开题和答辩在即，PPT做的还是不能让自己，尤其是导师满意，怎么办？如果你有这个情况，不妨试一下下面三个神器，让你的PPT更加完美。
在人机交互方面，大多人想到的都是语音交互，毕竟这是人类之间运用率最高的交流方式，且语音识别、自然语言理解等技术目前也发展的相当不错。 但是，我们也不得不忽视这样一个事实：我们每天都被文字所包围，像每天
个别人发言的提醒功能是一个刚需，不过微信这个只允许一个群设置 4 个特别关注的群成员。
多模态大模型 Multimodal LLM (MLLM) 相关研究致力于实现通用的图片理解，其中类别多样、文字丰富且排版复杂的文档图片一直是阻碍多模态大模型实现通用的痛点。当前爆火的多模态大模型QwenVL-Max, Gemini, Claude3, GPT4V都具备很强的文档图片理解能力，然而开源模型在这个方向上的进展缓慢，距离这些闭源大模型具有很大差距 （例如DocVQA上开源7B SOTA 66.5，而Gemini Pro 1.5为86.5）。
从古至今，文字经历了数代变革，最终发展成为现在的简体字。近来以来，随着科技的发展，人类变得越来越“懒”，从抛弃纸笔投入电脑的怀抱，再到现在从键盘到语音的转移。虽然不管如何发展，文字依然是人们不可丢弃的东西，但是出于让生活更便利的目的，它也在随着科技而发生变化，比如担当着人工智能基础之一的文字识别技术（OCR）。 OCR是指光学设备（扫描仪、数码相机等）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程，其本质就是利用光学设备去捕获图像并识别文字，将人眼的能力延
导读：验证码作为网络安全的第一道屏障，其重要程度不言而喻。当前，卷积神经网络的高速发展使得许多验证码的安全性大大降低，一些新型验证码甚至选择牺牲可用性从而保证安全性。针对对抗样本技术的研究，给验证码领域带来了新的契机，并已应用于验证码反识别当中，为这场旷日持久攻防对抗注入了新的活力。
编者按：近日，计算机视觉顶会 CVPR 2020 接收论文结果揭晓，从 6656 篇有效投稿中录取了 1470 篇论文，录取率约为 22%。中科院VIPL实验室共七篇论文录取，内容涉及弱监督语义分割、活体检测、手势识别、视觉问答、行人搜索、无监督领域自适应方法等方面，本文将予以详细介绍。
由于最近在接触一些OCR的工作，所以本期《晓说AI》和大家分享一下我的一些总结，先从基本的概念讲起。如有错误，还请指正，谢你3千遍。如有疑问，欢迎留言，我会第一时间答复。
我今天演讲主要分四个部分，第一个是分享语音识别概述，然后是深度神经网络的基础；接下来就是深度学习在语音识别声学模型上面的应用，最后要分享的是语音识别难点以及未来的发展方向。
今日，计算机视觉公司深图智服 CEO 吴鹏程向AI科技评论透露，深图智服在全球最具权威的人脸检测评测平台 FDDB 数据集上超越小米取得第一名的成绩。 据悉，1 月 28 日深图智服的孙旭东、吴鹏程、许主洪三人在 FDDB 上提交了一篇名为《Face Detection using Deep Learning: An Improved Faster RCNN Approach》的论文。从这份论文中可以了解到，深图智服提出一种全新的人脸检测方案，该方案改进了目前在对象检测领域最先进的 Faster RCNN
OCR(Optical Character Recognition,光学字符识别)是指对图像进行分析识别处理，获取文字和版面信息的过程，是典型的计算机视觉任务，通常由文本检测和文本识别两个子任务构成。
其实就几个步骤： 1：用程序先把所有验证码（已知的，单个的）的灰度值放入一个数组 2：分割未知验证码，把未知验证码的一个一个数字或字母分割出来 3：分别取分割验证码的 灰度值 4：将分割验证码的灰度值与数组中的灰度值进行匹配，匹配程度最大的，即可能就是该码
