- 1. 原始 GAN模型存在的问题 2. GAN的基本结构 3. 原始 GAN模型存在的问题 4. GAN的架构发展与变迁 5. GAN的应用 6. GAN面临的挑战及未来研究方向 1. 原始 GAN模型存在的问题 2. GAN的基本结构 3. 原始 GAN模型存在的问题 4. GAN的架构发展与变迁 5. GAN的应用 6. GAN面临的挑战及未来研究方向
- 本文是关于安全强化学习（Safe Reinforcement Learning）的，从定义、现状（经典算法原理，开源环境&代码），应用场景，高价值研究点归纳这几个方面对Safe RL较为全面的介绍。 本文是关于安全强化学习（Safe Reinforcement Learning）的，从定义、现状（经典算法原理，开源环境&代码），应用场景，高价值研究点归纳这几个方面对Safe RL较为全面的介绍。
- 1. 手骨分割的意义 在手骨X光图像的骨龄评价方法中，G-P图谱法对照的依据为关键手骨的发育情况。而在TW计分法中的骨成熟度标准包括：①骨化中心的出现；②长骨的骺干融合；③骨化中心相对大小和相对距离；④骨化中心各关节面的出现；⑤骨化中心是否相互接触。关键骨化中心的出现与否以及其尺寸，都是骨龄评价的重要依据。比如，在TW3中，头状骨骨化中心的纵向直径大小是判断其属于等级4或等级5的评价标... 1. 手骨分割的意义 在手骨X光图像的骨龄评价方法中，G-P图谱法对照的依据为关键手骨的发育情况。而在TW计分法中的骨成熟度标准包括：①骨化中心的出现；②长骨的骺干融合；③骨化中心相对大小和相对距离；④骨化中心各关节面的出现；⑤骨化中心是否相互接触。关键骨化中心的出现与否以及其尺寸，都是骨龄评价的重要依据。比如，在TW3中，头状骨骨化中心的纵向直径大小是判断其属于等级4或等级5的评价标...
- 一、游戏制作 策划是团队的灵魂，主要对游戏剧情、背景进行分析设计，对游戏中的各种规则进行描述及公式确定，对各种资料表格进行维护，对游戏中的特效、动作等进行收集并提出需求，进行 UI 设计及模型相关配置等。程序是团队的骨肉，主要负责确定程序的数据结构，确定策划方案的完成方法，将策划提出的各种需求用程序来实现，并为游戏开发过程提供良好的编辑工具。美术是团队的皮肤，可细分为人物原画、人物建模、材... 一、游戏制作 策划是团队的灵魂，主要对游戏剧情、背景进行分析设计，对游戏中的各种规则进行描述及公式确定，对各种资料表格进行维护，对游戏中的特效、动作等进行收集并提出需求，进行 UI 设计及模型相关配置等。程序是团队的骨肉，主要负责确定程序的数据结构，确定策划方案的完成方法，将策划提出的各种需求用程序来实现，并为游戏开发过程提供良好的编辑工具。美术是团队的皮肤，可细分为人物原画、人物建模、材...
- 深度学习的两大部分 知识表示：包含参数的可微分计算图 更有效的表示 如何推理 如何表示复杂序列任务 学习范式： 监督学习：标注数据产生监督信息，需要大量标注数据 强化学习：环境产生监督信息，需要一个模拟真实的环境和大量试错 自监督学习：利用先验知识构造代理任务，产生监督信息自监督学习意义：沉淀知识... 深度学习的两大部分 知识表示：包含参数的可微分计算图 更有效的表示 如何推理 如何表示复杂序列任务 学习范式： 监督学习：标注数据产生监督信息，需要大量标注数据 强化学习：环境产生监督信息，需要一个模拟真实的环境和大量试错 自监督学习：利用先验知识构造代理任务，产生监督信息自监督学习意义：沉淀知识...
