全部 人工智能學(xué)科動態(tài) 人工智能技術(shù)資訊 人工智能常見問題 技術(shù)問答

• • 

    《基于圖卷積神經(jīng)網(wǎng)絡(luò)的3D多目標(biāo)跟蹤》論文解讀

    多目標(biāo)跟蹤領(lǐng)域是當(dāng)前目標(biāo)跟蹤領(lǐng)域的研究熱點(diǎn)，在CVPR2020發(fā)表一篇題為《GNN3DMOT: Graph Neural Network for 3D Multi-Object Tracking with Multi-Feature Learning》論文，將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到最具有落地價值的3D多目標(biāo)跟蹤中，接下來我們對該論文進(jìn)行解讀。 查看全文>>

    人工智能技術(shù)資訊2020-09-14 |傳智播客 |圖卷積神經(jīng)網(wǎng)絡(luò),3D多目標(biāo)跟蹤

  • 

    英偉達(dá)發(fā)布Orin系統(tǒng)芯片助力AI加速

    NVIDIA Orin 系統(tǒng)級芯片由 170 億個晶體管組成，凝聚 NVIDIA 團(tuán)隊(duì)為期四年的努力。Orin 系統(tǒng)級芯片集成了 NVIDIA 新一代 GPU 架構(gòu)Ampere和 Arm Hercules CPU 內(nèi)核以及全新深度學(xué)習(xí)加速器(DLA)和計(jì)算機(jī)視覺加速器(PVA)，每秒可運(yùn)行200萬億次計(jì)算，幾乎是 NVIDIA 上一代 Xavier 系統(tǒng)級芯片性能的 7 倍。在性能大幅提升的同時，進(jìn)一步優(yōu)化了能耗比。 查看全文>>

    人工智能技術(shù)資訊2020-09-14 |傳智播客 |英偉達(dá),Orin系統(tǒng)芯片

  • 

    ECCV2020論文《Dive Deeper Into Box for Object Detection》解讀

    該文章作者團(tuán)隊(duì)來自香港中文大學(xué)、騰訊優(yōu)圖、思謀科技等，收錄于ECCV2020.現(xiàn)階段，無錨框的目標(biāo)檢測方法稱為流行，該論文提出了深度分析box來提升檢測性能的方法。 查看全文>>

    人工智能技術(shù)資訊2020-09-14 |傳智播客 |ECCV2020論文

  • 

    人工智能之個性化推薦之路

    互聯(lián)網(wǎng)人口紅利消失殆盡，在存量爭奪用戶時間的戰(zhàn)場上，必須高效充分利用每份流量。使用個性化算法是各家必用技術(shù)，在電商的營銷場景提升效果明顯，點(diǎn)擊率預(yù)估提升一小步，流水增益一大步。該目前主要采用深度模型應(yīng)用在搜索、推薦、廣告等場景，具體算法方向有DeepCTR、Embedding、NLP 等。 查看全文>>

    人工智能技術(shù)資訊2020-09-14 |傳智播客 |個性化推薦之路

  • 

    深度相機(jī)是什么？深度相機(jī)常見技術(shù)

    深度相機(jī)是近幾年興起的新技術(shù)，相比較傳統(tǒng)的相機(jī)，深度相機(jī)在功能上添加了一個深度測量，從而更方便準(zhǔn)確的感知周圍的環(huán)境及變化。深度相機(jī)有很多的應(yīng)用場景，在我們?nèi)粘Ｉ钪杏泻芏嗌疃认鄼C(jī)的影子。那它可以用來做什么?三維建模、無人駕駛、機(jī)器人導(dǎo)航、手機(jī)人臉解鎖、體感游戲等都用到了深度相機(jī)來實(shí)現(xiàn)其功能。iPhone X中最大的創(chuàng)新就是使用了前置深度相機(jī)?，F(xiàn)在，深度相機(jī)的應(yīng)用已經(jīng)由智能終端解鎖，逐漸延伸至移動支付、活體檢測等場景，其背后的技術(shù)手段：3D結(jié)構(gòu)光，也漸漸走入了公眾視野。 查看全文>>

    人工智能技術(shù)資訊2020-09-14 |傳智播客 | 深度相機(jī)是什么

  • 

    如何解決分類中解決類別不平衡問題？

    什么是類別不平衡問題。其實(shí)，在現(xiàn)實(shí)環(huán)境中，采集的數(shù)據(jù)(建模樣本)往往是比例失衡的。比如網(wǎng)貸數(shù)據(jù)，逾期人數(shù)的比例是極低的(千分之幾的比例)；奢侈品消費(fèi)人群鑒定等。 查看全文>>

    人工智能技術(shù)資訊2020-09-14 |傳智播客 |分類中解決類別不平衡問題

  • 

    如何成為杰出開源項(xiàng)目的貢獻(xiàn)者（源碼篇）

    對于程序員來講，成為杰出開源項(xiàng)目的貢獻(xiàn)者是一件有意義的事，當(dāng)然，這也絕非易事。如果你正從事人工智能有關(guān)的工作，那么你一定了解諸如Google Tensorflow，F(xiàn)acebook Pytorch這樣的開源項(xiàng)目。下面我們就說一說如何成為這些杰出的開源項(xiàng)目的Contributor。 查看全文>>

    人工智能技術(shù)資訊2020-09-07 |傳智播客 |如何成為杰出開源項(xiàng)目的貢獻(xiàn)者

  • 

    語言模型-BERT：bert算法介紹

    BERT的全稱是Bidirectional Encoder Representation from Transformers。BERT在機(jī)器閱讀理解頂級水平測試SQuAD1.1中表現(xiàn)出驚人的成績: 全部兩個衡量指標(biāo)上全面超越人類，并且在11種不同NLP測試中創(chuàng)出SOTA表現(xiàn)，包括將GLUE基準(zhǔn)推高至80.4% (絕對改進(jìn)7.6%)，MultiNLI準(zhǔn)確度達(dá)到86.7% (絕對改進(jìn)5.6%)，成為NLP發(fā)展史上的里程碑式的模型成就。 查看全文>>

    人工智能技術(shù)資訊2020-09-07 |傳智教育 |bert算法

  << < 1 ... 5 6 7 8 9 10 11 12 13 14 > >>