热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

2020.12.1412.21人工智能行业每周技术动态

上周六,和几个创业的朋友,线下聚会聊天。聊了下他们在创业路上踩的各种坑,后来讨论了一个话题:创业路上,什么最重

上周六,和几个创业的朋友,线下聚会聊天。
聊了下他们在创业路上踩的各种坑,后来讨论了一个话题:创业路上,什么最重要?

记得一个朋友说的一个词,印象很深刻:知行合一
大白之前在朋友圈,也看到一句话,挺有意思:信息差可以抹平,认知差无法抹平
感觉和“知行合一”很搭,所以本周,和大家聊一下,关于这个词的感受。

知行合一,我们先来看一下“”。
这里的知,可以理解成,信息差

由于移动互联网的便捷,大家每天都被海量的资讯所包围。
比如阅读十四五规划得到的利好信息,或者从网络信息中得到的资讯

例如最近一段时间,特别火的平价茅台,只要从网络秒杀到,反手专卖,都是各种差价。
详情可看:《880万瓶茅台哄抢真相:没人喝,都想倒卖》

所以在这个时代,只要愿意了解,大部分人都可以学会利用信息差获得一些回报。
不管是对于工作,还是对于创业,大家可能都会有很多的想法

在这里插入图片描述
但是造成相同想法的人,很大程度不同的是,第二个字“”。
如何去践行,你的想法?
很多的人,可能都是“晚上想法千千万,早上醒来原地转”。

之前参加过一个活动,有一位嘉宾分享了一句话:你的顿悟,不过是别人的常识。
这句话其实挺打击人的,但是也是真实存在的,为什么会这样呢?

因为每个人所处的环境不同,从事的工作不同,感兴趣和钻研的领域也不同。
任何一个领域,要达到足够的认知,都需要耗费大量的精力,去做实践,提高认知,才能有收获

而大多数的人,在实践路上,刚跨出脚不久,就觉得困难重重,回到了起点。
所以知其实并不是最重要的,行才是。

比如大白最近在检索不同AI公司的产品特色,技术方向。
发现一个特殊的角度,比如对AI公司所有的专利进行分析,可以知道很多信息。

比如公司在某时间段,做过哪些项目?公司人员的大致数量?
在哪些项目方面有积累?有哪些合作伙伴?

这也算是AI行业的一部分信息差,因为在工作中,很少有人会特意去观察它。
但大白在统计的时候,发现一个很麻烦的事情。

分析要不断复制,粘贴专利的名称、内容等。
需要大量的重复性时间,那么如何能提高效率呢?

比如是否可以通过脚本的方式,当然这里面会有很多坑,比如电脑全局的VPN,爬虫的不断摸索等。
大白发现,这并不是小众的需求,竞争对手分析、求职面试过程中,可能会都需要分析背后的内容。

那涉及的用户面就会很广,是否可以产品化,为用户提供服务呢?
当然,这里就延伸出很多方面,比如产品搭建、服务流程化、互联网营销,产品运营等等

所以,“专利”只是一个信息点,而具体的产品,就是我们知行合一的结果。
因此,在“知”中“行”,在“行”中“知”,吾辈任重道远。

回到生活和工作中,每隔一段时间,都有一场艰苦的“知行合一”的修炼在等着我们。
希望大家都能在这场修炼中,成为更好的自己

之前的周报,大白会将每周的精华内容汇总起来,整理到《大白AI周报精华汇总》中,点击即可查看

后期需要哪方面的项目知识,可以直接去对应阅读

大白也在不断收集更新各个项目算法作者及从业经验的视频分享,希望能让大家提高一些探索的效率,点击查看

整理汇总:江大白
内容周期:2020.12.14-2020.12.21
同步公众号:江大白


目录

  • 1 整理涉及公众号名单
  • 2 行业精华文章汇总
    • 2.1 基础知识方面
      • 2.1.1 深度学习相关
    • 2.2 研究方向方面
      • 2.2.1 目标检测
      • 2.2.2 图像分割
      • 2.2.3 图像超分辨
      • 2.2.4 人脸识别
    • 2.3 Opencv方面
  • 3 行业&拓展阅读动态汇总
    • 3.1 行业动态
    • 3.2 拓展阅读
  • 4 Tensorflow基础教程




1 整理涉及公众号名单

(1)我爱计算机视觉
(2)Cver
(3)Datawhale
(4)量子位
(5)极市平台
(6)新智元
(7)机器之心
(8)AI算法与图像处理
(9)Opencv学堂
(10)PaperWeekly
(11)机器学习算法工程师
(12)AI研习社
(13)GiantPandaCV
(14)AI深度学习视线
(15)七月在线实验室
(16)人工智能前沿讲习
(17)AI科技评论
(18)机器学习算法与Python精研
(19)AIZOO
(20)微软研究员AI头条
(21)VALSE
(22)AI算法修炼营
(23)有三AI
(24)AlWalker
(25)AI公园
(26)AI人工智能初学者
(27)计算机视觉之路
(28)小白学视觉


