以下是一个流程图，每一步都标记 LB 分数。
https://www.kaggle.com/c/landmark-retrieval-challe
10. 学会 “夜视”
这是伊利诺伊大学香槟分校（UIUC）和 Intel Labs 合作的论文，提出一个基于端到端训练的用全卷积网络进行低照度图像处理的模型。这个网络直接处理原始传感器数据，并且基本不使用传统的图像处理流程。
视频介绍：
论文地址：https://arxiv.org/abs/1805.01934
两个大型新数据集
伯克利大学发布大型驾驶视频数据集 BDD100K
伯克利大学发布了 BDD100K，这是目前为止最大规模也是最多样化的驾驶视频数据集。这些数据具有四个主要特征：大规模，多样化，在真实的街道采集，并带有时间信息。利用这个数据集，你还可以参加伯克利在 CVPR 2018 举办的自动驾驶竞赛。
地址：http://bair.berkeley.edu/blog/2018/05/30/bdd/
骨骼 X-ray 数据集
Andrew Ng 带领的斯坦福大学 ML 团队发布了一个目前为止最大规模的医学影像数据集 MURA（musculoskeletal radiographs），这个数据集包含 4 万多张多角度射线检测图像，来自对 12173 名病人的 14863 项研究，X 光影像包含人体上肢的 7 个部分：肘、指、小臂、手、肱、肩、腕。最近，该团队推出了基于此数据集的识别挑战赛：MURA 骨骼 X-ray 深度学习竞赛。
https://stanfordmlgroup.github.io/competitions/mura
分享到:
閱讀更多 新智元 的文章
