ITPub博客

谷歌今天在推特上宣布，为其照片应用加入新的AI功能，让你可以在谷歌照片库中搜索照片和截图中出现的文字。然后，您就可以轻松地将该文本复制并粘贴到便笺、文档或表单中。这两项新功能都采用了光学字符识别（OCR）的技术。根据外媒9to5Google的说法，这个功能现在可以在一些Android设备上使用，iOS上现在还无法使用。现在Google已经可以做到从照片库中的任何照片或屏幕截图中获取文本，下一步谷歌

华为凭什么做得好AI和一众新业务？轮值董事长徐直军说：不缺钱。这是在8月23日，华为AI芯片昇腾910正式宣布商用，以及自研AI框架MindSpore开源进展同步后，徐直军接受采访时的回答。这场发布会上，华为昇腾910用数据证明，这将是算力最强的AI芯片，跑分对比，2倍于英伟达V100。而开源框架方面，结合自研芯片，也比TensorFlow和PyTorch展现出更大潜力。但后发的华为凭什么做得好A

作者：Alan L. Yuille, Chenxi Liu编译：ronghuaiyang导读深度学习在视觉领域取得了巨大的成功，即便如此，深度学习在视觉上仍然有很多的局限性，这篇文章从深度学习的历史开始说起，阐述了深度学习在视觉上的局限性，并给出了一些可能的方案。深度学习历史我们正在见证深度学习的第三次兴起。前两次浪潮—1950 - 1960年和1980 - 1990年—引起了相当大的兴奋，但慢慢

2019-08-25 11:48:10今天在这里推荐的是清华大学博士生开源的人脸Action Unit（表情动作单元）识别的翘楚之作 AU R-CNN。论文全名：《AU R-CNN: Encoding Expert Prior Knowledge into R-CNN for Action Unit Detection》该识别方法创造性的将关键点landmark以及AU的专家先验知识融合

全文共2006字，预计学习时长4分钟最好在错误发生之前预测并修复错误标注NLP数据就像开飞机，看起来容易，但你永远不知道会遇到什么情况，往往会出现一些莫名其妙的错误。找到出错的地方，然后检测并修复错误才是良好的第一步。本文将分享NLP实体标注中出现的四个常见问题，讨论它们的根本原因和可能的解决方案。空白空白部分很难看到，可能会引起混淆标记者不一致的最常见原因可能是尾随空格和前导空格以及标点符号的标

本文作者是Brian Bergstein，他是《麻省理工科技评论》的副主编与执行编辑以及美联社的技术编辑。1984年的某天，罗德尼·布鲁克斯（Rodney Brooks）在泰国的家中感到炎热、无聊、孤独。正是在这种情形之下，他灵光乍现，产生改变机器人技术领域发展的灵感，并最终使Roomba扫地机器人走进数百万个家庭。那一年，布鲁克斯即将步入而立。作为麻省理工学院的一名新成员，他努力使机器人在世界范

来源：Medium作者：Mike Hearn《星际迷航》（Star Trek）中的全息甲板（Holodeck）最引人关注的就是它创造出虚拟“实感”的方式。其次，企业号航空母舰（U.S.S. Enterprise）上的电脑也引人关注。它可以依据简单的提纲来即时生成场景和故事。《星际迷航》中，让人记忆犹新的那几集，往往都是舰上船员们扮演成他们“编写”进电脑中的故事里的人物，当然，船员们表演的“故事”总

2019-08-22 09:51:35虚拟现实视频作为新一代视频类型被越来越多的人所关注，区别于传统视频，其良好的沉浸感和更大的自由度给人带来次世代的视频体验。然而360°沉浸式视频传输所需要的带宽远高于传统视频。现有的视频传输系统缺省认为用户感知360°视频与传统视频相同，这与实际用户观看沉浸式视频的方式严重不符，造成了严重的带宽浪费。北京大学提出了新一代基于沉浸式视频感知质量模型的360°视频

导语：这个模型在跨语言分类任务（15个语言的句子蕴含任务）上比其他模型取得了更好的效果，并且显著提升了有预训练的机器翻译效果。注意力模型，尤其是BERT模型，已经在NLP领域分类和翻译任务上取得了极具前景的结果。Facebook AI在一篇新论文中提出了一个改良版的BERT模型XLM，在以上两个任务上均取得了SOTA结果。XLM用了一个常见的预处理技术BPE（byte pair encoder字节

本文笔者从工作项目实践出发，并结合具体案例分享了人工智能产品设计过程中遇到的一些问题以及具体操作方案，供大家一同参考和学习。对于AI产品一直抱有好奇之心，正好前端时间负责了我厂手机系统AI产品“智慧识屏”的落地，分享一些产品设计中的所思所想，大家轻拍。产品示意图如下（避嫌，用友商），一种无搜索框的搜索功能，用户可以在任何APP（应用）里，通过单指长按目标区域的文本或者图片，来获取所需要的信息或服务

