结果，AI一顿操作猛如虎，进行了判断：左边的是桃面牡丹鹦鹉，右边的是国家保护动物费氏牡丹鹦鹉，二者区别仅在于喙的颜色以及白色眼圈。
AI科技评论报道 编辑：琰琰 话说，你能看出上面这三只鹦鹉有什么不一样吗？脸盲如我，要使出玩“我们来找茬”的十级能力。 AWSL，鹦鹉鹦鹉，傻傻分不清楚。 结果，AI一顿操作猛如虎，进行了判断：左边的是桃面牡丹鹦鹉，右边的是国家保护动物费氏牡丹鹦鹉，二者区别仅在于喙的颜色以及白色眼圈。 小鸟并不孤单，猫猫狗狗和花花草草也在被“找茬”。 最近，浙江大学和阿里安全在AI细粒度图像识别技术上取得了新进展，利用RAMS-Trans相关技术先后在公开数据集CUB（鸟类识别）、St
说的更具体一点，声音识别、图像识别和数字化的人工智能算法，会对零售行业带来根本性的推动。
随着技术进入成熟期，在最容易实现落地的B端市场，图像识别正逐渐扩大自己的市场。 近日，美国权威杂志《MIT科技评论》（MIT Technology Review）公布了2017年度全球十大突破技术，其中属于AI范畴有三项技术，分别是强化学习、自动驾驶货车和刷脸支付。 其中，值得我们注意的是，虽然同属于2017年的突破性技术，但在距离进入成熟期的时间上，相对于强化学习和自动驾驶货车的还需要1-2年和5-10年时间，刷脸支付技术现在就已经进入了这一阶段。 根据平安证券发布的《通信行业人工智能图像识别专题报告》显
【新智元导读】移动AI，尤其是智能手机上的计算机视觉应用，已经成为人们生活中重要的一部分。本文将会从最新趋势、未来机会、用户将如何使用手机上的AI等方面进行分析。本人作者是PicsArt的联合创始人兼
【新智元导读】4月18日，清华大学《人工智能前沿与产业趋势》系列讲座第四讲，深睿医疗首席科学家、美国计算机协会杰出科学家、IEEE Fellow俞益洲为大家介绍了目前计算机视觉的应用和落地，特别是在医疗影像方面的发展状况、遭遇的挑战、以及克服挑战的思路。最后和清华大学自动化系副教授、博导鲁继文以及知名天使投资人、梅花创投创始合伙人吴世春一起对计算机视觉的落地机会进行了畅想。
对于人类来说，看懂视频似乎是再简单不过的事情了。从出生就开始拥有视觉，人眼所看到的世界就是连贯动态的影像。视野中每一个动态的形象都被我们轻易的识别和捕捉。但这对于计算机来说就没那么容易了。对于计算机来说，画面内容的识别，动作的捕捉，都要经过复杂的计算才能得出。当计算机从视频中识别出一些关键词后，由于语义和句子结构的复杂性，还要涉及词汇的词性、时态、单复数等表达，要让计算机将单个的词汇组成通顺准确的句子也是难上加难。 那么让计算机看懂视频都要经过哪几步呢？ 首先，识别视频里的内容。目前的图像识别研究大多基于C
面对当下的行业，阅面背靠嵌入式视觉算法，以图像识别消费级产品切入，立志做一个行业突破者。 当下，人机交互成为了人工智能技术发展的一大重点领域。在过去的2016年里，除了语音交互技术，视觉交互的发展速度
图像识别技术是信息时代的一门重要的技术，其产生目的是为了让计算机代替人类去处理大量的物理信息。随着计算机技术的发展，人类对图像识别技术的认识越来越深刻。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。简单分析了图像识别技术的引入、其技术原理以及模式识别等，之后介绍了神经网络的图像识别技术和非线性降维的图像识别技术及图像识别技术的应用。从中可以总结出图像处理技术的应用广泛，人类的生活将无法离开图像识别技术，研究图像识别技术具有重大意义。 1、图像识别技术的引入 图像识别是人
介绍到这里会有人问，有了webdriver等ui自动化后为什么还要用图像识别呢？我认为主要有以下这几点：
图像识别算法在企业文档管理软件里可谓是扮演了一位全能选手，让我们的文档处理变得轻松愉快，就像吃了一块巧克力一样。现在，让我们来看看图像识别算法在企业文档管理软件里的一些酷炫玩法：
