- 对于开发者而言，数据采集是开发人工智能应用时面临的首要问题。数据采集的内容涉及图像、视频、音频、结构化表格数据以及环境信息。数据采集是数据管理的起始环节，一般而言，数据越多越丰富，算法所达到的效果越好。尤其是对于深度学习而言，数据量越大，模型表现一般越好。 那么我们从哪里得到这么多数据呢？如果你实在找不到你所需要的数据集，那么你不妨学学爬虫。在这里我会慢慢给大家介绍一些爬虫的相... 对于开发者而言，数据采集是开发人工智能应用时面临的首要问题。数据采集的内容涉及图像、视频、音频、结构化表格数据以及环境信息。数据采集是数据管理的起始环节，一般而言，数据越多越丰富，算法所达到的效果越好。尤其是对于深度学习而言，数据量越大，模型表现一般越好。 那么我们从哪里得到这么多数据呢？如果你实在找不到你所需要的数据集，那么你不妨学学爬虫。在这里我会慢慢给大家介绍一些爬虫的相...
- 在2020年第二届华为云人工智能大赛•无人车挑战杯中，“华中科技大学无人车一队”借助华为云一站式AI开发与管理平台ModelArts及HiLens端云协同AI开发应用平台，进行无人车模型开发与部署，最终夺冠，获得20万奖励（10万现金+10万代金券）。战队撰文分享其参赛体验，包括无人车比赛的整体方案，多维数据处理及行驶控制的能力等。比赛背景第二届华为云无人车挑战杯大赛，相比第一届大赛，难度更... 在2020年第二届华为云人工智能大赛•无人车挑战杯中，“华中科技大学无人车一队”借助华为云一站式AI开发与管理平台ModelArts及HiLens端云协同AI开发应用平台，进行无人车模型开发与部署，最终夺冠，获得20万奖励（10万现金+10万代金券）。战队撰文分享其参赛体验，包括无人车比赛的整体方案，多维数据处理及行驶控制的能力等。比赛背景第二届华为云无人车挑战杯大赛，相比第一届大赛，难度更...
- 提问：人工智能和机器学习，深度学习的关系是什么？ 其实很简单的两句话可以概括三者间的关系：机器学习是人工智能的一个实现途径，深度学习是机器学习的一个方法发展而来。 今天我们先来讲一下机器学习概述，在后面我每周都会持续更新一些我对于机器学习以及算法的一些学习心得。说到机器学习那么你知道机器学习是什么吗？机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。机器学... 提问：人工智能和机器学习，深度学习的关系是什么？ 其实很简单的两句话可以概括三者间的关系：机器学习是人工智能的一个实现途径，深度学习是机器学习的一个方法发展而来。 今天我们先来讲一下机器学习概述，在后面我每周都会持续更新一些我对于机器学习以及算法的一些学习心得。说到机器学习那么你知道机器学习是什么吗？机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。机器学...
- 行为分析，图像理解，遥感解译，数据推理 行为分析，图像理解，遥感解译，数据推理
- 总得来说，微小运动放大方法可以分为三大类，分别是拉格朗日视角、欧拉视角、结合拉格朗日视角和欧拉视角。拉格朗日视角和欧拉视角都来自流体力学。流体力学是一门研究流体（包括气体、液体、等离子体）力学行为的力学分支。在流体力学中对连续介质流体有拉格朗日描述与欧拉描述。拉格朗日视角着眼于流体质点，描述的是单个质点的运动轨迹。如图1所示，每一个水分子都可以看作一个随着水流一起运动的质点。如果知道了所有质... 总得来说，微小运动放大方法可以分为三大类，分别是拉格朗日视角、欧拉视角、结合拉格朗日视角和欧拉视角。拉格朗日视角和欧拉视角都来自流体力学。流体力学是一门研究流体（包括气体、液体、等离子体）力学行为的力学分支。在流体力学中对连续介质流体有拉格朗日描述与欧拉描述。拉格朗日视角着眼于流体质点，描述的是单个质点的运动轨迹。如图1所示，每一个水分子都可以看作一个随着水流一起运动的质点。如果知道了所有质...
