-
编辑 删除
「杂谈」计算机视觉人脸图像的十几个大的应用方向，你懂了几分？
2020-02-16 13:45:50文/编辑 | 言有三人脸图像属于最早被研究的一类图像，也是计算机视觉领域中应用最广泛的一类图像，可以说掌握好人脸算法，基本就玩转了计算机视觉领域。在经历了几十年的发展后，现在人脸图像都有哪些研究和应用领域呢？本文从人脸特征，人脸检测，人脸关键点检测，人脸识别，人脸属性分析，人脸分割，人脸美颜，人脸编辑与风格化，三维人脸重建等方向来进行简单介绍。人脸特征人脸的特
-
编辑 删除
DeepMind发布神经网络、强化学习库，网友：推动JAX发展
DeepMind今日发布了Haiku和RLax两个库，都是基于JAX。JAX由谷歌提出，是TensorFlow的简化库。结合了针对线性代数的编译器XLA，和自动区分本地 Python 和 Numpy 代码的库Autograd，在高性能的机器学习研究中使用。而此次发布的两个库，分别针对神经网络和强化学习，大幅简化了JAX的使用。Haiku是基于JAX的神经网络库，允许用户使用熟悉的面向对象程序设计模
-
编辑 删除
达摩院医疗AI在26家医院上岗，已诊断3万个疑似肺炎病例
2020-02-21 18:51:492月21日，记者获悉，达摩院医疗AI已在湖北、上海、广东、江苏等16个省市的26家医院上岗，截至目前，达摩院AI已对3万个临床疑似新冠肺炎病例CT影像进行了诊断，单个病例影像分析可在20秒内完成，准确率达到96%。据介绍，该技术将很快在全国100多家新冠肺炎定点医院完成部署应用。疫情早期，由于确诊案例样本量少，医疗机构缺少高质量临床诊断数据，核酸检
-
编辑 删除
YOLO之父退出CV界表达抗议，拒绝AI算法用于军事和隐私窥探
晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI今天，AI学术界发生了一场大地震。YOLO算法作者Joseph Redmon在个人Twitter上宣布，将停止一切CV研究，原因是自己的开源算法已经用在军事和隐私问题上。这对他的道德造成了巨大的考验。YOLO是计算机视觉领域最知名的目标检测算法之一，也因为开源被业界广泛采用。作者Joseph Redmon曾凭借该算法获得过2016
-
编辑 删除
研究型AI面试怎么过？Reddit网友谷歌面试经验分享 | 附资源
2020-02-18 10:53:54十三 发自 凹非寺量子位 报道 | 公众号 QbitAI大多数学生在求职前，都会经历实习的过程，那么面试就必不可少。Reddit上一位NLP领域研究生便提出了这样一个问题：研究型实习岗位面试时，会被问哪些问题？这些问题主要考验自己的经验，还是对领域了解的程度？想必这个问题也反映了大多数学生的心声。那么Reddit网友又给出了怎样的答案呢？Reddi
-
编辑 删除
OpenAI不Open：闭门造车、融资不断，创始人马斯克：应该更加开放
2020-02-19 12:49:59鱼羊 发自 凹非寺量子位 报道 | 公众号 QbitAIOpenAI再度引发热议。这次起因却是一篇深度特稿。此前，创立于2015年12月的OpenAI，在短短4年间，已经成为全世界最具盛名的AI研究机构。但盛名之下，却也伴随着质疑：CloseAI？宣传太过火？现在，MIT科技评论记者Karen Hao在30多次采访之后，为大众揭开了OpenAI神秘
-
编辑 删除
AI助各地返工：重庆语音机器人、北京无人配送、广州人脸识别测温
2020-02-18 23:46:12随着全国各地陆续开始返工浪潮，人工智能技术也有了特别的用武之地。据新华社报道，重庆市18日在全市范围推广使用智能语音机器人系统，通过机器人自动拨打12345政务服务热线，电话调研、摸排返城复工人员及其他市民身体状况、出行情况等信息。智能语音机器人每分钟可拨打3500个调查电话，从而实现所有返城复工人员疫情防控摸排全覆盖，还能实现24小时不间断监控，对于数据异常
-
编辑 删除
计算机视觉应用：深度学习的力量和局限性
2020 年 1 月 20 日 15:14从人工智能发展的早期开始，计算机科学家就一直梦想着创造出能像我们一样看世界和理解世界的机器，这些努力推动了计算机视觉的出现。本文最初发布于 TechTalks 博客，经原作者授权由 InfoQ 中文站翻译并分享。图片提供：Depositphotos本文是“解密人工智能”系列文章的一部分。该系列文章（试图）消除有关人工智能的术语和传说的歧义。从人工智能发展的
-
编辑 删除
AI 数据标注不是“脏活累活”
2020 年 1 月 14 日 13:58如果将人工智能比作“火箭”，那么，数据就是助推火箭上升的“燃料”。机器学习依赖大量的已标注数据，数据标注让机器理解并认识世界。数据标注是人工智能发展过程中不可缺的一环，是 AI 金字塔构建的基础力量。与 AI “台前”的繁荣、高光形成鲜明对比的是，数据标注往往居于幕后，常被人忽视，也受到一些偏见，“血汗工厂”、“AI 富士康”、“新型民工”…随着 AI 深
-
编辑 删除
疫情阻击战AI显身手 安企如何添油加力？
安防行业当前处于发展变革的关键时期，在“安防＋AI”大趋势下，AI等前沿技术与安防产业应用不断融合。近期，许多安防企业运用人工智能技术，助力防控新型冠状病毒疫情，下面，我们就来稍作了解。 大华股份联合阿里安全推出“AI防疫师”，具备实时精准测体温、是否佩戴口罩识别、预警和追踪高危人群等功能，可在园区、办公室、商场、地铁站、机场等人群密集的公共场所快速部署，通过无接触的方式，随时掌控高危人群动态，
