美国科技界高度关注中国“天机芯”
美国科技界高度关注中国“天机芯”2019-08-04 19:42据新华视点报道,近日,中国科学家研制成功面向人工通用智能的新型类脑计算芯片——“天机芯”,并成功在无人驾驶自行车上进行了实验,引起美国科技界高度关注。 “天机芯”是一款新型人工智能芯片,把人工通用智能的两个主要研究方向,即基于计算机科学和基于神经科学这两种方法,集成到一个平台,可以同时支持机器学习算法和现有类脑计算算法。研究人员在一辆
计算机视觉迈进新征程“玩家”找出哪些新玩法?
当前,计算机视觉的已经成为了一个跨学科的领域,计算机视觉源于1980年左右的神经网络技术,但是直到近几年才真正实现了大规模商业化落地。大规模的资金进入,促使更多专注于计算机视觉的企业不断出现,这些企业在不同的领域通过计算机视觉技术不断的改造升级着原有的商业模式。作为一个灵感来自人类视觉大脑皮层的技术,我们现在是否已经处在机器物体探测或分类能力与人类视觉相当,甚至更强的阶段了呢?旷视科技:AI鼻纹识
人工智能应用于智慧社区
"智慧社区"是"智慧城市"的基础,人工智能、物联网、云计算、大数据等智能化技术的崛起和应用,正构建起全新的城市社区生态圈。传统的社区管理模式是独立运营的社区,城市主管部门无法实时了解社区情况,社区出现异常事件时,处警效率低下。长期以来,我国从中央到地方都极为重视社区的信息化建设,不过成效并不显著,许多围绕社区的智慧解决方案很多最后都变成了单纯的管理手段切换,
李岩:AI 技术贯穿于快手的产品骨髓之中
5月25日-26日,由中国人工智能学会主办,南京市麒麟科技创新园管理委员会与京东云共同承办的2019全球人工智能技术大会(2019 GAITC)在南京紫金山庄成功举行。在第二天的人工智能与媒体融合前沿论坛上,快手科技多媒体内容理解部负责人李岩发表了主题为《媒体融合:内容与技术的融合》的精彩演讲。李岩 快手科技多媒体内容理解部负责人以下是李岩的演讲实录:我的分享分为三部分。第一部分简单介绍一下快手;
「干货」图像算法之3D人脸识别技术原理概述
2019-08-01 10:27:22随着深度学习技术的进步,面部相关任务的研究也成为学术界和工业界的热门话题。众所周知的面部任务通常包括面部检测,面部识别,面部表情识别等,其主要使用2D RGB面部(通常包括一些纹理信息)作为输入; 3D扫描成像技术的出现为面部相关任务 - 3D面部开发了一条新的探索路线。与许多2D面部相关的任务介绍性文献/评论文章相比,3D面部的入门知识还不够好。本文将回顾和
CFO内参:企业AI转型的错误认识及四大重要事项
人工智能(AI)正在重塑商业,颠覆还未真正到来,甚至速度不像想象的那么快,但是相比电脑、互联网发展而言依然迅猛。开发平台、强大的处理能力以及庞大的数据存储空间等AI背后的技术,正在迅速发展,亚马逊在中国甚至放弃电商领域的发展,直接往可扩展的云计算服务平台上发展,可见其中未来的巨大市场前景,甚至高校也在摸索拟开设有关课程。虽然前景巨大,但是企业真实的发展依然缓慢,大多数企业只在部分或某个业务流程里试
一文看懂自然语言生成 - NLG(6个实现步骤+3个典型应用)
2019-08-01 11:58:27自然语言生成 – NLG 是 NLP 的重要组成部分,他的主要目的是降低人类和机器之间的沟通鸿沟,将非语言格式的数据转换成人类可以理解的语言格式。本文除了介绍 NLG 的基本概念,还会介绍 NLG 的3个 Level、6个步骤和3个典型的应用。什么是 NLG?NLG 是 NLP 的一部分NLP = NLU + NLG自然语言生成 – NLG 是 N
Keras之父:我担心的是AI被社交媒体操控
作者 | François Chollet免责声明:本文仅代表我的个人观点,与我所在的企业无关。如果你引用本文内容,请忠于文内的个人结论,并根据实际情况作出客观判断。如果你是八零后或者九零后,可能还记得如今早已不复存在的“电脑恐惧症”现象。直到二十一世纪初,这一问题还仍然存在——随着个人计算机全面进入我们的生活、工作场所以及家庭,很多人开始抱有焦虑、恐惧甚至是攻击性态度。虽然一部分人为计算机所吸引
学机器学习要选择 Python 的13个原因
来源|QIKUPython程序语言与机器学习实践可以称得上是“珠联璧合”。1. Python是解释语言,程序写起来非常方便写程序方便对做机器学习的人很重要。因为经常需要对模型进行各种各样的修改,这在编译语言里很可能是牵一发而动全身的事情,Python 里通常可以用很少的时间实现。举例来说,在 C 等编译语言里写一个矩阵乘法,需要自己分配操作数(矩阵)的内存、分配结果的内存、手动对 BLAS 接口调
全球AI三巨头仍值得期待?百度AI比肩谷歌亚马逊全方位开枝散叶
https://www.toutiao.com/a6720043392954286595/ 近日,US News点评了全球十大最值得关注的AI股,百度与谷歌、亚马逊等公司入围榜单,并与腾讯一起成为入选的仅有两家中国企业。文章评价道,谷歌母公司Alphabet大举投资人工智能,并利用人工智能驱动或自动化其业务线,生产出自动驾驶技术、图像和语音识别软件等服务。作为第二家估值达到1万亿美元的公司,亚马逊
「SAP技术」SAP不够严谨?
