旷视研究院 头像

旷视研究院

125 声望
他还没有填写个人简介
关注了
1
粉丝数
3
最新动态
  • 发布了文章 ·
    超全深度学习细粒度图像分析:项目、综述、教程一网打尽

    在本文中,旷视(南京)研究院对基于深度学习的细粒度图像分析进行了综述,从细粒度图像识别、检索和生成三个方向展开论述。此外,旷视研究院还对该领域未来的发展方向进行了讨论。

    摘要图
  • 关注了用户 ·
    图标
    OPEN AI LAB

    OPEN AI LAB(开放智能)专注边缘智能计算及应用,致力于推动芯片级算力、算法、工程产品化、行业应用完整产业链的深度协作,加速人工智能产业化部署和场景的边界拓展,赋能细分行业场景化快速实现+AI产品化落地,助力降本增效。www.openailab.com

  • 发布了文章 ·
    B站免费学|旷视×北大《深度学习实践》课程全面开放!

    旷视研究院联合北京大学数学科学学院机器学习实验室开设的《深度学习实践》全套课程(视频+PPT,共计28课时)已经全面上线,让你足不出户也能享有高水平的教学资源。

    摘要图
  • 发布了文章 ·
    张祥雨:高效轻量级深度模型的研究和实践

    基础模型是现代视觉识别系统中一个至关重要的关注点。基础模型的优劣主要从精度、速度或功耗等角度判定,如何设计模型应对复杂应用场景是非常重要的课题。演讲人:张祥雨(旷视研究院主任研究员、基础模型组负责人) 编辑:Just 转自:AI科技大本营(ID:rgznai100)

    摘要图
  • 发布了文章 ·
    R TALK | 旷视危夷晨:不确定性学习在视觉识别中的应用

    不确定性估计的发展已经有很长的历史,但是到最近才开始被基于深度学习的计算机视觉工作所应用,因此是一个很新的领域。本文为旷视危夷晨博士分享的《Uncertainty Learning for Visual Recognition》(不确定性学习在视觉计算中的应用) Online Talk文字整理版。作者:危夷晨

    摘要图
  • 发布了文章 ·
    ICLR20 | 旷视研究院提出MABN:解决小批量训练BN不稳定的问题

    尽管批归一化技术(BN)在深度学习领域非常成功,但当样本批次非常小时,如何使用BN依然充满挑战。小批次的批统计量非常不稳定,会导致模型训练的收敛速度较慢,推理性能欠佳。旷视研究院提出滑动平均归一化(MABN)来解决小批次训练问题。在小批次情况下,MABN可以完全恢复原始BN在充足批次量下的性能,并与Group Normali...

    摘要图
  • 发布了文章 ·
    旷视研究院提出MetaPruning:基于元学习和AutoML的模型压缩新方法

    本文提出一种用于通道剪裁的元学习方法——MetaPruning,其核心是最前沿的AutoML 算法,旨在打破传统通道剪裁需人工设定每层剪裁比例,再算法迭代决定裁剪哪些通道的过程,直接搜索最优的已剪裁网络各层通道数。它的主要算法是通过学习一个元网络 PruningNet,为不同的剪裁结构生成权重,极大程度加速最优剪裁网络的搜索过...

    摘要图
  • 发布了文章 ·
    R TALK | 旷视孙剑:如何打造云、端、芯上的视觉计算

    对全场景物理世界赋予智能是 AIoT 时代一个重要特征,为此,如何打造从云到边再到端的高效、联动的计算能力就成为了关键。本文为旷视首席科学家、研究院院长孙剑在2018年全球人工智能与机器人峰会(CCF-GAIR)带来的”云、端、芯上的视觉计算”的精彩Talk,干货满满,特别再次与大家进行分享。

    摘要图
  • 发布了文章 ·
    旷视研究院提出ThunderNet:ARM端上实时的通用物体检测器

    旷视研究院提出一个轻量级的两阶段目标检测器,称之为 ThunderNet,其设计针对的是当前最优的两阶段检测器中的最耗计算量的结构。相较于其他的一阶段轻量级检测器,ThunderNet 表现优异,在 PASCAL 和 COCO 上,其计算成本下降了 40%。另外,不借助额外和附加,ThunderNet 在 ARM 设备上的运行速度高达 24.1 fps。据知,...

    摘要图
  • 发布了文章 ·
    NeurIPS 2019 | DetNAS:首个搜索物体检测Backbone的方法(已开源)

    物体检测器通常使用图像分类网络的Backbone,由于和检测任务存在一定差异,这些Backbone往往不是最优的。本文中,旷视研究院提出DetNAS,这是首个用于设计更好的物体检测器Backbone的神经网络搜索方法;由DetNAS搜索出的框架在COCO上的性能超越了ResNet-50与ResNet-101,且模型计算量更低。本文已收录于神经信息处理系统...

    摘要图
  • 发布了文章 ·
    CrowdHuman+Double Anchor:强强联合,推动密集行人检测技术落地

    本文围绕着“密集场景人体检测”这一问题而展开,介绍了CrowdHuman数据集,并讨论了适用于密集场景,并可以实现人-头绑定的检测技术Double Anchor。

    摘要图
认证与成就
获得 25 次点赞
1月8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