- 目前，作为深度学习的代表算法之一，卷积神经网络（Convolutional Neural Networks，CNN）在计算机视觉、分类等领域上，都取得了当前最好的效果。后来，基于深度神经网络和搜索树的智能机器人“AlphaGo”在围棋上击败了人类，这是CNN 给人们的一个大大的惊喜。一年后的 Master 则更是完虐了所有人类围棋高手，达到神一般的境界，人类棋手毫无胜机。可以说，卷积神经网络... 目前，作为深度学习的代表算法之一，卷积神经网络（Convolutional Neural Networks，CNN）在计算机视觉、分类等领域上，都取得了当前最好的效果。后来，基于深度神经网络和搜索树的智能机器人“AlphaGo”在围棋上击败了人类，这是CNN 给人们的一个大大的惊喜。一年后的 Master 则更是完虐了所有人类围棋高手，达到神一般的境界，人类棋手毫无胜机。可以说，卷积神经网络...
- 计算机视觉三大会议之一的ECCV 2020刚刚落下帷幕，本文主要介绍阿联酋起源人工智能研究院（IIAI）的科学家们在该会议上发表的一篇论文：《Invertible Zero-Shot Recognition Flows》。该工作首次提出了一种基于生成流（Generative Flow）模型的零样本学习方法，并在多个数据库上取得了目前最好的识别结果。全文链接：https://www.ecva.... 计算机视觉三大会议之一的ECCV 2020刚刚落下帷幕，本文主要介绍阿联酋起源人工智能研究院（IIAI）的科学家们在该会议上发表的一篇论文：《Invertible Zero-Shot Recognition Flows》。该工作首次提出了一种基于生成流（Generative Flow）模型的零样本学习方法，并在多个数据库上取得了目前最好的识别结果。全文链接：https://www.ecva....
- 学计算机视觉怎么能错过GAN网络？ 它是图像/视频生成与编辑领域当之无愧的王者！是深度学习强大能力最直观的展示！同时也是视觉领域理论研究的热点，是出论文的好方向！随着GAN系列网络的不断进步，图像/视频的生成和编辑已完全能以假乱真：最新GAN网络所生成的人脸，可能比你手机拍摄的人脸更清晰更真实；GAN网络所带来的换脸、老片修复等应用，则具有很高的商业价值。学GAN网络，如果想要在算法上有所创... 学计算机视觉怎么能错过GAN网络？ 它是图像/视频生成与编辑领域当之无愧的王者！是深度学习强大能力最直观的展示！同时也是视觉领域理论研究的热点，是出论文的好方向！随着GAN系列网络的不断进步，图像/视频的生成和编辑已完全能以假乱真：最新GAN网络所生成的人脸，可能比你手机拍摄的人脸更清晰更真实；GAN网络所带来的换脸、老片修复等应用，则具有很高的商业价值。学GAN网络，如果想要在算法上有所创...
- 如果要把深度学习开发过程中几个环节按重要程度排个序的话，相信准备训练数据肯定能排在前几位。要知道一个模型网络被编写出来后，也只是一坨代码而已，和智能基本不沾边，它只有通过学习大量的数据，才能学会如何作推理。因此训练数据其实和一样东西非常像！——武侠小说中的神功秘笈，学之前菜鸟一只，学之后一统江湖！但很可惜的是，训练数据和秘笈还有一个特点很相似，那就是可遇而不可求！也就是说很难获取，除了那些公... 如果要把深度学习开发过程中几个环节按重要程度排个序的话，相信准备训练数据肯定能排在前几位。要知道一个模型网络被编写出来后，也只是一坨代码而已，和智能基本不沾边，它只有通过学习大量的数据，才能学会如何作推理。因此训练数据其实和一样东西非常像！——武侠小说中的神功秘笈，学之前菜鸟一只，学之后一统江湖！但很可惜的是，训练数据和秘笈还有一个特点很相似，那就是可遇而不可求！也就是说很难获取，除了那些公...
