Upside down, a cat's still a cat: Evolving image recognition with Geometric Deep Learning
在关于组等变卷积神经网络 (GCNN) 的系列文章的第一篇中，我们将介绍主要参与者 — 组 — 和概念（等变）。通过 GCNN，我们终于重新讨论了几何深度学习这一主题，这是一种原则性、数学驱动的神经网络方法，其范围和影响力一直在不断扩大。
What is AI Image Recognition and How Does it Work?
人类天生就具有从照片中区分和准确识别物体、人物、动物和地点的能力。然而，计算机并不具备对图像进行分类的能力。然而，它们可以通过计算机视觉应用程序和图像识别技术进行训练，以解释视觉信息。作为 AI 和计算机视觉的一个分支，图像识别 […]
AI And Marketing: How To Boost Brand Marketing With Image Recognition Software
Dresner Advisory 于 2019 年进行的一项研究表明，销售和营销团队比其他任何部门都更关注人工智能。这有什么奇怪的吗？也许并不奇怪。销售和营销负责增加收入——而人工智能提供了许多增加收入的方法。今天，我们将研究一种特定的工具：让我们看看 […]文章 AI 和营销：如何通过图像识别软件促进品牌营销，由 DLabs.AI 提供。
Baidu’s Artificial-Intelligence Supercomputer (Minwa) Beats Google at Image Recognition
近来，图像分类中不断提升的判别能力的竞争愈演愈烈。2 天前，中国百度搜索公司宣布，他们打破了微软研究院在图像识别领域创下的记录，错误率仅降低了 0.36%。微软在近 3 个月前的 2015 年 2 月首次超越了人类的识别性能，而谷歌目前排名第二。所有这一切都是通过使用深度卷积网络和深度学习方案实现的，即构建神经形态识别方案，其中原始信息经过多个中间层，然后给出所需的类别识别输出。这是通过使用巨大的计算能力（超级计算机）来实现的，这种能力被用于对大量真实数据进行系统训练。这些新闻是对之前关于人类情感模拟和识别的文章的后续报道，科学家报告说，相应的系统可以达到并略微超过人类对情感的识别性能！对于那
See, Think, Explain: The Rise of Vision Language Models in AI
大约十年前，人工智能在图像识别和语言理解之间被划分。视觉模型可以发现对象，但无法描述它们，语言模型会生成文本，但无法“看到”。今天，这种分歧正在迅速消失。视觉语言模型（VLM）现在结合了视觉和语言技能，使他们能够解释图像并解释图像[…]帖子，思考，解释：AI中视觉语言模型的兴起首先出现在Unite.ai上。
Beyond Benchmarks: Why AI Evaluation Needs a Reality Check
，如果您如今一直关注AI，您可能已经看到头条新闻，报告了AI模型实现基准记录的突破性成就。从ImageNet图像识别任务到在翻译和医学图像诊断方面的超人分数，长期以来，基准一直是测量AI性能的金标准。但是，像这些数字一样令人印象深刻[…]超越基准的帖子：为什么AI评估需要现实检查首先出现在unite.ai上。
Hugging Face tar steget in i augmented reality med HuggingSnap för IOS
拥抱的面孔继续以其AI驱动的创新给我们留下深刻的印象，以及他们的最新加入，拥抱午睡，没有人令人失望。顾名思义，这是关于一个iPhone应用程序，它利用摄像机的潜力最大化，以帮助您“了解世界” - 一个结合了AI，图像识别和增强现实的项目，以创建直观的和[…]后的拥抱脸，使ios Aso News for IOS ASO Aso News for Hugmented Reality for IOS ASO Aso News进行了增强现实
A Camera Trap for the Invisible: Scientists Unveil New Tool in the Hunt for Dark Matter
人工智能图像识别可能会为研究人员提供一种寻找暗物质的新工具。这听起来很荒诞，但对于在世界上最大的粒子对撞机上工作的科学家来说，这却是现实：在法国和瑞士边境地下约 350 英尺的一条隧道中，一个名为大型强子对撞机的巨型装置向外发射质子束 [...]