-
编辑 删除
重识别（re-ID）特征适合直接用于跟踪（tracking）问题么？
本文要介绍的是澳洲国立大学（Australian National University）郑良老师实验室和清华大学电子系计算机视觉实验室合作的工作《Locality Aware Appearance Metric for Multi-Target Multi-Camera Tracking》。文章指出跟踪（tracking）问题和重识别（re-ID）问题存在一个本质区别：局部匹配vs全局匹配。跟踪
-
编辑 删除
47.4mAP！最强Anchor-free目标检测网络：SAPD
作者：AmusiDate：2019-12-10微信公众号：CVer链接：47.4mAP！最强Anchor-free目标检测网络：SAPD前言最近目标检测相关的论文非常多，可见Object Detection还是有很多工作(坑)可以做(填)的。上次 Amusi 就整理了近期值得关注的目标检测论文，详见：一文看尽16篇目标检测最新论文（ATSS/MnasFPN/SAPD/CSPNet/SM-NAS等）
-
编辑 删除
联邦学习将带来全新的数据合作生态系统
联邦学习将带来全新的数据合作生态系统联邦学习（Federated Learning）在 2016 年由谷歌最先提出，是一种新兴的人工智能基础技术。在谷歌 2019 年第二季度的财报会议中，谷歌 CEO 桑达尔·皮查伊强调，对谷歌来说，联邦学习和一些其他的隐私管控是其现阶段重点的关注和努力方向。他说：“我们一直以来都很关注用户的隐私及管理，三年来我们一直在提议并推进联邦学习的使用，这也是我们现阶段的
-
编辑 删除
Alphabet 将通过 AI 主导智慧城市合约
Alphabet 将通过 AI 主导智慧城市合约凭借其强大的 IoT 和机器学习能力，这家一万亿美元的 Al 巨头正在积极布局城市发展及智慧城市规划领域。通过联手政府，Alphabet 正在许多城市创造新的街区，并重新规划房地产、公共能源设施、交通等布局。去年第二季度，Alphabet 旗下子公司 Sidewalk Labs 发布了一份 1500 页的方案，其中详述了如何通过与政府和其他企业的合作
-
编辑 删除
AutoML：未来“让 AI 学习设计 AI”
AutoML：未来“让 AI 学习设计 AI”机器学习的兴起带动了这一波人工智能的浪潮。而自动机器学习 AutoML 则有可能引领下一代潮流。AutoML 是一套用于自动化神经网络设计和训练的 AI 工具套件，它通过减少对 AI 专业知识的依赖，降低企业的准入门槛，使技术更民主化。通常，构建表现优良的机器学习应用，需要非常专业的数据科学家和领域专家。而 AutoML 的目标则是在即使没有统计学和机
-
编辑 删除
能源驱动的 AI 将会被用来解决能源问题
能源驱动的 AI 将会被用来解决能源问题2020 年，更节省能源的 AI 将成为一个重要的话题。从科技巨头、汽车制造商到油气巨头，无一不在寻求削减成本、提升效率、降低能耗。一直以来，我们都在说人工智能，也在强调其所需要的算力。但是算力不是凭空产生的，是需要消耗能量的。在我们不断强调要提高算力让 AI 变得更聪明的时候，我们也需要考虑使用更具可持续性的能源解决方案。现阶段 AI 的进步多是自上而下的
-
编辑 删除
量子机器学习为传统的AI算法注入活力
量子机器学习为传统的AI算法注入活力我们将很快看到结合了传统机器学习算法与量子 AI 的模型的实际应用。二进制计算中信息存储为 0 或 1。与二进制计算不同的是，量子计算机是基于量子比特的。量子比特可以是 0 到 1 的任意值，或者同时具有这两个值的属性。因此，在运行计算方面有很大的优势。但是，我们与传统计算机交互的方式并不适用于量子计算机。它需要专门的数据、算法以及编程。量子机器学习借鉴了传统机
-
编辑 删除
解决AI的小数据问题
解决AI的小数据问题对深度学习算法，如果没有足够多的数据进行训练，有两种方法可以解决这个问题：生成合成数据，或者开发可利用小数据展开工作的 AI 模型。众所周知，深度学习需要数据，其模型训练都是在大量标记数据的基础上进行的，比如，利用数以百万计的动物标记图像训练 AI 学会识别。但大量标记数据对某些应用来说并不适用，在这种情况下，从头开始训练一个 AI 模型，即使可能，也充满了困难。一个潜在的解决
-
编辑 删除
GPT-2：OpenAI的NLP商业化野望
文章回顾了近几年NLP的升级历程，从三个阶段的发展带我们梳理了NLP演进的脉络。自然语言处理（NLP）技术正在生活的方方面面改变着我们的生活。客厅的智能音箱在跟你每天的对话中飞速进步，甚至开始跟你“插科打诨”来适应你的爱好习惯。电商客服总是能在第一时间回复，可能处理完你的问题，你也并未发觉TA可能只是一个智能客服。现实版的“图灵测试”每天都在发生。经常查阅外文资料的你也许早已习惯网页或几家搜索引擎
-
编辑 删除
目标检测三大开源神器：Detectron2/mmDetection/SimpleDet
作者：AmusiDate：2019-12-12来源：CVer 微信公众号链接：目标检测三大开源神器：Detectron2/mmDetection/SimpleDet前言近期目标检测论文真的巨多，大家可以看这篇文章感受一下：一文看尽16篇目标检测最新论文（ATSS/MnasFPN/SAPD/CSPNet/DIoU Loss等）其实很多同学并没有时间看论文，或者说细读论文。Amusi 经常开