如果你（自认为）是一个程序员（非机器学习），看完本教程后，你将变得与其他只会手工编写程序的程序员不同。这篇文章我们会按照下面的顺序展开：浅层”与 “深度” 的区别准备数据处理数据随机梯度下降算法训练测试一、“浅层”与“深度”的区别：这里我们假设大家对于神经网络的结构都是了解的，于是我们就有一个问题需要引起重视：神经网络是万能的吗？或者说，对于神经网络来说，会不会存在其无法表示的问题？这个问题不是很

前面介绍过BERT，作为一种非常成功的预训练模型，取得了非常不错的成绩，那么，他还有改进的空间吗？本文介绍BERT的改进版，XLnet。看看它用了什么方法，改进了BERT的哪些弱点。作者 | 小Dream哥编辑 | 小Dream哥1 为什么要有XLnet?要理解XLnet，我们先回顾一下先于XLnet的两种表现最好的预训练模型BERT和GPT：1) Generative Pre-Training(

专栏推荐正文现在有一个数据集是美国国会投票的数据，数据集如图所示：数据集第一列为name，表示国会议员的名字，第二列为议员政党R是共和党，D是民主党，I是无党派人士后面的00001，00004表示的是法案的标号，0表示不支持，1表示支持我们现在并不知道这个数据集的一些情况，但是我们可以通过聚类算法来看一下这个数据集有哪些特点我们先来读取这个数据，然后看以下这些数据的均值，和各党派的人数输出的结果为

全文共1925字，预计学习时长4分钟图片来源：unsplash.com/@multamedia你是否对机器学习模型如何工作感到好奇？这些模型内部是如何运作的，它们是否值得信任？本文将全面概述什么是可解释人工智能（XAI），以及为什么需要XAI。读完本文后，你应该能够理解XAI的必要性，并且可以考虑是否需要将其应用到ML项目或产品中去。什么是XAI？可解释人工智能（XAI）是机器学习中一个相当新的领

算法分发是未来之物，它是信息过载时代智能分发的产物；算法分发或也终将成为过去之物，因为下一代技术的发展永远可以突破当代人的想象，就像宋朝人无法想象移动互联网。算法分发、编辑分发、社交分发……在信息时代，人们常常讨论信息分发问题，相关概念也成为大热名词。但事实上，信息资源一直在人类的进化和发展中占据着重要位置。社交分发是最古老的分发方式，编辑分发也比我们想象得更早。而当我们把算法分发置于人类社会信息

2019年全球语音交互市场规模达到13亿美元，预计2025年全球语音交互市场规模将69亿美元，目前以广泛应用到智能家居、车载语音、智能客服等行业和场景。笔者从事语音交互产品一年有余，针对语音交互的概念定义、优劣势、适用场景和产品、未来发展等进行梳理总结。1. 什么是语音交互？语音交互（VUI）指的是人类与设备通过自然语音进行信息的传递。一次完整的语音交互需要经历ASR→NLP→Skill→TTS的

作者&编辑 | 郭冰洋1 简介小伙伴们在利用公共数据集动手搭建图像分类模型时，有没有注意到这样一个问题呢——每个数据集不同类别的样本数目几乎都是一样的。这是因为不同类别的样例数目差异较小，对分类器的性能影响不大，可以在避免其他因素的影响下，充分反映分类模型的性能。反之，如果类别间的样例数目相差过大，会对学习过程造成一定的影响，从而导致分类模型的性能变差。这就是本篇文章将要讨论的类别不平衡问

来源：新智元本文约2300字，建议阅读6分钟。“把学问当成一生的理想”姚班学神开始新的征程！又一名AI方向的年轻华人博士生即将加入美国名校任教。近日，“清华学神”、MIT博士生吴佳俊在Twitter上宣布，他将于2020年加入斯坦福大学担任计算机科学助理教授。吴佳俊在Twitter上说：“很高兴告诉大家，我将于2020年加入斯坦福大学担任计算机科学助理教授！感谢一路上帮助我的每一个人。期待接下来与

作者 | 黄浴转载自知乎【导读】SLAM是“Simultaneous Localization And Mapping”的缩写，可译为同步定位与建图。最早，SLAM 主要用在机器人领域，是为了在没有任何先验知识的情况下，根据传感器数据实时构建周围环境地图，同时根据这个地图推测自身的定位。因此本文以简单清晰的文字为大家介绍了视觉 V-SLAM。简单的V-SLAM介绍，就当入门：）。首先，从双目立体几

你知道PyTorch Hub吗？这个Facebook的深度学习模型库，一问世就引发了巨大关注。因为它太强了：ResNet、BERT、GPT、VGG、PGAN、MobileNet等深度学习领域的经典模型，只需输入一行代码，就能一键调用。不过，人工智能领域，这样的模型库不仅仅只有PyTorch Hub一个，还有其他4个（来自@爱可可-爱生活）：TensorFlow Hub、TensorFlow Mod