2 行业精华文章汇总


2.1 基础知识方面


2.1.1 深度学习相关

(1)CNN的一些可视化方法
链接:https://mp.weixin.qq.com/s/wvWgmH67CKrDXNi2t5jr8Q
(2)常见的损失函数(loss function)总结
链接:https://mp.weixin.qq.com/s/q9mKabVyw2y3oCK0E33L7g


2.2 研究方向方面


2.2.1 目标检测

(1)谷歌简单粗暴“复制-粘贴”数据增广,刷新COCO目标检测与实例分割新高度
链接:https://mp.weixin.qq.com/s/nKC3bEe3m1eqPDI0LpVTIA
(2)C++实现yolov5的OpenVINO部署
链接:https://mp.weixin.qq.com/s/rzR-rAiJejR8LjDDgiauZA


2.2.2 图像分割

(1)华盛顿大学实时视频抠图再升级,毛发细节到位 | 应用前景广阔
链接:https://mp.weixin.qq.com/s/pkm_lc2t8J9LCC3Vm1bHkQ


2.2.3 图像超分辨

(1)真正的无极放大!30x插值效果惊艳,英伟达等开源LIIF:巧妙的图像超分新思路
链接:https://mp.weixin.qq.com/s/pKQZm1OvfKUyMA4V_-vIqw


2.2.4 人脸识别

(1)人脸识别:insightface自定义数据集制作 | 附练手数据集
链接:https://mp.weixin.qq.com/s/yIXCoPTDgAD6kELu5QWQng


2.3 Opencv方面

(1)经验 | OpenCV图像旋转的原理与技巧
链接:https://mp.weixin.qq.com/s/K4P8151BuM4DQPSK-KzPFQ


3 行业&拓展阅读动态汇总


3.1 行业动态

(1)内存256KB设备也能人脸检测!微软提出用RNN代替CNN | NeurIPS 2020
链接:https://mp.weixin.qq.com/s/jq7oa7Yu_gTQ0GjO53IT6w
(2)大规模神经网络的训练优化入门
链接:https://mp.weixin.qq.com/s/37Mc-9n9lmUo7hiK8qKeJQ
(3)保姆级教程:个人深度学习工作站配置指南
链接:https://mp.weixin.qq.com/s/QFnYHu_htLG1dxl3Xfa-gg
(4)134个预训练模型、精度高达85.1%,百度视觉算法最强基石PaddleClas全新升级
链接:https://mp.weixin.qq.com/s/KthTHRspAvLiO6HnOxNtJA
(5)AI种草莓,比最强人类多两倍:首次农业人机大战结束了
链接:https://mp.weixin.qq.com/s/68lf8sPwH_I-v1YdVlIJnA


3.2 拓展阅读

(1)自称“房奴”的博士靠开店卖SCI论文10年盈利近百万!论文买卖你怎么看?
链接:https://mp.weixin.qq.com/s/DXFFo7SLCGdKyulr2Lybtg
(2)北京一特斯拉突然失控撞楼,事故频发的特斯拉是否配得上「飞天」股价?
链接:https://mp.weixin.qq.com/s/gjNbwhizDf8-OyW4KySW-Q
(3)手机秒变投篮机,还能模拟投篮真实手感,腾讯微视技术「家底」到底有多厚?
链接:https://mp.weixin.qq.com/s/GRn8fAasye8I9NQuxrnG-Q
(4)虚拟偶像出道,技术「造星」推动下的粉丝经济
链接:https://mp.weixin.qq.com/s/e4DPITRiPf1ei1JiaDuKNQ


4 Tensorflow基础教程

(1)详解Tensorflow模型量化(Quantization)原理及其实现方法
链接:https://mp.weixin.qq.com/s/CHaBG9KHDR2-fnd9NkflpQ

