lèi)
    的頭像 發(fā)表于 07-11 10:52 ?356次閱讀

    神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建方法

    神經(jīng)網(wǎng)絡(luò)模型作為一種強(qiáng)大的預(yù)測(cè)工具,廣泛應(yīng)用于各種領(lǐng)域,如金融、醫(yī)療、交通等。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建方法,包括模型設(shè)計(jì)、數(shù)據(jù)集準(zhǔn)備、模型訓(xùn)練、驗(yàn)證與評(píng)估等步驟,并附以代碼
    的頭像 發(fā)表于 07-05 17:41 ?504次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型的分類(lèi)有哪些

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型,它在許多領(lǐng)域,如圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、預(yù)測(cè)分析等有著廣泛
    的頭像 發(fā)表于 07-05 09:13 ?765次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問(wèn)題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問(wèn)題,研究者們提出了一些改進(jìn)的BP
    的頭像 發(fā)表于 07-03 11:00 ?516次閱讀

    神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小怎么看

    神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小是衡量神經(jīng)網(wǎng)絡(luò)性能的重要指標(biāo)之一。本文將介紹如何評(píng)估神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小,包括誤差的定義、評(píng)估方法、誤差分析以及誤差優(yōu)化
    的頭像 發(fā)表于 07-03 10:41 ?604次閱讀

    神經(jīng)網(wǎng)絡(luò)擬合的誤差怎么分析

    神經(jīng)網(wǎng)絡(luò)擬合誤差分析是一個(gè)復(fù)雜且深入的話(huà)題,涉及到多個(gè)方面,需要從數(shù)據(jù)質(zhì)量、模型結(jié)構(gòu)、訓(xùn)練過(guò)程和正則化方法等多個(gè)角度進(jìn)行綜合考慮。 引言 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)模型,廣泛應(yīng)用于各種領(lǐng)域,如圖像
    的頭像 發(fā)表于 07-03 10:36 ?416次閱讀

    如何使用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和預(yù)測(cè)

    神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù),可以用于建模和預(yù)測(cè)變量之間的關(guān)系。 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)是一種受人腦啟發(fā)的計(jì)算模型,由大量的節(jié)點(diǎn)(神經(jīng)
    的頭像 發(fā)表于 07-03 10:23 ?523次閱讀

    bp神經(jīng)網(wǎng)絡(luò)模型怎么算預(yù)測(cè)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡(jiǎn)稱(chēng)BP網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,從而實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的
    的頭像 發(fā)表于 07-03 09:59 ?525次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理與實(shí)現(xiàn)

    1.卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱(chēng)CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、視頻分析、自然語(yǔ)言處理等領(lǐng)域。 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-02 16:47 ?380次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的含義和用途是

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,包括圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、推薦系統(tǒng)、預(yù)測(cè)分析等。 一、人工神經(jīng)網(wǎng)絡(luò)的含義 定義:人工神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-02 10:07 ?460次閱讀

    神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)圖像識(shí)別領(lǐng)域的應(yīng)用日益廣泛。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的特征提取和分類(lèi)能力,為圖像識(shí)別帶來(lái)了革命性的進(jìn)步。本文將詳細(xì)介紹
    的頭像 發(fā)表于 07-01 14:19 ?521次閱讀

    實(shí)現(xiàn)圖像識(shí)別神經(jīng)網(wǎng)絡(luò)的步驟

    我們的下一個(gè)任務(wù)是使用先前標(biāo)記的圖像來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò),以對(duì)新的測(cè)試圖像進(jìn)行分類(lèi)。因此,我們將使用nn模塊來(lái)構(gòu)建我們的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 01-22 10:01 ?886次閱讀
    實(shí)現(xiàn)<b class='flag-5'>圖像</b>識(shí)別<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟

    卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)

    卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)? 卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是一種基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型,在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域有著廣泛
    的頭像 發(fā)表于 12-07 15:37 ?3876次閱讀