文本识别是OCR（Optical Character Recognition）的一个子任务，其任务为识别一个固定区域的的文本内容。在OCR的两阶段方法里，它接在文...
Vision Transformer（ViT）在各种视觉任务中取得了令人印象深刻的成功。然而，它的计算成本很高，随着Token序列长度的增加呈二次增长，...
本文为2023年第十八届中国研究生电子设计竞赛商业计划赛道二等奖分享，参加极术社区的【有奖活动】分享2023研电赛作品扩大影响力，更有...
激光雷达作为自动驾驶车辆主要的感知传感器之一，其主动测距性、不受环境光照影响的特点，使得点云成为感知算法的核心“燃料”，有关点云...
OCR（Optical Character Recognition，光学字符识别）是计算机视觉重要方向之一。传统定义的OCR一般面向扫描文档类对象，现在我们常说的...
聆思科技CSK6系列芯片搭载了安谋科技“星辰”STAR-MC1处理器，同时集成了HIFI4 DSP与神经网络处理内核NPU，提供强大的AI能力。本次嘉宾将...
本论文提出了一种使用单目摄像头图像进行深度估计的目标检测器。之前的检测研究通常集中在检测具有2D或3D边界框的对象上。3D边界框由中...
超强算力芯片、超量传感器、超清显示屏幕，以及精妙的空间计算、丰富的内容系统生态，让全行业各大厂商均望尘莫及。
TL;DR: 本文介绍了一种全身姿态估计新方法，以及如何通过知识蒸馏技术来提高这种方法的效率和准确性。截至目前为止，所提方法目前在 pap...
最近，SAM向通用人工智能迈出了重要的一步。同时，它的可靠性和公平性也引起了人们的极大关注，尤其是在医疗保健领域。在这项研究中，作...
Similarities 相似度计算、语义匹配搜索工具包，实现了多种相似度计算、匹配搜索算法，支持文本、图像等。
在本研究中，重点分析了YOLOv5模型的结构问题。基于人造革细微缺陷的特点，设计了四种创新结构，分别是DFP、IFF、AMP和EOS。这些改进使...
TL;DR: 本文针对长尾物体检测问题提出了一种新颖的解决方案，即 BACL 框架。通过前景分类平衡损失和动态特征幻觉模块，BACL 能够有效地...
多目标跟踪（MOT）旨在在帧间检测和关联所有所需的目标。大多数方法通过明确或隐式地利用强大的线索（即空间和外观信息）来完成任务，这...
TL;DR: 本文核心内容在于解决在暗光照射条件下进行物体检测的问题。作者建立了一个名为PE-YOLO的暗光物体检测框架，它将金字塔增强网络(...
最近，通用领域的大语言模型 (LLM)，例如 ChatGPT，在遵循指令和产生类似人类响应方面取得了显著的成功，这种成功间接促进了多模态大模...
Title: Tracking Anything in High Quality PDF: [链接]Code: [链接]
本文聚焦于解决制约暗光算法应用的三个问题：训练集和现实暗光场景的退化特征的差异，现有的评价指标不能很好地衡量人眼感知质量，以及...
内容一览：近年来，全球气候变化形势严峻，由此引发的蝴蝶效应，正深刻地影响着人类和大自然。在这一背景下，收集数百甚至数千公里范围...
视频流的爆炸性增长为以高精度和低成本执行视频理解任务带来了挑战。传统的2D CNN计算成本低，但无法捕捉视频特有的时间信息；3D CNN可...
年初 CES 2023 展会上，宝马向我们展示了一台「新世代」车型：数字情感交互概念车 BMW i Dee。 在几十分钟的演示中，观众犹如在看一段科...
不久前，Hudl对外官宣了与微帧科技的合作，正式公布在其平台内融合微帧的WZ264及WZ265智能编码引擎，以提供更清晰的视频效果，帮助教练...
OCR(Optical Character Recognition,光学字符识别)是指对图像进行分析识别处理，获取文字和版面信息的过程，是典型的计算机视觉任务，通...
今天，中国的城市，在历经十余年的“智慧城市”建设后已经被赋予了数智融合的全新解读。随着近年来5G、云计算、人工智能爆发式能量增长，...
当前，Vision Transformer（ViT）在许多视觉任务中占据主导地位。通过Token稀疏化或降维（在空间或通道上）来解决其Token多Head自注意力...
作者发现Deep Convolutional Neural Networks (DCNNs) 能够很好的处理的图像级别的分类问题，因为它具有很好的平移不变性（空间细节信息...
目前，计算机视觉是深度学习领域最热门的研究领域之一。从广义上来说，计算机视觉就是要“赋予机器自然视觉的能力”。实际上，计算机视觉...
对计算机而言，能够“看到”的是图像被编码之后的数字，它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定...
相较于VGG的19层和GoogLeNet的22层，ResNet可以提供18、34、50、101、152甚至更多层的网络，同时获得更好的精度。但是为什么要使用更深...
LeNet是最早的卷积神经网络之一[1]，其被提出用于识别手写数字和机器印刷字符。1998年，Yann LeCun第一次将LeNet卷积神经网络应用到图像...
AI 应用
开发平台
阿里云倚天
AVH on 百度云
龙蜥操作系统
Arm STEM 教育
星辰教学平台
安谋科技XPU
Arm 大计算
SoC 芯片设计
IoT 与嵌入式
教育与职场
全球资源
SegmentFault
移知
安芯教育
OPEN AI LAB
InfoQ
深圳湾
脑极体
甲子光年
半导体行业观察
爱集微
E 企研究院
CSDN
全志在线
LiveVideoStack 
智东西
