首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

【诺贝尔物理学奖幕后的AI】刷屏的“引力波”,得益于AI技术的进步

【新智元导读】人工智能技术很早就被应用于太空探索,包括计算机视觉、语音识别、自然语言处理以及机器学习等,获得2017年诺贝尔物理学奖的引力波研究,也使用了AI技术分析数据。或许未来,我们得给AI颁一个诺贝尔奖? 在近一个世纪前,爱因斯坦就曾在相对论中预言时空结构中存在波动,即引力波。 后来,一批科学家组成“激光干涉引力波天文台”(LIGO)项目在2015年9月14日首次探测到一个双黑洞系统合并的引力波信号,当时就在天体物理学界引发了一场革命,那时候参与发现引力波的研究团队就被锁定是诺贝尔物理学奖的热门人选

07

汉化视频 | Yann LeCun亲自上镜,三个视频解读人工智能

图像识别 视频要点: 通常,计算机使用被称为算法的一系列精确的指令进行编程。算法是一个简单的指令序列。 但怎样可以写一个算法来识别图像呢?例如区分一张图是汽车还是狗。实际上连仅表达出车与狗的差异都很困难。 我们在做的一件事便是,事实上人类已经做了数个世纪的,将需要识别的图像与一系列已经记住的模版做比较。 问题是这样做并不够好,因为这个工作过程中我们将需要海量的模版。我们需要各种可能位置、颜色、姿势的狗的图片,对汽车也是如此。所以这一方法在实践中并不太可行。这便是机器学习方法需要被使用的地方了。 我们所做的不

04

FCOS: Fully Convolutional One-Stage Object Detection

我们提出一种全卷积的单阶段目标检测器(FCOS),以逐像素预测的方式解决目标检测问题,类似于语义分割。几乎所有最先进的目标探测器,如RetinaNet、SSD、YOLOv3和Faster R-CNN,都依赖于预定义的锚盒。相比之下,我们提出的探测器FCOS是Anchor Free,以及proposal自由。通过消除预定义的锚盒集合,FCOS完全避免了与锚盒相关的复杂计算,例如在训练过程中计算IoU。更重要的是,我们还避免了所有与锚盒相关的超参数,这些超参数通常对最终检测性能非常敏感。通过唯一的后处理非最大抑制(NMS),使用ResNeXt-64x4d-101的FCOS在单模型和单尺度测试下,AP达到44.7%,超越了以往单阶段检测器。我们首次演示了一个更简单、更灵活的检测框架,从而提高了检测精度。我们希望所提出的FCOS框架可以作为许多其他实例级任务的简单而强大的替代方案。

02

腾讯(优图)新技术的人脸检测

【导读】分享的文章,其提出了一种新的人脸检测网络,解决了人脸检测的三个关键方面,包括更好的特征学习、渐进的损失设计和基于锚的数据增强。首先,提出了一种增强原始特征映射的特征增强模块(FEM),将单个镜头探测器扩展到双镜头探测器。其次,采用由两组不同的锚计算的渐进锚损失(PAL)来有效地促进特征。第三,通过将新的锚分配策略集成到数据增强中,使用了改进的锚匹配(IAM),以提供对REGRESOR的更好的初始化。由于这些技术都与双流设计有关,所以将提出的网络命名为双镜头人脸检测器(DSFD)。对流行的基准,WIDER FACE和FDDB进行了广泛实验,证明了DSFD优于现有技术的人脸检测器的优越性。

02

盘点:2017年度这些科学大事件,哪个给您印象最深?

量子技术爆发: 通信和计算领域的高速发展 📷 量子技术经过实验室中的漫长发展,在今年迎来了爆发期。 1月,由我国完全自主研制的世界上第一颗量子通信卫星“墨子号”正式交付开展科学实验。“墨子号”不仅在国际上率先实现了千公里级星地双向量子纠缠分发和量子力学非定域性检验,更在国际上首次成功实现了从卫星到地面的量子密钥分发和从地面到卫星的量子隐形传态,圆满实现了全部三大既定科学目标。量子密钥是目前人类唯一已知的不可窃听、不可破译的无条件安全的通信方式。“墨子号”的成功,为构建覆盖全球的量子保密通信网络、开展空间尺度

08
领券