aoi学院

Aisaka's Blog, School of Aoi, Aisaka University

发表于 分类于 ， 阅读次数： Valine：
本文字数： 764 阅读时长 ≈ 2 分钟

关注微信公众号：人工智能前沿讲习班，获取更多前沿资料
robust optimization 以及 distributionally robust optimization算法是目前优化算法领域的研究热点，同时，随着如今大数据的发展，如何利用获得的大量数据解决优化问题也是robust optimization 中研究的一个重点问题。此次分享将介绍distributionally robust optimization的基本概念以及如何利用数据对问题进行求解，最后介绍其在机器学习等多个领域的应用

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 619 阅读时长 ≈ 2 分钟

关注微信公众号：人工智能前沿讲习班，获取更多相关前沿资料~~~~
分布式优化理论和算法是多智能体系统研究的一个热点，并逐渐受到了机器学习领域的关注。比如利用多个GPU或者多台机器训练一个神经网络就可以建模成一个分布式优化问题。此次分享将介绍分布式优化的基本概念，分类，一些经典算法以及我们在这上面的一些工作，并讨论如何将分布式优化应用在大规模机器学习或者深度学习问题中。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 694 阅读时长 ≈ 2 分钟

关注微信公众号：人工智能前沿讲习班，后台回复：李彦玮，获取PPT及文章资料~
对图像场景的准确理解和建模是人们一直以来的诉求，这是因为精确的场景模型是后续高层的智能安防及自动驾驶任务的基础。对于场景的像素级理解主要包括了实例分割和语义分割，而今年Kaiming新提出的全景分割则对这两个任务进行了统一。我们在这次分享中主要会介绍语义分割和全景分割任务中的一些新进展，同时也会介绍全景分割任务的Benchmark及评测指标。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 503 阅读时长 ≈ 1 分钟

关注微信公众号：人工智能前沿讲习班，获取更多相关前沿资料~~~~
对图像场景的准确理解和建模是人们一直以来的诉求，这是因为精确的场景模型是后续高层的智能安防及自动驾驶任务的基础。对于场景的像素级理解主要包括了实例分割和语义分割，而今年Kaiming新提出的全景分割则对这两个任务进行了统一。我们在这次分享中主要会介绍语义分割和全景分割任务中的一些新进展，同时也会介绍全景分割任务的Benchmark及评测指标。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 911 阅读时长 ≈ 2 分钟

视频PPT资料及文章，请关注微信公众号：人工智能前沿讲习班
PPT及文章资料链接：https://mp.weixin.qq.com/s/bH5yYbwq6NGQJ84xUDhoxg
现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 1.4k 阅读时长 ≈ 4 分钟

关注微信公众号：人工智能前沿讲习班，获取更多人工智能前沿资料~~~╮(￣▽￣)╭
This report provides a comprehensive introduction of established methods about grained sketch-based image retrieval. Moreover, I will discuss about recent developments on sketch re-identification.

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 506 阅读时长 ≈ 1 分钟

视频PPT及文章资料，请关注微信公众号：人工智能前沿讲习班
PPT及文章链接：https://mp.weixin.qq.com/s/s4bCp7egIbCzJeIXWWplSQ
自BinaryConnect，二值化网络取得了一系列的进展。相比于全精度的网络，二值化网络对于全连接或者卷积层压缩32倍，成为一比特，大大减小了网络的存储空间，在二值化权重后，运算可以简化为加减法，如果进一步二值化特征图，运算可以转化成为xnor+bitcount操作，从而进一步加速运算。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 822 阅读时长 ≈ 2 分钟

关注微信公众号：人工智能前沿讲习班，后台回复：黄怀波，获取PDF资料~
生成模型一直是机器学习和计算机视觉领域的重要研究方向。以生成对抗网络（GANs）和变分自编码器（VAEs）等为代表的深度生成模型已经成为当前人工智能研究的热点问题和重要前沿方向。目前的各种深度生成模型都各有其优点和缺点，比如生成对抗网络的训练稳定性和模式崩溃（mode collapse）问题等，变分自编码器生成图像比较模糊等。针对这些问题，我们提出了一种新的生成模型——自省变分自编码器，用于实现稳定训练和生成高分辨率真实图像

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 1.6k 阅读时长 ≈ 4 分钟

视频PPT资料及文章，请关注微信公众号：人工智能前沿讲习班
资料链接：https://mp.weixin.qq.com/s/CH46uvOshGss7O2bbxFoWQ
自动化所智能感知与计算研究中心在生成对抗网络（GAN）基础上提出高保真度的姿态不变模型来克服人脸识别任务中最为经典的姿态不一致问题。该模型不仅在多个基准数据集的视觉效果和定量指标都优于目前已有的基于生成对抗网络的方法，而且将生成图像的分辨率在原有基础上提升了一倍。该论文已被神经信息处理系统大会(NIPS)收录。

阅读全文 »