- 近年来小样本识别在计算机视觉领域得到广泛关注。本文简要介绍了小样本学习任务并对当今的主流方法进行了归类。最后指出了小样本学习领域的一些前沿的研究方向。 近年来小样本识别在计算机视觉领域得到广泛关注。本文简要介绍了小样本学习任务并对当今的主流方法进行了归类。最后指出了小样本学习领域的一些前沿的研究方向。
- 跟踪物体的运动轨迹，即目标跟踪，是视频理解中非常重要的一项任务。按照跟踪物体的数量，目标跟踪任务可以分为单目标跟踪和多目标跟踪两类。这篇笔记主要关注多目标跟踪中物体检测和识别联合学习的方法框架。 跟踪物体的运动轨迹，即目标跟踪，是视频理解中非常重要的一项任务。按照跟踪物体的数量，目标跟踪任务可以分为单目标跟踪和多目标跟踪两类。这篇笔记主要关注多目标跟踪中物体检测和识别联合学习的方法框架。
- 作为本系列的第一篇文章，首先通过对图像分类任务的介绍，指出目前最主流的图像分类模型存在的问题，从而引出度量学习算法。 作为本系列的第一篇文章，首先通过对图像分类任务的介绍，指出目前最主流的图像分类模型存在的问题，从而引出度量学习算法。
- 排样问题（Nesting Problem）又称为下料问题(Cutting and stock problems)或填充问题(Packing Problem)，其目标是在材料切割过程中寻找一个较高的材料利用率。排样问题属于经典的NP-Hard问题，其时间复杂度随着问题规模的增加迅速上升，难以在合理时间内精确求解大规模实例。 排样问题（Nesting Problem）又称为下料问题(Cutting and stock problems)或填充问题(Packing Problem)，其目标是在材料切割过程中寻找一个较高的材料利用率。排样问题属于经典的NP-Hard问题，其时间复杂度随着问题规模的增加迅速上升，难以在合理时间内精确求解大规模实例。
- 本文是《基于学习的运筹优化算法进展与发展趋势》的第一篇，主要介绍了常见的运筹优化算法概念、定义、特点以及业界的一些学者的观点。 本文是《基于学习的运筹优化算法进展与发展趋势》的第一篇，主要介绍了常见的运筹优化算法概念、定义、特点以及业界的一些学者的观点。
- 图像配准是计算机视觉中的经典难题之一，在医学领域有重要的作用。本文简要介绍了其传统方法和前沿深度学习方法VoxelMorph。 图像配准是计算机视觉中的经典难题之一，在医学领域有重要的作用。本文简要介绍了其传统方法和前沿深度学习方法VoxelMorph。
- nnU-net（No New U-Net）是一个基于U-Net的自适应分割网络，从Pipline角度对生物医学图像分割问题尝试实现通用型解决方案。nnU-net自2018年正式提出，到2020年依然不断地在完善[1,2,3]。 nnU-net（No New U-Net）是一个基于U-Net的自适应分割网络，从Pipline角度对生物医学图像分割问题尝试实现通用型解决方案。nnU-net自2018年正式提出，到2020年依然不断地在完善[1,2,3]。
- Eidetic 3D LSTM: A Model for Video Prediction and Beyond (ICLR 2019)。如何为其它视频理解和推理任务学习有效的特征表示？ Eidetic 3D LSTM: A Model for Video Prediction and Beyond (ICLR 2019)。如何为其它视频理解和推理任务学习有效的特征表示？
- 2019 年，百度 AI 在各个国际顶会、各项 AI 赛事中，展示出了 AI 核心玩家的实力。在诸如 CVPR、ICCV、NeurIPS等全球公认的 Top 级赛事及学术顶级会议上，百度 AI 共包揽 23 项国内外竞赛冠军，200 多篇论文被各大顶会收录，在语义评测、中英翻译、阅读理解领域均取得优异成绩，包括国际语义评测比赛等多个大赛冠军。 2019 年，百度 AI 在各个国际顶会、各项 AI 赛事中，展示出了 AI 核心玩家的实力。在诸如 CVPR、ICCV、NeurIPS等全球公认的 Top 级赛事及学术顶级会议上，百度 AI 共包揽 23 项国内外竞赛冠军，200 多篇论文被各大顶会收录，在语义评测、中英翻译、阅读理解领域均取得优异成绩，包括国际语义评测比赛等多个大赛冠军。
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签