首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

解决目标检测落地难题:样本不平衡与长尾分布

人工智能正在加速各行各业技术升级、提升社会的运行效率,而人工智能中的视觉感知类任务扮演着重要的角色。 从目标检测、属性识别的高效模型训练,到模型压缩、量化部署推理,虽然学术界和开源社区有大量的成熟工作可供借鉴,但如何批量生产在工业级场景下满足精度和速度的模型,依然不是一个简单的问题。 从模型的算法研究到生产部署,其间的落地鸿沟之大一直较少被人提及和重视。 我们将带你详细了解商汤-模型工具链团队在解决算法落地过程中的技术思考,深入理解模型的工业化落地流程是如何更加高效和便捷! 学术公开课「目标检测落地难题

02
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【福利】腾讯WeTest专有云解决方案,限时开放招募体验官

    近年来,伴随着企业数字化、智能化的发展需求不断增长,为了应对高并发和流量峰谷、保证产品的快速迭代上线、快速响应用户需求等现象,企业对云计算的依赖程度越来越高。 专有云在稳定性、易用性、高拓展性等方面具备公有云级别的成熟度,方便企业快速上云。又兼顾了私有云的安全可控性,能够有效降低企业在安全、管理方面的成本投入,更好的满足政企对特定性能、应用及安全合规的要求。 腾讯WeTest重磅推出专有云解决方案 在多云融合高速发展的今天,腾讯WeTest重磅推出了一整套从机房设备,平台管理到自动化测试的云测试专有云

    02

    一份在移动应用程序项目中使用机器学习的指南

    机器学习是人工智能的核心,旨在创建一个解决类似问题的通用方法。机器学习已经被整合到我们经常在日常生活中使用应用中,比如iPhone的Siri。本文是一个包含了如何在移动应用中使用机器学习的指南。 机器学习的工作原理 机器学习是基于人工神经网络的实现,人工神经网络在我们日常生活中的APP(比方说语音助手)和系统软件中都被广泛使用。它们可以进行诊断测试、探索生物学与合成材料。而人工神经网络相当于人类的神经元和中枢神经系统。这可能有点难以理解,所以我们来看看人脑是如何进行记忆和识别的。 与计算机不同,人脑更加强大

    06

    一个月内首现三类漏洞探测活动,僵尸网络又在酝酿攻击?

    2019年10月,我们发现了三起针对物联网设备新出现的漏洞探测活动。第一起漏洞探测活动不同于普通的物联网僵尸网络,其目标在给被探测的设备建立一个反向shell,这与通常以投递样本为目标的物联网僵尸网络不同。第二起漏洞探测活动,僵尸网络为了避免样本被研究员获取,将样本存放在大量不同IP的设备上,以加大研究人员获取其样本的难度。第三起漏洞探测活动是Demon僵尸网络所为,此次Demon僵尸网络增加了新的漏洞到其武器库,用于扩大其规模。目前,僵尸网络不断加强对物联网漏洞利用行为,手法多变,相关研究人员应引起重视。

    03

    关于机器学习在网络安全中的五大误解

    机器学习已经渗透到了人类活动的所有领域,它不仅在语音识别、手势识别、手写识别和图像识别上起着关键的作用,这些领域如果没有机器学习在现代医学、银行、生物信息和存在任何质量控制的行业中都是一个灾难。 甚至机器没有学习和生成的能力,连天气预报都无法做出。但是此时我想澄清一些问题:关于机器学习在网络安全领域的使用中存在的一些误解。 误解一:网络安全中的机器学习是新鲜玩意 由于某种原因,在网络安全中的人工智能技术变成了过去流行的东西。如果你没有长期关注过这个主题,你可能会认为这是新的东西。 一些场景:第一个机器学习算

    05

    企业智能化路径如何破局?AI能给出答案吗?

    随着工业4.0时代的到来,新一轮科技革命和产业变革正在孕育兴起。制造企业智能化转型困难重重,项目时间紧迫、算法人才缺失、产线精度和效率要求极高等,都是架在企业面前的一座山。 工业质检、安全巡检、生产设备健康管理等问题都是制造产业中的重要环节。当前产品质检主要有人工质检和机器视觉质检两种方式,其中人工占90%,人工质检成本高、误操作多,影响产品的良品率;安全生产是企业发展的重中之重,传统巡检需要专人实地或视频巡检,耗时费力,且不易实时监管,过程繁琐,亟需 AI 帮助企业有效监管工作人员行为和设备故障,及时发现

    02
    领券