人工智能在经过了5年突破性的发展，2015年是人工智能发展的一个里程碑。计算机已经变得更加的精巧并且学习速度比以前更快。 谷歌的高级研究员Jeff Dean说，AI领域可以说确实处于加速发展中。为了庆祝他们的成就和制定关于人工智能领域的发展计划，这周Dean和许多其他AI领域的顶级人物聚集在蒙特利尔召开的神经信息处理系统会议。这个会议开始于1987年，并且由于其对AI领域不断进行探索研究，最近几年其已经发展成硅谷众多公司必须参加的重大会议。Facebook的首席执行官马克扎克伯格在NIPS上宣布要成立一个
最近，图像识别领域发布了白皮书，简单翻译一下做个总结。 ---- 目录 [1] Introduction 1.1 Exponential Growth of Image and Video 1.2 Statistics [2] Image Recognition [3] Recent Innovations 3.1 Approaches 3.2 Deep Neural Networks [4] Applications 4.1. Inform
1 图像识别是什么？ 2 图像识别的应用场景有哪些？ 什么是图像识别 图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。根据观测到的图像，对其中的物体分辨其类别
水位尺读数识别通过python+yolov7网络模型技术，水位尺读数识别算法基于虚拟水尺的水位图像识别通常包括以下两种：一是基于hough变换与harris检测的标尺识别方法，算法使用中值滤波去除噪声和灰度均衡之后，再使用形态学的细化和轮廓提取技术计算刻线的位置。这种识别方法采用的是传统的图像处理方法，只在少量图像上表现好，不能够很好的适应各种水尺型号(如水尺颜色、刻度、尺寸等)及复杂环境(如光照、角度等)的变化；
编者注：谭铁牛现为中国科学院副院长、中科院自动化所智能感知与计算研究中心主任，他是中国科学院院士、英国皇家工程院外籍院士、发展中国家科学院（TWAS）院士、巴西科学院通讯院士、中国图像图形学学会理事长、中国人工智能学会副理事长。主要从事图像处理、计算机视觉和模式识别等相关领域的研究工作，已出版编著和专著11部，并在主要的国内外学术期刊和国际学术会议上发表论文500多篇，获准和申请发明专利80多项。曾任中科院自动化所所长、模式识别国家重点实验室主任、中国计算机学会副理事长、国际模式识别协会副主席、IEEE生物
AI 科技评论按：2018 6 月 29 日至 7 月 1 日全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，得到了宝安区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。
作者|island 电脑一直都很擅长视觉识别。有时它们识别一系列图像中某个个体的能力能够与人类相媲美。但相似的结果是否说明了电脑能够模拟人类的视觉系统呢？回答这个问题或许可能会发现电脑系统比不上人类的地方。 《美国科学院院刊》发表了一篇论文提到了电脑和人类视觉系统的不同。 最大的差别可以总结为电脑没有人脑灵活，这同样也是语言识别系统所面临的问题：人类可以通过支离破碎的单词推测出一句话或者一段话的意思而电脑不能。同样在图像识别方面：人类可以可以破碎的线索拼凑出模糊的图像，而电脑却不行。 论文的作者使用一组模
父老们，乡亲们！你知道人脸、商品、车辆识别，以图搜图乃至自动驾驶，背后的技术是什么嘛？
作者：常佩琦 【新智元导读】春运已到达高峰期，不少浏览器推出了人工智能抢票和选座功能。而黄牛党也与时俱进，用机器人和AI恶意刷票。如何应对这种现象？专家表示可利用机器学习来阻击黄牛党。 又到了一年一度的春运大战。与往年不同的是，AI在今年的春运大战中扮演了重要角色。 据悉，今年春运全国旅客发送量预计将达到30亿人次，预计铁路、民航分别增长8.8%和10%。如此庞大的返乡人群，加大了购票的难度。而12306利用稀奇古怪的图像验证码来防止黄牛党恶意刷票，结果却苦了正常购票的用户。 不断有网友吐槽，12306网站
"商品识别"、"人脸识别"、"以图搜图"有什么难？这个在 GitHub 上狂圈 Star 3100+ 的项目就能轻松帮你实现！
