- 近些年来，利用大规模的强标注数据，深度神经网络在物体识别、物体检测和物体分割任务中取得巨大进展。然而，强标注数据耗时又耗力。为此，自监督学习方法提出从大量的无标注数据中学习出高效的特征编码器，然后利用该特征编码器在小规模数据上进行强监督训练，以此达到和在大规模强标注数据上训练的模型相当的性能。基于对比式自监督学习方法的出发点为：从不同视角来观察图像，将来自同一图像的不同视角的图... 近些年来，利用大规模的强标注数据，深度神经网络在物体识别、物体检测和物体分割任务中取得巨大进展。然而，强标注数据耗时又耗力。为此，自监督学习方法提出从大量的无标注数据中学习出高效的特征编码器，然后利用该特征编码器在小规模数据上进行强监督训练，以此达到和在大规模强标注数据上训练的模型相当的性能。基于对比式自监督学习方法的出发点为：从不同视角来观察图像，将来自同一图像的不同视角的图...
- 本文提出了一种针对文字识别的半监督方法。区别于常见的半监督方法，本文的针对文字识别这类序列识别问题做出了特定的设计。具体来说，本文首先采用了teacher-student的网络结构，然后采用字符级别的一致性约束对teacher和student网络的预测进行对齐。此外，考虑到文字识别是step-by-step，每一个字符的预测都和之前时刻的预测结果相关。 本文提出了一种针对文字识别的半监督方法。区别于常见的半监督方法，本文的针对文字识别这类序列识别问题做出了特定的设计。具体来说，本文首先采用了teacher-student的网络结构，然后采用字符级别的一致性约束对teacher和student网络的预测进行对齐。此外，考虑到文字识别是step-by-step，每一个字符的预测都和之前时刻的预测结果相关。
- 本文提出了一种针对文字识别的多模态半监督方法，具体来说，作者首先使用teacher-student网络进行半监督学习，然后在视觉、语义以及视觉和语义的融合特征上，都进行了一致性约束。 本文提出了一种针对文字识别的多模态半监督方法，具体来说，作者首先使用teacher-student网络进行半监督学习，然后在视觉、语义以及视觉和语义的融合特征上，都进行了一致性约束。
- 针对LayoutLM与LayoutLMv2主要考虑英文文档的情形，LayoutXLM进一步考虑了多语种文档理解任务。 针对LayoutLM与LayoutLMv2主要考虑英文文档的情形，LayoutXLM进一步考虑了多语种文档理解任务。
- LayoutLM进行文本、版面的预训练，只在下游任务加入图像特征，而LayoutLMv2进一步将图像特征纳入到统一的多模态预训练框架中。 LayoutLM进行文本、版面的预训练，只在下游任务加入图像特征，而LayoutLMv2进一步将图像特征纳入到统一的多模态预训练框架中。
- PaddleNLP基于ERNIR3.0文本分类以中医疗搜索检索词意图分类(KUAKE-QIC)为例【多分类(单标签)】 PaddleNLP基于ERNIR3.0文本分类以中医疗搜索检索词意图分类(KUAKE-QIC)为例【多分类(单标签)】
- 本项目主要讲解了犯罪名预测任务、以及doccano标注指南（对于多分类多标签问题），和对性能指标的简单探讨，可以看到实际更多问题是关于多标签分类的。 本项目主要讲解了犯罪名预测任务、以及doccano标注指南（对于多分类多标签问题），和对性能指标的简单探讨，可以看到实际更多问题是关于多标签分类的。
- AiTrust下预训练和小样本学习在中文医疗信息处理挑战榜CBLUE表现 AiTrust下预训练和小样本学习在中文医疗信息处理挑战榜CBLUE表现
- 相信大家都知道最近的数字员工非常火，比如我们中国的商飞上飞院三所的数字员工“思睿”，还有他的专属工号：20952227、还有首位数字化员工，获得21年万科优秀奖的新人奖获得者“崔筱盼” 当然我们华为内部也有8000+的数字员工，在HR、供应链、物流、内审等行业工作，是不是很厉害呢，聪明的同学这时候就要问了，那他们是通过什么实现的呢，这就是接下来我们要介绍的 RPA 相信大家都知道最近的数字员工非常火，比如我们中国的商飞上飞院三所的数字员工“思睿”，还有他的专属工号：20952227、还有首位数字化员工，获得21年万科优秀奖的新人奖获得者“崔筱盼” 当然我们华为内部也有8000+的数字员工，在HR、供应链、物流、内审等行业工作，是不是很厉害呢，聪明的同学这时候就要问了，那他们是通过什么实现的呢，这就是接下来我们要介绍的 RPA
- 深度学习：GoogLeNet核心思想详细讲解💡 在2014年的ImageNet图像识别挑战赛中，一个名叫GoogLeNet [Szegedy et al., 2015]的网络架构大放异彩。GoogLeNet吸收了NiN中串联网络的思想，并在此基础上做了改进。 这篇论文的一个重点是解决了什么样大小的卷积核最合适的问题。毕竟，以前流行的网络使用小到1 * 1，大到5 * 5的卷积核。 本文的... 深度学习：GoogLeNet核心思想详细讲解💡 在2014年的ImageNet图像识别挑战赛中，一个名叫GoogLeNet [Szegedy et al., 2015]的网络架构大放异彩。GoogLeNet吸收了NiN中串联网络的思想，并在此基础上做了改进。 这篇论文的一个重点是解决了什么样大小的卷积核最合适的问题。毕竟，以前流行的网络使用小到1 * 1，大到5 * 5的卷积核。 本文的...