选文|姚佳灵 文字部分翻译|吴怡雯 图片翻译及制图|田晋阳 ◆ ◆ ◆ 前言 你知道回归的概念大约是在200年前提出来的吗？ 直到我决定涉足分析学的光辉历史，我也是不知道的。是的！如今我们在用的一些概念都是几个世纪前提出的。在我回顾这段历史的时候，发现那些真正的天才，他们天生渴望分享知识和挑战那些改变世界未来的概念。 通过阅读他们的人生故事，我发现这些天才身上都有一个共同点。那就是所有的这些天才有着强烈的刨根问底的精神，比如：他们永远不会满足自己所知道的。相反，他们感兴趣的是为什么事情会如此这般地发
罗超为虎嗅网、钛媒体、TECH2IPO、DONEWS、爱科技和新浪科技撰稿。 愚人节当天发布消息很容易会让人产生联想。比如苹果的道歉，再比关于百度的两则消息：一是百度宣布与知名娱乐商达成合作，通过“机器评委系统”进行海选，以机器方式替代人工面试筛选，网友只需拍摄或上传照片就能参与。在选秀节目和评委满天飞的情况下，机器也来凑热闹？还有就是：百度宣布内测成功"Baidu Eye"，这是类似于Google Glass的设备，据称将配备超小液晶显示、语音操控、图像识别、骨传导技术，并且和百度语音、百度云、百度地图等
本文共9876字，阅读约需14分钟，有兴趣的朋友请耐心阅读，谢谢！ 近期许良在公司内部做了一个关于人工智能/深度学习相关的主题分享讲座，为了准备这个演讲，花了100个小时左右，接下来就把精心准备的内容分享给大家。 有一个好消息是，考虑文章比较长和文字本身表达的局限性，同时为了解答大家的疑问，近期会完全免费开一个视频直播，具体内容如下。 1. 深度学习入门到晋级 2. 深度学习模型解析和代码实现展示 3. 答疑环节 具体直播时间和链接获取方法最后和大家说。 ---- 内容正式开始。 一提到人工智能和深度学
对于深度学习或机器学习模型而言，我们不仅要求它对训练数据集有很好的拟合（训练误差），同时也希望它可以对未知数据集（测试集）有很好的拟合结果（泛化能力），所产生的测试误差被称为泛化误差。度量泛化能力的好坏，最直观的表现就是模型的过拟合（overfitting）和欠拟合（underfitting）。
原文刊载于 明略数据（Minglamp_BigData） 量子位 | QbitAI 已获授权编辑转载 这是7月下旬，马少平老师在明略数据内部做的一个分享，基于此前马老师随笔《人工智能能做什么？》中的一些思考进行了扩展。 AlphaGo的出现，让很多人对人工智能产生了不切合实际的幻想，究竟人工智能能做什么？1个半小时的分享，整理成如下内容，包含以下几个部分： ● 人工智能发展历史 ● 人工智能典型应用 ● 当前行业中人工智能的应用情况 ● 如何指导科研工作 作者：
AI科技评论按：据外媒TechCrunch最新报道，MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）发明了一种可以全自动内窥神经网络活动的系统Network Dissection。相关的论
中国电子学会云计算专家委员会名誉主任委员、中国大数据专家委员会顾问、中国工程院院士李德毅 在5月21日的第六届中国云计算大会上，李院士的演讲信息量极大，纵观科技发展几十年的历史，细数其中代表人物（居然
AI 科技评论按：北京时间 10 月 19 日凌晨，DeepMind 在 Nature 上发布论文《Mastering the game of Go without human knowledge》（不使用人类知识掌握围棋），在这篇论文中，DeepMind展示了他们更强大的新版本围棋程序“AlphaGo Zero”，掀起了人们对AI的大讨论。而在10月28日，Geoffrey Hinton发表最新的胶囊论文，彻底推翻了他三十年来所坚持的算法，又一次掀起学界大讨论。 究竟什么是人工智能？深度学习的发展历程如何
感知（模式识别）是从传感数据判断模式的存在、类别，给出结构描述和关系描述的过程。目前以深度神经网络为主的模式识别方法只解决了初级感知（检测、分类）问题，属于高级感知层面的结构和关系理解已有一些研究进展但还没有解决，而结合知识进行模式识别和理解并把结果用于决策规划则属于高级认知的范畴，是未来要加强研究的方向。 作者 | 杏花 编辑 | 青暮 今年10月12日，2021中国人工智能大会（CCAI 2021）在成都正式启幕，23位中外院士领衔，近百位学术技术精英共聚西南人工智能新高地，深入呈现人工智能学术研究，以