在计算机视觉中，主干架构对于图像识别、对象检测和语义分割任务至关重要。这些主干从图像中提取局部和全局特征，使机器能够理解复杂的模式。传统上，卷积层一直是这些模型的主要组成部分，但最近的进展结合了注意力机制，这增强了模型捕捉的能力。文章 LowFormer：一种高效的视觉主干模型，可在不牺牲准确性的情况下优化移动和边缘设备的吞吐量和延迟，首次出现在 AI Quantum Intelligence 上。
Convolutional Neural Networks (CNNs) Explained
在人工智能和机器学习领域，卷积神经网络 (CNN) 已成为图像识别、处理和分类的强大工具。它们独特的架构和学习空间层次的能力使它们特别适合处理涉及视觉数据的任务。在这篇博文中，我们将深入探讨 CNN 的复杂性、其组件及其应用。什么是卷积神经网络？卷积神经网络 (CNN) 是一类深度神经网络，特别适合分析视觉图像。受动物视觉皮层的启发，CNN 旨在自动和自适应地学习空间 […]
Big Context Windows Are a Big Deal
上周，我试用了 Google 最新的生成模型：Gemini 1.5，这是一个多模式庞然大物，可以处理长达一小时的视频、11 小时的音频、30,000 行代码或 700,000 个单词。就上下文长度而言，这是一个巨大的飞跃：Gemini 接受的输入是其最强大的前身 Claude 2.1 的 5 倍。我一直兴奋地期待着长上下文窗口时代的到来，不仅因为它们使生成模型能够解决全新类型的问题，还因为它们可能会改变我们使用 LLM 进行开发的方式。但我有点操之过急了。首先，让我与您分享一些我最喜欢的 Gemini 1.5 实验。使用 VideoAI Family Video Archive 2.0 进行提
Stanford AI Lab Papers at ICCV 2021
国际计算机视觉会议 (ICCV 2021) 将于下周以线上方式举办。我们很高兴与大家分享 SAIL 的所有成果，您可以在下面找到论文、视频和博客的链接。欢迎直接联系作者，了解更多有关斯坦福大学的工作！已接受论文列表GLoRIA：用于标签高效医学图像识别的多模态全局-局部表示学习框架作者：Mars Huang联系方式：mschuang@stanford.edu关键词：医学图像、自监督学习、多模态融合通过点-体素扩散生成和完成 3D 形状作者：Linqi Zhou、Yilun Du、Jiajun Wu联系方式：linqizhou@stanford.edu链接：论文 | 视频 |网站关键词：扩散、形
Stanford AI Lab Papers at ICCV 2021
国际计算机视觉会议 (ICCV 2021) 将于下周以线上方式举办。我们很高兴与大家分享 SAIL 的所有成果，您可以在下面找到论文、视频和博客的链接。欢迎直接联系作者，了解更多有关斯坦福大学的工作！已接受论文列表GLoRIA：用于标签高效医学图像识别的多模态全局-局部表示学习框架作者：Mars Huang联系方式：mschuang@stanford.edu关键词：医学图像、自监督学习、多模态融合通过点-体素扩散生成和完成 3D 形状作者：Linqi Zhou、Yilun Du、Jiajun Wu联系方式：linqizhou@stanford.edu链接：论文 | 视频 |网站关键词：扩散、形
Digi Labs' Wild Goose Chaser (Case Study)
明尼苏达州韦扎塔的 Digi Labs 制定了一项雄心勃勃的计划，即建立一支自主机器人队伍，以解决加拿大鹅日益严重的问题。也就是说，它们无处不在，而且数量呈指数级增长。在北美，这些鹅造成了数百万美元的损失。如果您拥有滨水住宅物业，或拥有足够空间容纳这些生物的企业，那么您已经明白我在说什么了。它们攻击人类、挡路，留下一堆粪便。在最坏的情况下，它们最终会进入跑道附近的飞机引擎或撞上汽车前部。Digi Labs 的 Wild Goosechaser 是基于 Open Rover 4WD 机器人平台构建的。它配备了 Nvidia Tx2，以及许多摄像头和其他传感器，因此它可以执行机载图像识别，然后通过
Новая камера с ИИ может произвести революцию в автономном транспорте
图像识别技术是现代无人地面车辆和飞机的基础，依赖于人工智能。计算机基本上已经学会了识别物体，例如狗、过马路的行人或停在前面的汽车。
