ITPub博客

近年来，越南经济增长速度保持在7%以上，其中，安防产业已成为当前越南政府整体招商引资计划中的热点部分。2019年8月14日-16日，越南胡志明国际安防展在西贡展览中心盛大开展。据悉，本次展会执行越南公安部门提出的“政府主导、行管牵头、企业商聚、社会参与”的办展理念，将构建以智能型安防技术产品需求为导向，着重加强越南公共安全领域前端感知设备建设、构筑越南公共安全感知网、公安信息化硬件设备升级、公共安

https://www.toutiao.com/a6727033874586534407/ 集成算法的目的是让，让机器学习效果更好，单个不行，群殴走起有一下集中常见集成学习算法：Bagging 训练多个分类器取平均Boosting ：从弱学习器开始加强，通过加权来进行训练 ，加入一棵树，要比原来强 。Stacking：聚合多个分类或回归模型（可以分阶段来做）Bagging模型其全称叫做bootst

8月20日消息，谷歌发布全新的手势识别技术，该技术集成于开源跨平台框架MediaPipe（可为多种类型的感知数据构建处理流程），特点是采用机器学习技术，支持高准确性手势和五指追踪，可根据一帧图像推断出单手的21个立体节点。与目前市面上较先进的手势识别技术相比，谷歌的全新技术不需要依赖台式机来计算，而是在手机上就能进行实时追踪，并且还能同时追踪多只手，可识别遮挡。据谷歌称，该手势识别技术可形成对基础

本文要介绍一篇实时性好，准确率又高的论文：CornerNet-Lite。该论文是由普林斯顿大学的几位学者提出。截止目前，据Amusi所了解，CornerNet-Lite应该是目标检测（Object Detection）中FPS和mAP trade-off最佳算法。注：标题注明"吊打YOLOv3"，这个不是标题党。因为CornerNet-Lite 在FPS和mAP上都超过了YOL

在大多数时候，你是没有足够的图像来训练深度神经网络的。本文将教你如何从小样本数据快速学习你的模型。  为什么我们关心小样本学习？1980年， Kunihiko Fukushima 提出了第一个卷积神经网络。从那时起，由于计算能力的不断提高和机器学习社区的巨大努力，深度学习算法在与计算机视觉相关的任务上从未停止过提高它们的性能。2015年，何凯明和他在微软的团队报告说，他们的模型

作为展示和交流人工智能学术研究进展和技术成果的胜地，无论是 KDD、NeurIPS 等为代表的人工智能细分领域的国际学术会议，还是以 IJCAI 为代表的综合性人工智能学术会议，随着近些年来人工智能技术尤其是深度学习的突破性进展，其火热程度也在日益攀升。KDD 2019 会场一角而除了学术界，工业界在这些国际学术顶会上的参与度和重要度也与日剧增，其中以阿里、京东数科、百度、腾讯、滴滴等为代表的一批

今年 7 月，2019 腾讯广告算法大赛「终极之战」在深圳腾讯滨海大厦顺利举行。本次总决赛现场，腾讯广告高级应用研究员石瑞超为大家带来了题为《广告场景下的 AI 视觉算法应用》的演讲。视觉算法应用于广告创意的三个阶段包括广告创建、广告审核及广告播放。研究员石瑞超为我们展示了 AI 视觉算法在解决广告落地中痛难点的优势与应用方法。以下是他的分享内容，雷锋网 AI 科技评论做了不改变原意的整理与编辑。

8 月 10 日至 16 日，IJCAI 2019 在中国澳门隆重召开。尽管作为一场学术会议，以综合性为长的 IJCAI 在会议中也有探讨 AI 工业应用的部分，其中就有一场由工业界带来的 Panel「AI Challenges in Industries」，圆桌会议邀请了索尼研发副总裁藤田昌宏（Masahiro Fujita）、滴滴副总裁郄小虎、微软首席研究员 John Langford、百度副

想搞强化学习，但算力门槛让不少人望而却步。想想DeepMind训练的通用棋类AI AlphaZero，碾压一票同类选手，但堆砌了实验室里5064个TPU的算力。谷歌财大气粗，但小实验室就无法复制了。没有那么大算力，也可以进行强化学习。这一次，“专注强化学习一百年”的DeepMind又出手了，推出了一个小规模的强化学习环境，适合算力有限的实验室。这个强化学习环境名为Spriteworld的强化学习环

2019-08-19 22:34:49智东西（公众号：zhidxcom）编 | 韦世玮导语：中、美、欧盟在人工智能领域频频秀肌肉，但从这份分析报告看来，中国赶超美国的势头越来越猛了。智东西8月19日消息，美国当地时间8月18日，美国数据创新中心（Center for Data Innovation）发布针对中国、美国和欧洲三大地区的人工智能发展报告，报告显示，目前美国在AI发展中仍然保持领先优势，

