1 月 5 日報(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，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這樣的地理問答游戲，自 2013 年 5 月 9 日起由瑞典IT專家安東·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或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。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)問題，請聯(lián)系本站處理。
舉報(bào)投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4809瀏覽量
102863 -
Clip
+關(guān)注
關(guān)注
0文章
32瀏覽量
6978 -
OpenAI
+關(guān)注
關(guān)注
9文章
1202瀏覽量
8655
發(fā)布評論請先 登錄
相關(guān)推薦
熱點(diǎn)推薦
BP神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用
BP神經(jīng)網(wǎng)絡(luò)在圖像識別中發(fā)揮著重要作用，其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá)，適用于處理非線性問題。以下是對BP神經(jīng)網(wǎng)絡(luò)在圖像識別中應(yīng)
卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較
在深度學(xué)習(xí)領(lǐng)域，神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù)，如圖像識別、自然語言處理和游戲智能等。其中，卷積神經(jīng)網(wǎng)絡(luò)（CNNs）和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
python做bp神經(jīng)網(wǎng)絡(luò)預(yù)測數(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)，通過反向傳播算法進(jìn)行訓(xùn)練。它在許多領(lǐng)域，如模式識別、數(shù)據(jù)挖掘、預(yù)測分析等，都有廣泛的應(yīng)用。本文將
bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型建模步驟
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)，其核心思想是通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，從而實(shí)現(xiàn)對輸入數(shù)據(jù)的預(yù)測或分類
神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(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)證與評估等步驟，并附以代碼
人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些
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，如圖像識別、語音識別、自然語言處理、預(yù)測分析等有著廣泛
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，如語音識別、圖像識別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長、對初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進(jìn)的BP
神經(jīng)網(wǎng)絡(luò)預(yù)測誤差大小怎么看
神經(jīng)網(wǎng)絡(luò)預(yù)測誤差大小是衡量神經(jīng)網(wǎng)絡(luò)性能的重要指標(biāo)之一。本文將介紹如何評估神經(jīng)網(wǎng)絡(luò)預(yù)測誤差大小，包括誤差的定義、評估方法、誤差分析以及誤差優(yōu)化
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
如何使用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和預(yù)測
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)
bp神經(jīng)網(wǎng)絡(luò)模型怎么算預(yù)測值
BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡稱BP網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，從而實(shí)現(xiàn)對輸入數(shù)據(jù)的
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，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò)
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，包括圖像識別、語音識別、自然語言處理、推薦系統(tǒng)、預(yù)測分析等。 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
神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用
隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在圖像識別領(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能力，為圖像識別帶來了革命性的進(jìn)步。本文將詳細(xì)介紹
工商網(wǎng)監(jiān)
評論