向现有算法宣战!麻省理工、IBM合推新型数据集
在人工智能领域中的图像分类问题上,最常用来训练和测试的数据集是 ImageNet,它也是全球最大的“CV 习题库”。近日,麻省理工学院和 IBM 研究人员组成的团队,共同创建了一个与之不同的图像识别数据集 ObjectNet,难倒了世界上最好的计算机视觉模型。需要提示的是,这里的最好或最强指的不是某一个模型,而是一类高性能的视觉模型。在 ImageNet 测试中实现准确率高达 97% 的计算机视觉
2019中国年度AI评选揭晓!50大领航企业、10大商业人物与创新产品
2019-12-06 12:27:42刚刚,2019中国人工智能年度评选正式揭晓!在量子位MEET 2020智能未来大会的现场,50大领航企业、10大商业突破人物,10大创新产品等年度奖项悉数颁出。今年9月,量子位正式开启了年度评选。在过去3个月时间里,共有超过300家企业、机构和个人报名,参与评选。最终,以真实数据为基础,结合2019年以来量子位对数百家AI公司的实际访谈、调研及分析
【眼界】NLP 迎来了黄金时代
作者丨王斌策划丨刘燕来自 | InfoQ时钟拨回到 20 年前。那一年,我以机器翻译方向的博士毕业,到几家单位应聘。当年,毕业的博士还很少。因此,应聘单位对我似乎还是网开一面,这导致我经历的应聘过程都十分轻松短暂。几个单位基本只关心两个问题:第一,“你是博士?“,第二,“你会 C++ 吗?“ 当得到肯定的答复之后,对方就给了 offer。虽然这么容易拿到了 offer,但其实我
倒下的RoadStar结局来了:VC清盘止损,三位创业者承担1亿债务
2019-12-03 13:10:17李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI因利而聚,以内讧而亡。中国倒下的第一家无人驾驶公司RoadStar(星行科技),最近有了一系列结果。项目遭投资方清盘,合伙人相互诉告有了结果,但最苦涩的莫过于三个闹崩的创始人,还得联合承担上亿元连带债务。如果被进一步列入失信名单,还会“老赖”之名加身,生活工作发展均受影响。总之谁也没想到,曾经
IROS 2019 机器视觉全球挑战赛:赋予 AI 终生学习能力(附冠军算法模型)
近日,Lifelong Robotic Vision 挑战赛在澳门 IROS 2019 大会上成功举办。本次竞赛吸引到共 150 个参赛队,实际提交 40 个有效成绩。多位机器人领域大咖来到现场进行特邀报告和圆桌讨论,包括:意大利技术研究院科学主任 Giorgio Metta 教授、汉堡大学张建伟教授、浙江大学章国锋教授等知名学者,演讲主题从 Lifelong Learning 算法到 SLAM
分析自家150个ML模型后,这家全球最大旅行网站得出了6条经验教训
在许多媒体文章中,我们都能看到「机器学习赋能 XX 行业」的字眼,但这种「能量」究竟体现在哪些方面,企业在引入机器学习模型的过程中要注意哪些问题,很多文章都没有说清楚。在今年的 KDD 大会接收论文中,全球最大的线上旅行代理网站 Booking.com(缤客网)贡献了一篇论文,分析了他们面向客户的 150 个成功的机器学习应用以及从中得到的六条经验教训。本文是对这篇论文的简短总结。「150 suc
微软研究院开源DialoGPT:你有什么梦想?「让世界充满机器人」
2019-11-20 12:50:27机器之心发布作者:Yizhe Zhang, Siqi Sun, Michel Galley等自然语言对话生成是人工智能社区面临的一大难题,微软研究院的一项新研究让我们离解决这一难题又更近了一步。他们用 GPT-2 模型——DialoGPT,在大规模 reddit 数据上预训练了一个对话系统,在多个对话数据集上取得了最佳结果。并且经过人类裁判的评测,
学习一个像小鼠一样工作的 CNN
导语:真正的「从生物神经系统得到启发」雷锋网(公众号:雷锋网) AI 科技评论按:当前的基于 CNN 的图像识别模型确实能在许多任务中得到很高的识别准确率、也得到了许多实际应用,但 CNN 模型的泛化性和鲁棒性仍然远逊于人类视觉 —— 面对经过细微修改的、或者带有噪声的图像,人类的视觉识别几乎不受影响,而 CNN 的识别准确率则可能大幅波动;场景和视角也能显著影响 CNN 的表现,更别提
某计算机视觉公众号干货文章集锦
某计算机视觉公众号干货文章集锦 https://mp.weixin.qq.com/s/YYw-Ej8PUJqInWS4fJHOzA 天下事有难易乎?为之,则难者亦易矣;不为,则易者亦难矣。人之为学有难易乎?学之,则难者亦易矣;不学,则易者亦难矣。——《为学》[清]彭端淑 目标检测 聊聊目标检测中Anchor 的" 前
计算机视觉方向文章清单20191105
计算机视觉方向文章清单20191105 计算机视觉方向简介 | 从全景图恢复三维结构计算机视觉方向简介 | 阵列相机立体全景拼接计算机视觉方向简介 | 单目微运动生成深度图计算机视觉方向简介 | 深度相机室内实时稠密三维重建计算机视觉方向简介 | 深度图补全计算机视觉方向简介 | 人体骨骼关键点检测综述计算机视觉方向简介 | 人脸识别中的活体检测算法综述计算机视觉方向简介 |
