ITPub博客

# 深度学习（Deep Learning）优缺点 #优点在实践中表现出较高的预测精确度；可以获取数据中非常复杂的底层模式；特别适用于大型数据集和高维度数据集；当新增数据时，易于更新模型；网络的隐藏层明显减少了对特征工程的需求；是适用于计算机视觉、机器翻译、情感分析和语音识别任务的最新技术；缺点具有非常低的训练速度；需要消耗巨大的计算资源；需要特征缩放；结果不易解释或说明；需要大量的训练数据，因为它

# Google 提出了一种新型的文本生成模型 LaserTagger #目前，在序列到序列（ seq2seq ）的自然语言生成任务中，主流预训练模型仍然面临一些重大缺陷，例如：生成输出与输入文本之间长度匹配问题、需要大量训练数据才能实现较高性能、推断速度慢等。因此，Google 提出了一种新型的文本生成模型 LaserTagger，该模型旨在解决 seq2seq 模型运行过程中的上述缺陷，可以预

# 文本生成神经网络架构发展 #BERT是深双向的，OpenAI GPT是单向的，ELMo是浅双向的。但根据实际使用情况，将 seq2seq 模型⽤于⽂本⽣成也有一些实质性的缺陷，例如：⽣成输⼊⽂本不⽀持的输出（称为幻觉，hallucination）、需要⼤量的训练数据才能到达很好的效果；此外，seq2seq 模型通常需要逐字⽣成输出，因此其推断时间较长。2020-02-22 14:05:59ht

# Kmeans算法优缺点 # 优点特别适于获取底层数据集的结构；算法简单，易于解释；适于预先知道聚类的数量；缺点如果聚类不是球状的，并且大小相似，那么该算法不总是有效的；需要预先知道聚类的数量，并需要调整k聚类的选择以便获得好的结果；属于内存密集型的算法；无法扩展到大型数据集上；https://www.toutiao.com/a1659114840597515

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

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

 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

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

 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

 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

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

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

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

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，

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

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）

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

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

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

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