中国通过自己制定和执行的政策，将完成工业化进程的时间缩减到了短短25年——许多经济体至少花了一个世纪才做到这一点。
显著性检测的主要任务是检测出图像中具有最独特视觉特征的目标区域，它在视觉内容编辑、目标检测、渲染、分割等领域有着重要的应用。
本文对 北美计算语言学联合会 2019 年出版的《自然语言处理中迁移学习教程》（NAACL 2019 tutorial on Transfer Learning in NLP）进行了拓展。
伪彩色图在计算机视觉和机器学习中具有重要的应用，从深度图的可视化到类似图像差分等抽象应用都需要伪彩色图来帮助我们理解视觉信息。
日本在消费科技中的核心地位仍然不容忽视。在上月爆发的日韩贸易战中，日本仅对三种「不起眼」的材料实施制裁，就让三星、SK 海力士的高层迅速赴日，寻求解决之道。
图像修复技术对于众多修图软件来说十分重要，在深度学习的帮助下图像修复算法的功能越来越强大，甚至对于大幅度污损的照片也能轻松修复。
举例来说，将行为预测神经网络犯的错当训练数据就非常有意义，而这个纠错的过程是个进步的捷径，比投喂各种随机数据有效多了。
企业数据科学仍然是一个新的领域。很多学者都还没有为为真正的企业解决过真正的问题，所以他们以一种与数据和业务环境相分离的方式教授教科书中的算法。
自动驾驶领域从 2018 年末开始趋于冷静，产业落地难、技术仍存在短板等问题让个人自动驾驶车辆的研发进展放缓，百度 Apollo、谷歌 Waymo、Uber 等知名大厂都在不断调整业务方向，以适应行业的最新变化。有意思的是，他们把目标出奇一致地放在了同一个方向上——RoboTaxi。
安全对于无人驾驶至关重要！碰撞是威胁汽车安全驾驶的最大原因之一，如果自动驾驶能有效避免汽车之间以及汽车与其他交通参与者之间的碰撞，将会大大提升交通安全，减少更多的交通安全事故。
NLP 是人工智能中最难的问题之一，对它的研究与落地充满了挑战性。预训练模型 BERT 的出现给自然语言处理领域带来了里程碑式的改变。
最近，谷歌大脑团队发表了一篇论文，文中提出了一种叫做概念激活向量（Concept Activation vectors，CAV）的新方法，这种方法为深度学习模型的可解释性提供了一个全新的视角。
连接组学作为脑科学中的重要分支，一直以来致力于重建出脑部各个部分间的连接地图，以理解神经系统的工作原理。大脑中动辄十亿百亿计的细胞让这项研究充满了挑战。
面部图像操作是计算机视觉和计算机图形学里十分重要的研究方向，包括自动表情生成和面部风格迁移方向都离不开它的身影，也成为了美妆app里重要的AI技术。
公众号/AI前线 策划 | 刘燕 作者 | Jerry Wei 译者 | Sambodhi 编辑 | Lind […]
今天，Facebook 与加州大学旧金山分校（UCSF）发布了有关脑机接口研究的最新进展，其论文出现在了最新一期的自然杂志子刊《Nature Communications》上。
深度学习已经成为推荐系统领域的首选方法，但与此同时，已有一些论文指出了目前应用机器学习的研究中存在的问题，例如新模型结果的可复现性，或对比实验中基线的选择。
公众号/大数据文摘 大数据文摘出品 来源：Techcrunch 编译：狗小白、林安安、易琬玉 近一段时间，波士 […]
Return to Top ▲
友情链接