今天我们来聊一聊一个比较有趣的话题，那就是近年来在人工智能深度学习领域的热点--生成式对抗网络（GAN）。
导读：本次分享系统介绍计算机视觉的基础知识，如何利用这些识别算法实现一个应用，同时进行部署、推广这一整套流程。主要包括以下六个部分：
本篇文章介绍上海交通大学 BCMI 实验室在AAAI 2020 上的一项工作，A Proposal-based Approach for Activity Image-to-Video Retrieval。
人脸识别所面临的一个挑战就是你需要解决一次学习问题，这意味着在大多数人脸识别应用中，你需要通过单单一张图片或者单单一个人脸样例就能去识别这个人。
在前一篇文章中，我们展示了如何借助 SOTA 项目探索机器翻译最前沿的进展。我们可以发现，拥有最顶尖效果的模型，通常都有非常美妙的想法，这对于理解整个任务或领域非常重要。但是如果从另一个角度，探讨这些顶尖模型的关系与演化，我们能获得另一种全局体验。
AI要走进千家万户，融入整个社会，而不仅仅是曲高和寡的模型。所以现在非常讲究AI场景化，使它成为与产业相关的部分。
2019年，据美联社报道，一名间谍利用AI生成的个人资料和图片，在全球知名的职场社交平台LinkedIn上欺骗联系人，包括政治专家和政府内部人员[1][2]。 这位30多岁的女性名叫凯蒂•琼斯，拥有一份顶级智库的工作，虽然她的关系网规模不大，只有52个联系人，但却都有着举足轻重的影响力，比如：一位副助理国务卿、一位参议员的高级助理、以及正在考虑谋求美联储一席之地的经济学家保罗•温弗里。 然而，经过许多相关人员和专家的调查采访，美联社证实了凯蒂•琼斯其实并不存在，她的人脸照片似乎是由一种典型的GAN技
2019年9月21日，2019第五届中国人工智能大会（CCAI 2019）在山东省青岛市举行。大会为期两天，包括中国人工智能学会理事长、中国工程院院士李德毅，清华大学人工智能研究院院长、中国科学院院士张钹，卡内基梅隆大学计算机学院副院长、苏格兰皇家学院院士贾斯汀·卡塞尔，加拿大滑铁卢大学教授、国际计算学习理论学会前主席赛·本·大卫，腾讯人工智能实验室主任张正友，中国人工智能学会秘书长王卫宁等多位重磅学术嘉宾出席，还有一百多位国际人工智能领域顶尖人才，一千多位国内外人工智能领域专家教授、头部企业高管参会。这也是青岛市「建设现代化国际大都市，打造对外开放新高地」战略下的重要活动，青岛期待打造人工智能的国际合作新平台，整合全球的要素资源，加快推进人工智能的发展。
03月16日上午，12306网站更新了自己的验证码形式，将原有的验证码从英文字符变换到8张小图片，用户必须根据问题提示来点击选中正确的图片，然后才能预定车票。紧接着，各路媒体开始发稿，《12306官网放大招:启用图片验证码所有抢票软件将失效》《12306官网推出全新图片验证码抢票软件将失效》等新闻层出不穷。作为一个程序员，看到这样的标题，十分困惑这些媒体是怎么用上帝视角这么直接断定抢票软件将全部失效的，可以想象一大波刷票公司正准备捋起袖子干活就直接听到12306宣布自己胜利了。当然，我们反对一切的黄牛党，本
【导语】9 月 7 日，在CSDN主办的「AI ProCon 2019」上，微软（亚洲）互联网工程院人工智能语音团队首席研发总监赵晟、微软（亚洲）互联网工程院 Office 365资深产品经理，Office 小程序负责人张鹏共同发表《微软语音AI与微软听听小程序实践》的主题演讲，分享微软人工智能语音的技术以及微软听听小程序的落地实践。
DeepAction八期飞跃计划还剩12个名额，联系小编，获取你的专属算法工程师学习计划（联系小编SIGAI_NO1）
今天给大家分享一个开箱即用web移动端组件,它可以帮助你快速搭建移动端项目,简直太赞了!