机器学习工程师方向文章清单
机器学习工程师方向文章清单 现在投身于计算机视觉是否明智?自动化专业如何转SLAM或机器学习岗?在计算机视觉方向如何快速提升自己?如何看待 2020 届校招算法岗「爆炸」的情况?如何应对2020 校招AI算法岗 求职现状?如何激怒一个自动驾驶(无人驾驶、智能汽车)爱好者?SLAM工业现状目前室内机器人、SLAM现状如何?行业内顶尖技术在哪些高校或企业 ?中国计算机视觉的前途在哪?机器视觉
计算机视觉方向干货文章
计算机视觉方向干货文章 “四小龙”同质化竞争“海大宇”增长放缓 计算机视觉(CV)最新笔试常见题「1」 后深度学习时代,计算机视觉技术如何走向未来? 为什么我的 CV 模型不好用?没想到原因竟如此简单…… 深度学习/计算机视觉常见的8个错误总结及避坑指南 计算机视觉技术专利分析&
打造世界AI研究的中心?黄铁军:北京有资源,北京有责任,北京有希望
导语:北京在人工智能的发展上是有“野心”的,这种野心以十年为期~2018年11月初,在北京市政府的支持下,北京智源研究院正式成立,并发布北京智源行动计划。从成立至今,近一年的时间里,在研究院首任理事长张宏江以及研究院首任院长黄铁军等人的推动下,北京智源人工智能研究院已然逐渐成型。在2019年10月31日至11月1日期间,智源研究院成功举办了首届“智源大会”,并定位为“内行人的AI盛会”,在会上可见
NLP领域预训练模型的现状及分析
作者 | 王泽洋单位 | 小牛翻译王泽洋 东北大学自然语言处理实验室研究生,研究方向为机器翻译。小牛翻译,核心成员来自东北大学自然语言处理实验室,由姚天顺教授创建于1980年,现由朱靖波教授、肖桐博士领导,长期从事计算语言学的相关研究工作,主要包括机器翻译、语言分析、文本挖掘等。团队研发的支持140种语言互译的小牛翻译系统已经得到广泛应用,并研发了小牛翻译云(https://
深度学习求解「三体」问题,计算速度提高一亿倍
这篇论文试图通过深度神经网络来解决天体力学中著名的三体问题。早在牛顿的时代,三体问题就已经被提出,即三个可视为质点的天体在相互之间万有引力作用下的运动规律问题,至今无法被精确求解。与之相对的,描述两个天体相互运动的二体问题可以通过牛顿力学完美解决。三体问题在国内的知名度部分来自于科幻小说家刘慈欣的小说《三体》,其中就描述了一个生活在三体星系的地外文明,忍受着三颗恒星复杂多变的运行轨迹带来的变化多端
专访商汤联合创始人林达华:CV 才刚刚开始,远没到鼎盛时期
今年 ICCV 上,华人收录论文数量首次超越了美国,对于华人研究者而言,ICCV 2019 也成为了一场具备“转折点”意义的国际学术顶会。而从现场参会情况来看,无论是参会者、展商,还是 Oral 报告和 Poster 上,刷脸率最高的也当属华人面孔。 在这样的华人高光背景色中,商汤科技无疑是本届ICCV中的 “C 位”角色。作为一家从实验室走出来的 AI 公司,商汤科技在学术领域上一直都
潘云鹤院士:人工智能走向2.0的本质原因——人类世界正由两元空间变成三元空间
从2012年人工智能再次爆发至今已经7年有余,人们逐渐走过了困惑、恐慌和兴奋,特别是中国的大众,由于是没有经历人工智能在70年代和90年代的两次高潮和跌落,表现得尤为明显。经过数年的沉淀,人们对深度学习引领下的人工智能有了更为深刻的认识。北大的黄铁军教授表示,人工智能经历两次起起伏伏后,这次已经翻过了一个坎,我们人类接下来将进入智能时代,而非智能的寒冬。今天(11月3日),潘云鹤院士在人民大学“科
2019年中AI趋势盘点
2019-10-26 21:58:22作者:Michael K. Spencer编译:ronghuaiyang导读年中了,给大家做个AI趋势盘点。作为一个未来主义者,我每天都在思考人工智能的演变。最被炒作的技术也是最复杂、最普遍、最难监测、监管和控制的技术。机器学习实现的发展已经有了“自己的生命”,超出了任何一家公司、国家或学术机构的范围。在资本和创新的驱动下,人工智能是一个 特 洛 伊
训练生成对抗网络的一些技巧和陷阱
作者:Utkarsh Desai编译:ronghuaiyang导读生成对抗网络是个好东西,不过训练比较麻烦,这里有一些技巧和陷阱,分享给大家。生成对抗网络(GANs)是当前深度学习研究的热点之一。过去一段时间,GANs上发表的论文数量有了巨大的增长。GANs已经应用于各种各样的问题。我读了很多关于GANs的书,但是我自己从来没有玩过。因此,在阅读了一些论文和github repos之后,我决定亲自
图神经网络的介绍(基础,DeepWalk和GraphSage)
作者:Steeve Huang编译:ronghuaiyang导读给大家介绍目前非常热门的图神经网络,包括基础和两个常用算法,DeepWalk和GraphSage。近年来,图神经网络(GNN)在社交网络、知识图谱、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN具有对图中节点间依赖关系建模的强大功能,使得图分析相关研究领域取得了突破。本文会介绍图神经网络的基本原理,以及两种更高级的算法,