-
智能车牌识别相机
智能车牌识别相机，服务于各行业用户，该相机不仅体积小，长宽高仅有145×100×65mm，便于安装集成，而且具备多种优势：01 优势一 200万像素，图像更清晰，超高识别率。相机视野更宽广，扩大了70%的识别范围，车牌被捕捉到的概率大大增加，支持更加宽阔的停车场出入口；200万高解析度镜头、专业光学玻璃加之专业的ISP图像后处理算法，使得图像更清晰；真
-
智能车牌识别相机对生活的帮助
随着人们生活水平的提高，现在家家都有辆车，据公安统计截止18年全国小汽车保有量300000000+，那么如此多的车辆该如何管理呢？我们去商场、医院、小区门口都会有车牌识别一体机通过车牌识别相机扫描车牌来方便出行并保护车辆安全。那么这个车牌相机的功能及作用是什么呢？首先举例来说一下，车流量大的地方都是如何管理车辆进出的。高速收费站相机识别车牌信息-----系统-----确认不是免费车-----发ic
-
车牌识别助力“智慧停车”
车牌识别系统是停车场车辆管理的核心技术之一，经过多年的发展成熟，最初许多问题逐渐完善。它的出现从根本上改变了传统的停车模式，提高了停车场的自动化程度，使无人停车场成为现实。既节省了商家的人力投入，又为车主们提供了便利高效、安全稳定的服务。
-
疫情防控信息采集难？深度学习手写体识别来帮忙
当前已经进入了疫情防控关键期，各地企业返岗位在即，疫情防控面临新的挑战。除了加快病毒疫苗研究和加强人员流动管理之外，人员信息的及时采集、传递、管理也成为这场战役至关重要的一部分。目前，各物业企业对进出人员按照统一的登记表进行了详细登记。但是各部门/组织在各类场景下的信息采集工作，收集到的疫情信息内容、标准不一，信息整理和管理成为浩大且繁琐的工程。“采集信息时都是手工填写，回去还要录入电脑，统计汇总
-
一种基于随机动作指令的人脸活体检测技术，有效避免人脸识别系统被破解
随着大数据时代的到来，个人信息安全问题日益严峻，基于图像处理的人脸识别和检测技术得到了广泛的应用。然而，目前人脸检测技术都是针对数量较小的人脸图像，随着大数据概念的深入，图像大数据处理将对人脸识别技术提出更高要求。在最原始的基于人脸识别系统中，基于当前拍摄的人脸照片与预先存储的人脸照片之间的比对，来进行身份验证。然而，当将被仿冒者本人的照片置于这种基于人脸照片比对的身份验证系统中的摄像头前时，这种
-
铺天盖地的炒作下，我依然觉得深度强化学习是浪费时间
2020-02-10 10:27:18深度强化学习（deep reinforcement learning，DRL）是深度学习与强化学习相结合的产物，它集成了深度学习在视觉等感知问题上强大的理解能力，以及强化学习的决策能力，实现了端到端学习。深度强化学习的出现使得强化学习技术真正走向实用，得以解决现实场景中的复杂问题。深度强化学习被认为是通往通用人工智能圣杯的必经之路。但是，事实如何呢？现在，我们
-
十分钟弄懂深度残差收缩网络
深度残差网络ResNet获得了2016年CVPR会议的最佳论文奖，截至目前，在谷歌学术上的引用量已经达到了38295次。深度残差收缩网络是深度残差网络的一种新颖的改进版本，其实是深度残差网络、注意力机制和软阈值函数的深度集成。在一定程度上，深度残差收缩网络的工作原理，可以理解为：通过注意力机制注意到不重要的特征，通过软阈值函数将它们置为零；或者说，通过注意力机制注意到重要的特征，将它们保留下来，从
-
百度AI攻略：Paddlehub实现图像分割
PaddleHub可以便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。模型概述：模型概述 DeepLabv3+ 是Google DeepLab语义分割系列网络的最新作，其前作有 DeepLabv1，DeepLabv2, DeepLabv3。在最
-
AI攻略：Paddlehub实现人体解析
PaddleHub可以便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。模型概述人体解析(Human Parsing)是细粒度的语义分割任务，其旨在识别像素级别的人类图像的组成部分（例如，身体部位和服装）。ACE2P通过融合底层特征，全局上下文信
-
PaddlePaddle : AI抠图及图片合成
通过预训练模型进行图像的自动抠图及整合。代码已经共享在AIStudio上，链接：https://aistudio.baidu.com/aistudio/projectdetail/242887模型概述 DeepLabv3+ 是Google DeepLab语义分割系列网络的最新作，其前作有 DeepLabv1，DeepLabv2, DeepLabv3。在最新作中，作者通过encoder-decode
-
PaddlePaddle动态图实现VGG（眼底筛查为例）