「SAP技术」SAP不够严谨?大家知道采购业务里,有一种特殊的采购形式,就是按单采购,意思是所采购的物料只用于指定的销售订单的销售出库。这种业务场景在SAP项目实践中,比较常见。强大无比的SAP系统当然有解决方案。通常做法是在采购订单的账户分配类别(Account Assignment Category)栏位给一个值比如C(sales order)或者M或者复制它们创建一个新的自定义的账户分配类别
这家中国AI公司,正在打入新加坡AI“腹地”
乾明 发自 新加坡量子位 报道 | 公众号 QbitAI中国AI公司,海外吸引业内专家又有新动向。刚刚,AI安防新势力澎思科技宣布,成立澎思技术委员会,新加坡多位AI专家加入。与此同时,澎思新加坡研究院也正式揭牌,并与新加坡国家人工智能项目AI Singapore (AISG)、新加坡国立大学、新加坡南洋理工学院、新加坡大型保安服务公司SOVERUS等机构签订了合作备忘录。澎思科技,正式成立于20
「AI不惑境」计算机视觉中注意力机制原理及其模型发展和应用
大家好,这是专栏《AI不惑境》的第七篇文章,讲述计算机视觉中的注意力(attention)机制。进入到不惑境界,就是向高手迈进的开始了,在这个境界需要自己独立思考。如果说学习是一个从模仿,到追随,到创造的过程,那么到这个阶段,应该跃过了模仿和追随的阶段,进入了创造的阶段。从这个境界开始,讲述的问题可能不再有答案,更多的是激发大家一起来思考。作者&编辑 | 言有三Attention机制在近几
一文读懂计算机视觉中的深度域适应
全文共4378字,预计学习时长8分钟图片来源:pexels.com/@omarhouc在过去十年里,人们在计算机视觉领域取得了巨大进步。这一进展主要归功于卷积神经网络(CNNs)。如果使用高质量带有注释的训练数据进行训练,卷积神经网络可以进行非常精确的预测。例如,在分类设置中,通常可以使用其中一种标准化网络体系架构(ResNet,VGG等),并使用数据集对其进行训练,其结果可能表现优异。另一方面,
“刷脸”时代到来,你不知道的那些人脸识别技术
过去的2018年,是人脸识别技术全面应用的重要一年,“刷脸”时代正式到来。手机解锁实现了从数字密码、指纹到人脸的新鲜跳跃;多所高校入学季尝试了人脸注册;肯德基部分餐厅上线“刷脸”支付……今天,我们就来聊聊这个时代新宠儿——人脸识别。先看一组数据。2010年,我国人脸识别行业市场规模是3.77亿元,2011年来几乎是直线上升状态,到2016年达到17亿元。2017年到2018年的增速都超过20%。0
新加坡工程院院士陈义明教授论人工智能与机器人的近况与发展
7 月 12 日-7 月 14 日,在深圳2019 第四届全球人工智能与机器人峰会(CCF-GAIR 2019)正式召开。峰会是国内人工智能和机器人学术界、投资界及工业界三大领域的顶级交流博览盛会,想要打造国内人工智能领域极具实力的跨界交流合作平台。峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导。会后雷锋网有幸能对
房住不炒,来真的了?
房住不炒,来真的了? 7月30日中国高层召开会议,明确了房地产有关内容:会议要求,坚持房子是用来住的、不是用来炒的定位,落实房地产长效管理机制,不将房地产作为短期刺激经济的手段。 对于会议上的房地产相关内容,笔者认为有几个看点: 1:这是在去年末两次会议不提房地产后,今年4月19日与7月30日,连续2次提及房住不炒,再次明确了房地产调控将持续收紧。政策继续
openCV - 角点检测快速算法 FAST
目标在这个章节,我们将理解FAST算法的基本原理并在openCV中使用FAST算法的函数.原理我们看到了几个特性检测器,其中很多都非常好. 但是从实时应用的角度来看,它们还不够快. 一个很好的例子:比如要在计算资源有限的移动机器人上应用SLAM技术 (即使定位和地图构建技术) 将出现问题。一个解决方案就是采用FAST算法,由Edward Rosten和Tom Drummond在他们2006年的论文
Facebook模型FixResNeXt升级,再次刷新ImageNet图像分类记录
2019-07-30 13:57:37Facebook AI宣布,他们的FixResNeXt预训练模型在ImageNet排行榜的图像分类任务中登上第一名的宝座,再次刷新了该项记录。研究人员提出一种简单而高效的策略,用以优化训练集和测试集的分辨率,从而提高了分类器的准确度,并降低了训练时间。相关代码和预训练模型均已开源。https://www.toutiao.com/a671933141153218
海量案例!生成对抗网络(GAN)的18个绝妙应用
全文共6531字,预计学习时长13分钟图片来源:pexels.com/@gravitylicious生成对抗网络(GAN)是生成模型的一种神经网络架构。生成模型指在现存样本的基础上,使用模型来生成新案例,比如,基于现存的照片集生成一组与其相似却有细微差异的新照片。GAN是使用两个神经网络模型训练而成的一种生成模型。其中一个称为“生成器”或“生成网络”模型,可学习生成新的可用案例。另一个称为“判别器