如果你们想要实现酷炫的"商品识别"、"以图搜图"，进军新消费领域却没有相应技术方案，怎么办？
一个偶然的机会，36氪和“优图团队”进行了接触，他们是腾讯内部专注于图像处理、模式识别、机器学习、数据挖掘等领域的核心技术团队，由毕业自清华、北大、中科院、上海交大等院校的博士、硕士组成。 腾讯优图团队隶属于腾讯社交网络事业群，基于整个腾讯的社交网络平台，为QQ空间、腾讯地图、腾讯游戏、等50多款产品提供图像技术支持。每天QQ空间有2亿上传图片的活跃用户，团队单日最多处理照片达6亿张，累计已经分析处理了超过300亿张照片 36氪：作为纯粹的技术团队，怎么平衡技术和产品之间的矛盾？ 我们首先会对一些关键技术，
近日，36氪和“优图团队”进行了接触，他们是腾讯内部专注于图像处理、模式识别、机器学习、数据挖掘等领域的核心技术团队，由毕业自清华、北大、中科院、上海交大等院校的博士、硕士组成。 腾讯优图团队隶属于腾讯社交网络事业群，基于整个腾讯的社交网络平台，为 QQ 空间、腾讯地图、腾讯游戏、等 50 多款产品提供图像技术支持。每天 QQ 空间有 2 亿上传图片的活跃用户，团队单日最多处理照片达 6 亿张，累计已经分析处理了超过 300 亿张照片 36氪：作为纯粹的技术团队，怎么平衡技术和产品之间的矛盾？ 我们首先会对
如果一个完整的包裹有多少物品组成？在打包的之前需要对这些零件进行清点看有没有多了什么或者少了什么。一旦需要打包的东西太多，靠人工就很容易出错了。
说起人工智能，孕育了卷积神经网络和深度学习算法的 ImageNet 挑战赛恐怕是世界上最著名的 AI 数据集。8 年来，在 ImageNet 数据集的训练下，人工智能对于图像识别的准确度整整提高了 10 倍，甚至超越了人类视觉本身。
编者按：由中国人工智能学会、阿里巴巴以及蚂蚁金服联合主办，CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会（CCAI 2017）将于7月22-23日正式召开，届时，蚂蚁金服人工智能部技术总监李小龙将在智能金融论坛上分享蚂蚁金服在“人工智能+金融”的进展。在此之前，我们专访了李小龙。 金融被誉为是人工智能的风口之一，蚂蚁金服无疑是这一风口下的先行者。 蚂蚁金服只做Tech（技术），用技术支持金融机构做好Fin（金融），这样的定位和大多数试水“人工智能+金融”企业大相径庭。 不久前，
然而，相较更加普遍的人脸识别技术来说，商品识别在实际的产业应用中也面临着其独有的巨大挑战：
本期谈谈 《虚拟私人助理》相关的内容。 我们先大致看下人工智能10大细分行业的典型应用： 1、深度学习／机器学习： 预测数据模型与分析数据的软件平台； 垃圾邮件检测； 金融诈骗检测； 2、自然语言处理： 语音识别； 智能客服； 智能化软件帮助系统； 智能化知识管理系统； 智能企业形象代表； 智能导游； 智能查询系统； 3、计算机视觉／图像识别： 面部识别软件； 基于内容的图片检索； 智能交通； 医疗计算机视觉和医学图像处理； 军事探测和导弹制导； 无人驾驶环境检测； 4、手势控制： 电脑手势指令系统； 游
本文介绍了前端识别验证码的常见思路，并基于canvas实现了简单的图像识别示例。同时，对于图像识别中用到的图像处理技术也进行了相应的原理介绍和实现细节说明。此外，还提供了一些提高识别准确率的方法和技巧。
腾讯互娱Turing Lab从创建开始，每周在内部进行分享读书会，对业界的技术研究和腾讯互娱Turing Lab从创建开始，每周在内部进行分享读书会，对业界的技术研究和应用进行讨论。在此通过公众号形式把相关有趣内容也推送给对新技术和业界趋势感兴趣的朋友。 和大量的所谓技术公众号不同，尽管以AI为重心，但我们的分享不局限于AI论文，而是涉猎所有前沿技术领域，和自动化流程、数据处理、人工智能、架构设计相关的有趣内容均会分享，希望各位在周末闲暇时有空阅读了解。 分享人：王洁梅 腾讯互娱 工程师 | 编辑： 艾
计算机视觉系统相当于给计算安装上相机和算法，使得计算机可以感知环境的能力，从而实现目标识别、跟踪、测量等，并进一步进行图像处理。让其转化为更适合人们观察或者仪器检测的图像，最终为人们的日常生活提供帮助！