本文系作者原创，转载请注明出处:https://www.cnblogs.com/further-further-further/p/12072225.html
微软亚洲研究院常务副院长，著名人工智能专家芮勇在大会上带来了《计算视觉：从感知到认知的长征》的主题报告。芮勇理性分析了最近大热的人工智能和计算机视觉，并提出了计算机视觉发展的三大基石和未来可能的四大发
本文主要介绍了如何在社区中实现图片分类和情感识别，以及如何对图像进行特征提取和选择合适的模型来加速训练和识别过程。作者通过对比多种方案，包括使用传统的CNN和RNN模型，以及使用更先进的模型如VGG和ResNet，最终选择使用Dense CNN模型来实现图片分类和情感识别任务。同时，作者还分享了在训练过程中使用的一些技术和方法，包括数据扩增、模型选择和超参数调优等，以提升模型的性能和效率。
在科学研究中，从方法论上来讲，都应先见森林，再见树木。当前，人工智能科技迅猛发展，万木争荣，更应系统梳理脉络。为此，我们特别精选国内外优秀的综述论文，开辟“综述”专栏，敬请关注。
解读柯洁大战AlphaGo，当然离不开围棋界最懂机器学习的高手。 本次，我们很荣幸邀请到围棋队的电脑专家——余平大师，来为我们讲解第一盘人机大战。 首先，当然从围棋的角度出发，余平大师认为，柯洁选AlphaGo的“点”三三是非常非常错误的。 “点”完三三，然后一“爬”的时候，以前胡耀宇写过一个“扳”，然后“扳”了“退”，所以说不好；事实上今天AlphaGo一“飞”，其实几十年就已证明过“飞”比“扳”要便宜一点点。 其次，他还认为柯洁没有抓住第37手的机会，非常可惜。 柯洁在36手AlphaGo“挤”他
本文介绍了OCR（光学字符识别）技术的基本概念、发展历程、主要应用领域，以及基于深度学习的OCR识别框架。与传统OCR相比，基于深度学习的OCR识别框架减少了三个步骤，降低了因误差累积对最终识别结果的影响。
如今，随着数字技术的发展与革新，深度学习在计算机视觉领域上得到越来越广泛应用，并出现在日常工作生活的各个场景之中，如人脸识别、物体的分类与检测等。这些应用都是基于视觉领域单一模态进行的，但其实现实世界并不局限于视觉这单一模态，听觉、语言文字也是现实世界的重要组成部分，仅凭单一模态可能无法对事物类型进行完美的判断。
文 / 雷欣，李理 从2015年ACL会议的论文可以看出，目前NLP最流行的方法还是机器学习尤其是深度学习，所以本文会从深度神经网络的角度分析目前NLP研究的热点和未来的发展方向。 我们主要关注Word Embedding、RNN/LSTM/CNN等主流的深度神经网络在NLP中的应用，这已经是目前主流的研究方向。此外，已经在机器学习或其它领域比较热门的方法，比如Multi-Model、Reasoning、Attention and Memory等，很有可能是未来NLP研究的热点，我们将着重关注。 Word
【新智元导读】近日，在台湾大学，卷积神经网络之父、FacebookAI 研究院院长 Yann LeCun 以「Deep Learning and the Path to AI」为题，对深度学习目前的发展现状和面临的最大挑战、以及应对方法进行了综述和分析。 6 月 29 日，台湾大学。卷积神经网络之父、FacebookAI 研究院院长 Yann LeCun 以「Deep Learning and the Path to AI」为题，对深度学习目前的发展现状和面临的最大挑战、以及应对方法进行了综述和分析。新智元
自然场景图像中的文字识别应用广泛，其中文字定位是最重要的一步，但技术上极具挑战。本文提出了一个高效的场景文本检测框架，取得了明显的效果提升。
前段时间有人跟我讲说要批量图片（批量名片识别、批量照片识别等）识别，然后就下来研究了一下
2018年3月27日腾讯云云+社区联合腾讯云智能图像团队共同在客户群举办了腾讯云OCR文字识别——智能图像分享活动，活动举办期间用户耐心听分享嘉宾的介绍，并提出了相关的问题，智能图像团队的科学家和工程师也耐心解答可用户的疑问。以下就是活动分享的全部内容。
取自CVPR2020的一篇文章Learning to Cartoonize Using White-box Cartoon Representations
文章目录 《这是我见过最强的OCR开源算法模型了》 前言 一、来吧，展示！ 二、OCR简介 （一）什么是OCR （二）应用举例 （三）OCR难点 三、PaddleOCR介绍 （一）总结介绍 （二）相关地址总结 四、PaddleOCR的使用 （一）PaddleOCR项目介绍 （二）测试自己的数据 五、多维度对比分析 （一）教程的完备性对比 （二）易用性对比 （三）运行速度对比 （四）精度对比 （五）多角度对比 （六）其他分析 六、总结 《这是我见过最强的OCR开源算法模型了》 前言 最近参加“中国软件杯”的一
注：本文首发在微信公众号-极市平台。如需转载，请联系微信Extreme-Vision
北京时间12月7日凌晨，谷歌CEO“劈柴”突然发布重磅AI杀手锏——Gemini。就在前几天，还有消息说Gemini要推迟一个月才上线，结果现在这么突然地发布，着实让AI圈料不到。以谷歌以往的实力，不用想，这又是AI界的一个“不眠之夜”。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