- 那么，问题来了，怎么对任意分布 采样？这里介绍Metropolis MC算法，也叫Metropolis-Hastings算法，它类似于随机瞎走（Random walk）的方式产生一列数，这些数的总体分布服从 。这里，我们以平衡态统计力学中的最常见的Boltzmann分布为例说明。玻尔兹曼分布说对于构型 ,它的概率应该是 ,这里 是这个构型的能量。我们想要产生服从玻尔兹曼分布的一系列 ，可以设... 那么，问题来了，怎么对任意分布 采样？这里介绍Metropolis MC算法，也叫Metropolis-Hastings算法，它类似于随机瞎走（Random walk）的方式产生一列数，这些数的总体分布服从 。这里，我们以平衡态统计力学中的最常见的Boltzmann分布为例说明。玻尔兹曼分布说对于构型 ,它的概率应该是 ,这里 是这个构型的能量。我们想要产生服从玻尔兹曼分布的一系列 ，可以设...
- 假设有一个函数F(x)，已知计算成本很高，且解析式和导数未知。问：如何找到全局最小值？毫无疑问，这是一个非常烧脑的任务，比机器学习所有的优化问题都烧脑，毕竟机器学习中的梯度下降就默认了导数可得。在其他优化问题下，能够采用的方法非常多，即使不用梯度下降，粒子群或模拟退火等非梯度优化方法也是解决方案之一。再者，如果能够以较低的计算成本得到输入变量x的结果，那么也能够用简单的网格搜索，从而得到良好... 假设有一个函数F(x)，已知计算成本很高，且解析式和导数未知。问：如何找到全局最小值？毫无疑问，这是一个非常烧脑的任务，比机器学习所有的优化问题都烧脑，毕竟机器学习中的梯度下降就默认了导数可得。在其他优化问题下，能够采用的方法非常多，即使不用梯度下降，粒子群或模拟退火等非梯度优化方法也是解决方案之一。再者，如果能够以较低的计算成本得到输入变量x的结果，那么也能够用简单的网格搜索，从而得到良好...
- 【乘风破浪的开发者】丁一超：从AI实战营出发探索未知的AI世界 【乘风破浪的开发者】丁一超：从AI实战营出发探索未知的AI世界
- 得益于ModelArts一站式AI开发平台和HiLens良好的端云协同，很快就完成了模型部署，降低了开发难度，大大加快了部署应用的速度，无疑我是幸运的，了解认识了ModelArts和HiLens，很感谢ModelArts和HiLens，希望以后能与更多开发者一起成长，大家携手与ModelArts一起发展成长。 得益于ModelArts一站式AI开发平台和HiLens良好的端云协同，很快就完成了模型部署，降低了开发难度，大大加快了部署应用的速度，无疑我是幸运的，了解认识了ModelArts和HiLens，很感谢ModelArts和HiLens，希望以后能与更多开发者一起成长，大家携手与ModelArts一起发展成长。
- 受Transformer模型的启发，目前一些学者将该结构应用到文本行识别中，以替代RNN，取得了良好的效果，如SRN。SRN使用了Transformer unit进行特征提取，并采用该文作者提出的并行解码器，整个模型拥有更好的可并行性。 受Transformer模型的启发，目前一些学者将该结构应用到文本行识别中，以替代RNN，取得了良好的效果，如SRN。SRN使用了Transformer unit进行特征提取，并采用该文作者提出的并行解码器，整个模型拥有更好的可并行性。
- 受Transformer模型的启发，目前一些学者将该结构应用到文本行识别中，以替代RNN，取得了良好的效果，如HGA-STR。总体上，HGA-STR更接近原有的Transformer的结构，使用了和Transformer类似的解码结构。 受Transformer模型的启发，目前一些学者将该结构应用到文本行识别中，以替代RNN，取得了良好的效果，如HGA-STR。总体上，HGA-STR更接近原有的Transformer的结构，使用了和Transformer类似的解码结构。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签