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)。
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)
-
Clip
-
OpenAI
相關(guān)推薦
獲取設(shè)備的地理位置。
發(fā)表于 07-17 09:37
?242次閱讀
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
發(fā)表于 07-11 10:54
?744次閱讀
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)
發(fā)表于 07-11 10:52
?356次閱讀
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
發(fā)表于 07-05 17:41
?504次閱讀
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
發(fā)表于 07-05 09:13
?765次閱讀
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
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
發(fā)表于 07-03 10:41
?604次閱讀
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
發(fā)表于 07-03 10:36
?416次閱讀
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)
發(fā)表于 07-03 10:23
?523次閱讀
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
發(fā)表于 07-03 09:59
?525次閱讀
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)
發(fā)表于 07-02 16:47
?380次閱讀
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)是
發(fā)表于 07-02 10:07
?460次閱讀
隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在圖像識(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
發(fā)表于 07-01 14:19
?521次閱讀
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)。
發(fā)表于 01-22 10:01
?886次閱讀
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
發(fā)表于 12-07 15:37
?3876次閱讀
評(píng)論