一图看懂所有机器学习概念

全文共2961字，预计学习时长6分钟图片来源：unsplash.com/@amadorloureiroblanco深度学习是一个高度迭代的过程。必须尝试超参数的各种排列才能确定最佳组合。因此，在不影响成本的前提下，深度学习模式必须在更短的时间内进行训练。本文将解释深度学习中常用优化算法背后的数学原理。优化算法在算法f(x)中，优化算法可得到f(x)的最大值或最小值。在深度学习中，可通过优化代价函数

2019-08-19 09:10:03来看看微软亚洲研究院的一些牛人推荐的计算机视觉项目，希望对我们的同学们在图像算法方向选择有所帮助。主要分为目标检测，语义和实例分割，人体姿态估计，人脸对齐，高效轻量卷积神经网络结构设计，行人重新识别，视频目标检测，目标跟踪，最近邻搜索等领域。目标检测1. HRNet-对象检测微软亚洲研究院视觉计算小组提出的一种新的骨干网络结构可以学习高分辨率表示并提高目标的空

近些年来，深度神经网络异常火爆，各种深度神经网络架构层出不穷。大有千树万树梨花开，各领风骚数小时的趋势！但不管它结构如何改变，层数如何增加，始终离不开最基本的游戏规则：1.承载计算的节点，2.允许数据流动的连接，3.可变化的节点权重下面我就以自己理解的视角，向大家揭开深度神经网络神秘的面纱。首先，自问自答几个似乎哲学般存在的问题：1.什么是深度神经网络？有很多治学严谨的学者或科学家会给出一堆定义（

选自arXiv作者：Xiongwei Wu, Doyen Sahoo, Steven C.H. Hoi机器之心编译参与：魔王、思从经典的 R-CNN 到今年非常受关注的 CenterNet，目标检测近几年到底有哪些发展？现在都到 2019 年了，基于关键点检测这一新范式效果到底怎么样？对于目标检测，这篇 40 页的综述论文有你想要的所有答案。目标检测是计算机视觉领域中的一个基础视觉识别问题，在近几

导语：机器学习有时候是好的解决方案，有时候则不是。“如果一个人可以在1秒以内完成一项思维任务，那么可能在现在或者不久的将来，我们可以使用人工智能（AI）来自动化处理这项任务。”——吴恩达本文读者大多数比较熟悉机器学习，也会使用相关算法来根据数据对结果进行分类和预测。然而，很重要的一点，就是机器学习并不是解决一切问题的万能 钥匙。机器学习如此有用，所以大家很难接受一个事实——有时候机器学习并不是一个

前两篇笔者分别为大家介绍了AI产品经理需要了解的概率论通识、线性代数通识、微积分通识，本篇文章中，笔者将继续为你介绍AI产品经理需要了解的数据标注，供大家一参考学习。前几天参加京东的AI技术沙龙，在提问环节，有个小伙说：“我是做销售的，刚才您讲的我都没听懂，我就知道，现在AI是风口，只要做AI相关的就能挣钱，您能说几个现在我们这类人能做到吗？能挣钱就行！”台上技术出身的老师自然一时语塞。小伙说的没

导语：许多特性并不是深度神经网络独有雷锋网 AI 科技评论按：8 月 10 日至 16 日，IJCAI 2019 在中国澳门隆重召开。14 日下午，南京大学周志华教授进行特邀大会演讲，演讲主题是《Deep Learning: Why deep and is it only doable for neural networks?》。在演讲中，周志华教授从自己的角度解读了深度神经网络之所以获得成功的本

来源：大数据本文约12000字，建议阅读10分钟。本文为大家介绍机器学习的魅力与可怕。[ 导读 ]作者用超过1.2万字的篇幅，总结了自己学习机器学习过程中遇到知识点。“入门后，才知道机器学习的魅力与可怕。”希望正在阅读本文的你，也能在机器学习上学有所成。00 准备机器学习是什么，人工智能的子类，深度学习的父类。机器学习：使计算机改进或是适应他们的行为，从而使他们的行为更加准确。也就是通过数据中学习

译者 | Major编辑 | 赵雪出品 | AI科技大本营（ID:rgznai100）导语：如果你没能参加 CVPR 2019 ， 别担心。本文列出了会上人们最为关注的 10 篇论文，覆盖了 DeepFakes（人脸转换）, Facial Recognition（人脸识别）, Reconstruction（视频重建）等等。1.Learning Individual Styles of Conver