本案例参考课程：百度架构师手把手教深度学习的内容。 主要目的为练习vgg动态图的PaddlePaddle实现。本案例已经在AISTUDIO共享，链接为：https://aistudio.baidu.com/aistudio/projectdetail/244766数据集iChallenge-PM：数据集图片 iChallenge-PM中既有病理性近视患者的眼底图片，也有非病理性近视患者的图片，命名
-
强化学习常用算法+实际应用，必须get这些核心要点
本文约1700字，建议阅读5分钟本文为你介绍强化学习最常用的算法。[ 导读 ]强化学习（RL）是现代人工智能领域中最热门的研究主题之一，其普及度还在不断增长。本文介绍了开始学习RL需要了解的核心要素。戳右边链接上 新智元小程序 了解更多！强化学习是现代人工智能领域中最热门的研究主题之一，其普及度还在不断增长。强化学习是什么？和其他机器学习技术有何区别？强化学习是一种机器学习技术，它使代理能够使用自
-
谷歌获批GAN专利，一整套对抗训练网络被收入囊中
2020-01-16 17:53导语：不仅仅是GAN。作者 | 十、年编辑 | Camel雷锋网消息：谷歌获得了“对抗训练神经网络”专利。根据FPO（免费专利在线）信息显示，此项专利申请于2016年的9月份，生效于2019年的12月31日。其中，发明人为Ian J. Goodfellow，Szegedy, Christian。谷歌作为受让人拥有专利权，这意味着继神经网络 Dropout
-
76分钟训练BERT！谷歌深度学习的大批量优化研究被ICLR 2020接收
2020-01-13 17:28:46爱也BERT，恨也BERT！BERT是史上最强的NLP模型之一，但却也是工业界目前最耗时的应用，计算量远高于ImageNet！谷歌的研究人员提出新的优化器，将BERT的训练时间从3天成功缩短到76分钟！该论文已被ICLR 2020接收。 谷歌发布的史上最强NLP模型之一BERT，是NLP领域的一项重大突破。随着大规模数据集的出现，在海量数据集上训练大
-
使用PyTorch进行主动迁移学习：让模型预测自身的错误
2020-01-15 10:41导语：主动迁移学习是主动学习和迁移学习技术的结合机器学习模型可以用来预测自身的错误，因此相信在未来，未标记的数据点以后会被正确地标记，而不是被定为错误。本文详细说明主动迁移学习, 它是主动学习和迁移学习技术的结合,本文将实现书籍 Human-in-the-Loop Machine Learning 中的所有用到 PyTorch 的方法。写在开始
-
如何拯救无法「深度学习」的制造业，2019工业智能灵魂10问
2020-01-10 12:25:42一条难以逾越的鸿沟正横跨在人工智能与工业制造之间。我国是制造业第一大国，2018 年制造业增加值达 26.5 万亿元，占 GDP 总量的 29.4%，占比近三分之一。同时我国又是人工智能第二大国，拥有全球第二多的 AI 企业。然而一道「鸿沟」将它们分隔两地。2019 年，我国 AI 公司的数量已超过 2000 家，但真正专注工业领域的企业数量却不足
-
ICLR2020| 对神经网络特征表达一致性、可靠性、知识盲点评测解释
2020-01-13 10:47:13人工智能顶会 ICLR 2020 将于 4 月 26 日于埃塞俄比亚首都亚的斯亚贝巴举行。在最终提交的 2594 篇论文中，有 687 篇被接收，接收率为 26.5%。本文介绍了上海交通大学张拳石团队的一篇接收论文——《Knowledge Consistency between Neural Networks and Beyond》。在本文中，研究
-
数十亿次数学运算消耗几毫瓦电力，谷歌开源Pixel4背后的视觉模型
2020-01-13 11:51:51选自Google AI Blog作者：Andrew Howard机器之心编译参与：王子嘉、Geek AI说到今年最热门的智能手机，一定绕不开谷歌重磅推出的 Pixel 4。而 Pixel 4 的强大性能表现在很大程度上还要归功于其背后用到的黑科技——基于终端设备的机器学习。前段时间，谷歌发布了 MobileNetV3 和 MobileNetEdgeTPU 的源
-
先天认知与深度学习
“天赋论学说认为，人类思维是与生俱来的思想或知识。在这种理念中，最著名的是柏拉图的形式理论，以及后来的笛卡尔的《沉思录》。目前，这一观点正在获取神经科学方面的证据，以证实我们确实生来就对我们的世界有先天的认识”。
-
ICLR 2020 | 模型参数这么多，泛化能力为什么还能这么强？
2020-01-10 10:44:34作者 | 刘锦龙编辑 | Camel刘锦龙，2015年博士毕业于北京大学理论物理专业，现任快手科技 Y-Tech AI实验室深度学习研究员。负责人脸landmark、人脸生成等技术开发。本文介绍我最近的一个工作，《Understanding Why Neural Networks Generalize Well Through GSNR ofParameter