在这里插入图片描述


推荐阅读
  • Python与R语言在功能和应用场景上各有优势。尽管R语言在统计分析和数据可视化方面具有更强的专业性,但Python作为一种通用编程语言,适用于更广泛的领域,包括Web开发、自动化脚本和机器学习等。对于初学者而言,Python的学习曲线更为平缓,上手更加容易。此外,Python拥有庞大的社区支持和丰富的第三方库,使其在实际应用中更具灵活性和扩展性。 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • Python 数据可视化实战指南
    本文详细介绍如何使用 Python 进行数据可视化,涵盖从环境搭建到具体实例的全过程。 ... [详细]
  • 在Python编程中,掌握高级技巧对于提升代码效率和可读性至关重要。本文重点探讨了生成器和迭代器的应用,这两种工具不仅能够优化内存使用,还能简化复杂数据处理流程。生成器通过按需生成数据,避免了大量数据加载对内存的占用,而迭代器则提供了一种优雅的方式来遍历集合对象。此外,文章还深入解析了这些高级特性的实际应用场景,帮助读者更好地理解和运用这些技术。 ... [详细]
  • 2019年斯坦福大学CS224n课程笔记:深度学习在自然语言处理中的应用——Word2Vec与GloVe模型解析
    本文详细解析了2019年斯坦福大学CS224n课程中关于深度学习在自然语言处理(NLP)领域的应用,重点探讨了Word2Vec和GloVe两种词嵌入模型的原理与实现方法。通过具体案例分析,深入阐述了这两种模型在提升NLP任务性能方面的优势与应用场景。 ... [详细]
  • 谷歌工程师:TensorFlow已重获新生;网友:我还是用PyTorch
    乾明发自凹非寺量子位报道|公众号QbitAI道友留步!TensorFlow已重获新生。在“PyTorch真香”的潮流中,有人站出来为TensorFlow说话了。这次来自谷歌的工程师 ... [详细]
  • 在Windows系统中安装TensorFlow GPU版的详细指南与常见问题解决
    在Windows系统中安装TensorFlow GPU版是许多深度学习初学者面临的挑战。本文详细介绍了安装过程中的每一个步骤,并针对常见的问题提供了有效的解决方案。通过本文的指导,读者可以顺利地完成安装并避免常见的陷阱。 ... [详细]
  • 深入解析监督学习的核心概念与应用
    本文深入探讨了监督学习的基本原理及其广泛应用。监督学习作为机器学习的重要分支,通过利用带有标签的训练数据,能够有效构建预测模型。文章详细解析了监督学习的关键概念,如特征选择、模型评估和过拟合问题,并介绍了其在图像识别、自然语言处理等领域的实际应用。 ... [详细]
  • 独家解析:深度学习泛化理论的破解之道与应用前景
    本文深入探讨了深度学习泛化理论的关键问题,通过分析现有研究和实践经验,揭示了泛化性能背后的核心机制。文章详细解析了泛化能力的影响因素,并提出了改进模型泛化性能的有效策略。此外,还展望了这些理论在实际应用中的广阔前景,为未来的研究和开发提供了宝贵的参考。 ... [详细]
  • 能够感知你情绪状态的智能机器人即将问世 | 科技前沿观察
    本周科技前沿报道了多项重要进展,包括美国多所高校在机器人技术和自动驾驶领域的最新研究成果,以及硅谷大型企业在智能硬件和深度学习技术上的突破性进展。特别值得一提的是,一款能够感知用户情绪状态的智能机器人即将问世,为未来的人机交互带来了全新的可能性。 ... [详细]
  • 通过使用CIFAR-10数据集,本文详细介绍了如何快速掌握Mixup数据增强技术,并展示了该方法在图像分类任务中的显著效果。实验结果表明,Mixup能够有效提高模型的泛化能力和分类精度,为图像识别领域的研究提供了有价值的参考。 ... [详细]
  • 为了评估精心优化的模型与策略在实际环境中的表现,Google对其实验框架进行了全面升级,旨在实现更高效、更精准和更快速的在线测试。新的框架支持更多的实验场景,提供更好的数据洞察,并显著缩短了实验周期,从而加速产品迭代和优化过程。 ... [详细]
  • 从2019年AI顶级会议最佳论文,探索深度学习的理论根基与前沿进展 ... [详细]
  • 浅层神经网络解析:本文详细探讨了两层神经网络(即一个输入层、一个隐藏层和一个输出层)的结构与工作原理。通过吴恩达教授的课程,读者将深入了解浅层神经网络的基本概念、参数初始化方法以及前向传播和反向传播的具体实现步骤。此外,文章还介绍了如何利用这些基础知识解决实际问题,并提供了丰富的实例和代码示例。 ... [详细]
  • 当前,众多初创企业对全栈工程师的需求日益增长,但市场中却存在大量所谓的“伪全栈工程师”,尤其是那些仅掌握了Node.js技能的前端开发人员。本文旨在深入探讨全栈工程师在现代技术生态中的真实角色与价值,澄清对这一角色的误解,并强调真正的全栈工程师应具备全面的技术栈和综合解决问题的能力。 ... [详细]
author-avatar
luotingyou492
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有