- 求解极值的三种最优化方法总结 求解极值的三种最优化方法总结
- 大家好，我是小寒。原文链接你是否曾经遇到过这样的问题：你的数据集中的正类样本非常小，以至于模型无法学习？在这种情况下，仅通过预测多数类就可以获得相当高的准确度，但无法捕获少数类。这样的数据集很常见，被称为不平衡数据集。不平衡数据集是分类问题的一种特殊情况，其中类之间分布不均匀。通常，它们由两个类组成：多数（负）类和少数（正）类。在不同的领域都会有这样的数据集，例如：金融：欺诈检测数据集的欺诈... 大家好，我是小寒。原文链接你是否曾经遇到过这样的问题：你的数据集中的正类样本非常小，以至于模型无法学习？在这种情况下，仅通过预测多数类就可以获得相当高的准确度，但无法捕获少数类。这样的数据集很常见，被称为不平衡数据集。不平衡数据集是分类问题的一种特殊情况，其中类之间分布不均匀。通常，它们由两个类组成：多数（负）类和少数（正）类。在不同的领域都会有这样的数据集，例如：金融：欺诈检测数据集的欺诈...
- 我想在GEE中做一个二进制变化检测，有以下代码，但没有显示任何结果。 你能告诉我我做错了什么吗？另外，如果我知道我想用来做减法的图像的具体日期--有什么方法可以做到吗？或者我必须使用我的方式来过滤日期？原有的代码：var polygon = ee.Geometry.Polygon({coords: [[[-88.6006, 30.3604], [-88.5340, 30.3447], [-8... 我想在GEE中做一个二进制变化检测，有以下代码，但没有显示任何结果。 你能告诉我我做错了什么吗？另外，如果我知道我想用来做减法的图像的具体日期--有什么方法可以做到吗？或者我必须使用我的方式来过滤日期？原有的代码：var polygon = ee.Geometry.Polygon({coords: [[[-88.6006, 30.3604], [-88.5340, 30.3447], [-8...
- 前言ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。背景Mask R-CNN是一个灵活开放的框架，可以在这个基础框架的基础上进行扩展，以完成更多的人工智能任务。在本案例中，我们将展示如何对基础的Mask R-C... 前言ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。背景Mask R-CNN是一个灵活开放的框架，可以在这个基础框架的基础上进行扩展，以完成更多的人工智能任务。在本案例中，我们将展示如何对基础的Mask R-C...
- DevOps（Development 和 Operations）：是一组过程、方法与系统的名称，用于促进开发（应用程序/软件工程）、技术运营和质量保障（QA）部门之间的沟通、协作与整合。 它是一种重视“软件开发人员（Dev）“和”IT 运维技术员（Ops）“之间沟通合作的文化、运动或惯例。透过自动化”软件交付“和”架构变更“的流程，来使得构建、测试、发布软件能够更加快捷、频繁和可靠。它的出现是由 DevOps（Development 和 Operations）：是一组过程、方法与系统的名称，用于促进开发（应用程序/软件工程）、技术运营和质量保障（QA）部门之间的沟通、协作与整合。 它是一种重视“软件开发人员（Dev）“和”IT 运维技术员（Ops）“之间沟通合作的文化、运动或惯例。透过自动化”软件交付“和”架构变更“的流程，来使得构建、测试、发布软件能够更加快捷、频繁和可靠。它的出现是由
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