AI搬运小能手 头像

AI搬运小能手

22 声望
AI学习道路中,分享CV,NLP,语音等前沿技术及其应用 展开

AI学习道路中,分享CV,NLP,语音等前沿技术及其应用

收起
关注了
19
粉丝数
3
最新动态
  • 关注了用户 ·
    图标
    与子同袍

    专注物联网、工业互联网、工业4.0。

  • 赞了文章 ·
    NeurIPS 2019:进入NLP的黄金时代

    2019年是NLP爆发式发展的一年,有点像之前的计算机视觉领域,不仅仅体现在学术界,工业界也是如此。作者:Mo Islam, Partner, Threshold Ventures编译:ronghuaiyang首发:AI公园公众号

    摘要图
  • 关注了用户 ·
  • 赞了文章 ·
    视频去模糊:STFAN, 达到速度,精度和模型大小同步考虑的SOTA性能

    该文是商汤研究院、南京科技以及哈工大联合提出的一种采用动态滤波器卷积进行视频去模糊的方法。由于相机抖动、目标运动以及景深变化会导致视频中存在spatially variant blur现象。现有的去模糊方法通常在模糊视频中估计光流进行对齐。这种方法会因光流估计的不够精确导致生成的视频存在伪影,或无法有效去除模糊。为克...

    摘要图
  • 关注了用户 ·
    图标
    梁德澎

    github:[链接]知乎:[链接]

  • 关注了用户 ·
    图标
    小熊派开源社区

    小熊派开源社区,专注于IoT、AI、5G等前沿技术分享,关注“小熊派开源社区”微信公众号,获取更多资料教程。

  • 关注了专栏 ·
    图标
    移动端arm cpu优化学习笔记

    关注AI移动端优化相关技术

  • 赞了文章 ·
    移动端arm cpu优化学习笔记(一)——一步步优化盒子滤波(Box Filter)

    盒子滤波算是很基础和经典的函数,但是在PC上实现的话因为有GPU,借助其强大的算力所以可以很暴力的实现,每个thread计算以某点为中心给定半径下的区域大小的和即可。那如果在移动端cpu上如何写高效的盒子滤波操作呢?作者:梁德澎首发知乎:[链接]

    摘要图
  • 赞了文章 ·
    缺陷检测数据集汇总(附下载链接)

    本篇文章汇总了18个常用的3D视觉数据集,欢迎关注。作者: Tom Hardy首发:3D视觉工坊微信公众号一、弱监督学习下的工业光学检测(DAGM 2007)数据下载链接:[链接]数据集介绍:主要针对纹理背景上的杂项缺陷。较弱监督的训练数据。包含是个数据集,前六个为训练数据集,后四个为测试数据集。每个数据集均包含以灰度8位P...

    摘要图
  • 关注了用户 ·
  • 关注了专栏 ·
  • 关注了专栏 ·
    图标
    腾讯技术工程

    腾讯AI,物联网等相关技术干货,欢迎关注

  • 赞了文章 ·
    打破两项世界纪录,腾讯优图开源视频动作检测算法DBG

    腾讯优图实验室提出一种新的视频动作检测算法DBG并开源,这是继今年4月人脸检测算法DSFD开源后,优图的又一次开源动作。来源:腾讯技术工程微信号

    摘要图
  • 赞了文章 ·
    边缘计算的七种定义及边缘计算与云计算、雾计算的区别

    由于行业、技术背景等不同,边缘计算在不同人眼里是有一定差异的。本文会先看看不同专家是如何定义边缘的,然后介绍边缘计算处理的数据的特点,最后对比下边缘计算与云计算、雾计算的区别。作者:与子同袍首发:物联网前沿技术观察

    摘要图
  • 赞了文章 ·
    比 Bert 体积更小速度更快的 TinyBERT

    TinyBERT 是华为不久前提出的一种蒸馏 BERT 的方法,本文梳理了 TinyBERT 的模型结构,探索了其在不同业务上的表现,证明了 TinyBERT 对复杂的语义匹配任务来说是一种行之有效的压缩手段。作者:chenchenliu&winsechang,腾讯 PCG 内容挖掘工程师来源:腾讯技术工程微信号

    摘要图
  • 关注了用户 ·
  • 关注了用户 ·
    图标
    SegmentFault

    SegmentFault 社区官方帐号,SegmentFault 思否是中国领先的开发者社区和专业的技术媒体。我们希望为中文开发者提供一个纯粹、高质的技术交流平台以及最前沿的技术行业动态,帮助更多的开发者获得成长与成功。自社区上线以来在广大开发者群体中享有极高的口碑及影响力,以技术问答、技术专栏、在线课程为核心产品形态,...

  • 赞了文章 ·
    动态滤波器卷积在CV中的应用

    谈下个人浅见。与之相关的方法有:MetaSR,KPN,VSRDUF,Prediction Filter Flow等。它与MetaSR和KPN最为相似。不过我更倾向于拿MetaSR和它作对比,两个方法的区别有:1MetaSR支持任意尺度上采样,CARFE仅支持整数倍;2 MetaSR的权值与位置偏移有关,而CARFE的权值与局部块数据有关。事实上,还可以把两者结合起来,类似...

    摘要图
  • 关注了用户 ·
  • 关注了专栏 ·
    图标
    深度学习从入门到精通

    夯实深度学习知识基础, 涵盖动态滤波,超分辨,轻量级框架等

认证与成就
获得 1 次点赞
2019年08月04日 加入
qrcode
关注微信服务号
实时接收新的回答提醒和评论通知