[1]吴恩达老师课程原地址: https://mooc.study.163.com/smartSpec/detail/1001319001.htm
本篇干货整理自清华大学自动化系教授张长水于2018年4月27日在清华大学数据科学研究院第二届“大数据在清华”高峰论坛主论坛所做的题为《机器学习和图像识别》的演讲。
【新智元导读】市场研究&咨询公司Grand View Research的报告从行业、解决方案、硬件、应用程序、终端使用、区域等方面对深度学习进行了评估及趋势分析。 近日，市场研究&咨询公司Grand View Research发布了一份深度学习市场分析报告。该报告从行业、解决方案、硬件、应用程序、终端使用、区域等方面对深度学习进行了评估及趋势分析。 该报告主要回答了以下问题： 从2013年到2015年，该市场有多大？ 到2024年，该市场会有怎样的发展？ 哪个领域会推动或引领市场发展？ 竞争环境和市场
这款名为Polycam的电动相机机器人支持使用图像识别和人工智能技术来追踪运动员的动作，完全不需要人工摄像师的操作。 近日，据外媒报道，MRMC推出一款名为Polycam的电动相机机器人，其支持使用图像识别和人工智能技术来追踪运动员的动作，将动作时刻保持在画面的中央，完全不需要人工摄像师的操作，也不需要远程控制等其它方式。 据悉，Polycam与其它自动化操作系统的区别在于如何模仿人类操作者的拍摄方式。Polycam并没有使用大范围的广角镜头来进行拍摄，而是通过平移和调整缩放焦距等动态方式来追踪运动员的动作
自从深度学习兴起之后，以ImageNet数据集为代表的通用识别在精度上实现了跳跃式的显著提升，在通用识别性能逐渐“饱和”之后，研究者们将目光投向了难度更高的 细粒度图像识别 与 多标签图像识别 。其中细粒度识别主要针对类间相似度高、粒度细的问题，而多标签识别主要针对图像内多个共存标签有依赖性、输出标签范围广的问题，简单来说就是，细粒度识别是更精细的通用识别，而多标签识别是更广泛的通用识别。 从输出标签的数量来看，通用识别和细粒度识别都是单标签识别，然而在大多数场景下，图像中都不会只有一个孤零零的类别，只是我们在标注数据集时会故意忽略非图像主体的其他类别从而作为单标签识别问题来建模，但是随着对内容理解要求的不断提高，我们越来越需要尽可能精确的识别出图像视频中的所有类别，这时就需要用多标签识别出场了。 与通用识别和细粒度识别相比，多标签识别任务本身更关注当图像中存在多个物体、多个类别标签时，如何建模不同物体、不同标签的相关性与依赖关系，这个问题在论文中也经常被称为共现依赖（label co-occurrences），当然也有一些方法关注多标签识别任务的其他性质。
摘要：对于Blippar，其创始人Omar Tayeb 表示其目标是将任一照相机均转变为智能设备，不论其连接了高端智能手机与否。我们只需要一个不低于2或3兆像素的相机即可以完成所有的工作。所有的“思维
对于大多数图像识别模型来说，批处理归一化（batch normalization）是非常重要的组成部分。
无论是擎天柱、伊娃和瓦力或是今年大火的大白，电影中人类往往把机器想象成无所不能的“超人”，但现实呢？人类一些听、看、触摸、感知世界等最基本的能力，对机器而言都有难度，比如——视觉。或许你会说“摄像头”就是机器之眼呀，但过去摄像头的核心作用只有一个：记录影像。李彦宏在2012年KDD（知识发现世界年会）上提出9大待解技术问题之一，“基于内容的的视觉搜索”指的就是这一技术难题。而现在百度率先实现了计算机视觉领域“三维识图”技术的突破，这个难题离彻底解决又迈出了关键一步。 计算机看见的世界与人眼有何不同？ 目前
Python爆红背后的原因是什么？为什么身边的小伙伴都开始学习Python?怎样零基础开始学习这门语言？学习难点在哪里？DT财经特邀纽约数据科学学院讲师张泽宇，为你们一一解答这些问题。 ▍火爆的Pyt
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
你是否遇到过这种情况？——外出与小孩散步，TA发现一朵很漂亮的花，跑过来问你是什么，但是你突然愣住了—因为你并不知道它是什么花。 目前世界上至少存在250000种花，即便是经验丰富的植物学者也很难全部认识它们。如果现在告诉你以后不用尴尬对小孩承认你并不知道它是什么花，不久之后你就能在无论什么时候都能马上认出任何一种花卉或者任何植物的品种，会不会很期待？ 鉴于目前图像识别的强大能力以及使用智能手机随手拍照的便利，普通人通过使用工具也能轻松的识别各种花卉。这个工具叫做智能花卉识别系统（Smart Flower
杨净 丰色 发自 凹非寺 量子位 报道 | 公众号 QbitAI 你算个什么鸟？ 面对上面这两张图，一个AI发出了灵魂拷问。 左边桃面牡丹鹦鹉，右边费氏牡丹鹦鹉。 一眼识破的它早就看到左边的鸟的喙部和眼圈与右边的不一样。 不行，再来！再来看这组。（文末揭晓答案） 好，我放弃了。 这个来自浙大计算机学院和阿里安全的“找茬”选手，识别准确率达到了91.3%，已经是业内最优水平。研究成果已被多媒体国际顶会ACM MM 2021收录。 不光鸟，阿猫阿狗也能行，甚至花草植物也能行。 看看这连两张照片，吉娃
雷锋网按：本文内容来自涂图 CTO 邱彦林在硬创公开课的分享，在未改变原意的基础上进行了编辑整理。 几年前图片美颜教育了市场，到了直播时代，美颜同样成为直播平台的标配。女主播要是在直播中不能自动美颜，那只能靠更精致的妆容来补，而实时直播美颜技术恰好解决了这个问题。 目前最新的美颜技术已经发展到了 2.0 阶段，打个比方，如果美颜 1.0 只是化妆（磨皮、祛痘、肤色调整）的话，美颜 2.0 基本就能达到整容的效果——把眼睛变大，把圆脸变成瓜子脸。而实现这一效果的基础就是人脸识别。 硬创公开课特邀专攻直播美颜的
谷歌AI中国中心在北京成立，致力于AI研究与发展，以推动全球人工智能、图像识别等领域的发展。谷歌AI中国中心将由李飞飞和Google Cloud研发负责人李佳博士共同领导。李飞飞将会负责中心的研究工作，也会统筹Google Cloud AI、Google Brain以及中国本土团队的工作。谷歌AI中国中心非常期待能在中国本土合作上有所建树，为更广大的学生及研究人员提供高质量AI及机器学习的教育支持。李飞飞表示，谷歌AI中国中心将侧重于基础AI研究，以推动中国AI领域的研究和发展，同时也将为谷歌的AI技术提供中国市场的洞察和反馈。
谷歌的人工智能平台Alpha Go让AI再次进入了普通老百姓的视野，我记得2016年3月时Alpha Go第一轮测试结果就令大家十分震惊。随着技术的进步，AI的能力一定会越来越强。我们可以看到近两年AI在深度学习方面的技术进展成果显著。今天我为大家准备了一些最近与摄像头相关的人工智能研究成果。
【新智元导读】AI时代，数据为王让巨头越来越难以被打败。谷歌和 CMU 的10亿+数据集的设想，似乎又将这一假设往前推进了一步。数据为王还是算法为王，这是人工智能时代一直争论不休的话题。近年来，对抗生成网络、迁移学习等新技术不断涌现，让人看到小数据突围的曙光，这些技术会为初创公司带来一线生机吗？作为国内互联网数据的井喷之地，BAT 对算法和数据又持有哪些观点？他们的数据布局是怎样的？ AI时代，数据为王让巨头越来越难以被打败 上周，谷歌和 CMU 的一项合作研究，为拥有大数据优势的技术巨头们带来了喜讯：在不
在7月7日ArchSummit深圳架构师峰会上，魅族联合InfoQ共同策划举办了第9期以“大数据和 AI 应用实践”为主题的魅族技术开放日活动。活动邀请了5位小组长：分别是腾讯云大数据及AI产品中心技术专家 张杉，eBay数据和商业智能研发总监 沈则潜，销售易技术VP 赵宇辰，魅族高级算法工程师 李梦婷，魅族数据平台研发组长、架构师 张欢引。 现场讨论非常热烈，大家相见恨晚，各抒己见，畅所欲言，对于大数据平台架构、推荐系统、图像识别、机器学习等话题，几乎有说不完的想法，讨论不完的问题，借助这样的机会，确实可
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
实时音视频
即时通信 IM
对象存储
