博客

Fast R-CNN就是在R-CNN的基础上采纳了SPP Net的方法，使得性能进一步提高。与R-CNN相比，Fast R-CNN主要有两点不同：一是最后一个卷积层加入了ROI pooling layer，二是损失函数使用了多任务损失函数（multi-task loss），将边框回归Bounding Box Regression直接加入到CNN网络中训练

在一月底结束的2019年国际消费电子产品展会上(CES 2019)，LG总裁兼首席技术官帕克(I.P.Park)发表了关于AI如何促进“自我进化”产品的主旨演讲。“人工智能与伦理”的讨论，成为了这场原本与严肃话题不太相关的消费技术盛会的序幕。

去年开始，工作中需要做许多有关 AI 科普的事情。很长时间里一直在想，该如何给一个没有 CS 背景的人讲解什么是深度学习，以便让一个非技术的投资人、企业管理者、行业专家、媒体记者乃至普通大众明白深度学习为什么会特别有效，理解 AI 是如何帮助人们解决具体问题的。

傅立叶变换在图像处理中有非常重要的作用。因为不仅傅立叶分析涉及图像处理很多方面，傅立 叶改进算法，比如离散余弦变换，gabor与小波在图像处理中也有重要的分量。绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声；边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘......

机器学习的目的是得到可以泛化（generalize）的模型，即在前所未见的数据上表现很好的模型，而过拟合则是核心难点。你只能控制可以观察的事情，所以能够可靠地衡量模型的泛化能力非常重要。

正如我们所知，物联网正在改变世界。多年来，随着越来越多的事物相互连接，业界一直在谈论未来会是什么样，以及我们的生活会如何不同。未来不再是一个愿景，而是一个个激动人心的现实。随着我们步入2019年，我们看到了一些物联网趋势和预测......

机器学习中的所有算法都依赖于函数的最小化或最大化，我们称之为“目标函数”。一组最小化的函数称为“损失函数”。损失函数是衡量预测模型在预测预期结果方面做得有多好。求函数最小值的一种常用方法是“梯度下降法”。把损失函数想象成起伏的山，而梯度下降就像从山上滑下来到达最低点。

物联网（IoT）是互联网中快速增长的一部分。 虽然互联网的其它设备依赖于人们的信息交换，但物联网可以自动实现在不同的连接设备之间进行收集，传输和接收数据。将物联网视为类似于网络，电子邮件或社交网络，但它不是连接人，而是连接智能设备。

作为人工智能与物联网落地的首选之地,智能家居近年来被越来越多的人关注。特别是在2018年，智能家居行业又加入了更多新角色，各路玩家疯狂涌入这条赛道，让原本竞争激烈的智能家居市场显得更加拥堵。

在雅图举办的“Casual Connect”全球游戏开发者大会上，经典PC游戏《横扫千军》（Total Annihilation）和《地牢围攻》（Dungeon Siege）的制作人克里斯·泰勒（Chris Taylor）分享了关于如何制作更好的游戏（或者更好地生活）的10条经验，这些是他在三十年来的游戏开发经历中学到的。

统计计算（Statistical Computing），又称概率统计计算、计算统计或计算机统计，是概率论、数理统计和应用统计、数学和计算机科学等学科之间的交叉性、边缘性、融合性和应用性的计算数学的一个分支，数学技术中的一类常用算法。

增强现实（AR）技术与行业结合可以提升行业价值、带来新的解决方案并提升用户体验。很多企业希望将AR技术纳入到自己的生产与销售过程中，所以投资或收购AR相关企业，这有效地推动了增强现实行业的增长，使其成为科技经济的重要组成部分。

我们在学习人工智能的时候，不管是机器学习还是深度学习都需要经历一个调参的过程，参数的好坏直接影响这模型效果的好坏。今天我们介绍下在深度学习中，调参的技巧主要分为哪些。

对象序列化的最主要的用处就是在传递和保存对象的时候，保证对象的完整性和可传递性。序列化是把对象转换成有序字节流，以便在网络上传输或者保存在本地文件中。序列化后的字节流保存了对象的状态以及相关的描述信息。序列化机制的核心作用就是对象状态的保存与重建。

R-CNN全称为Region-CNN，它可以说是第一个成功地将深度学习应用到目标检测上的算法。后面提到的Fast R-CNN、Faster R-CNN全部都是建立在R-CNN的基础上的。R-CNN遵循传统目标检测的思路，同样采用，对每个框提取特征、图像分类、非极大值抑制四个步骤进行目标检测，只不过进行了部分的改进。

多年来，零售体验并没有发生太大变化：走进商店，寻找合适的产品，然后购买。但人工智能的出现正在改变一切，通过个性化、自动化和效率提高将零售体验提升到新的水平。下面让我们来看看20个人工智能改善零售体验的实例。

Gartner公布了七大新兴的安全和风险管理趋势，这些趋势将在长期内影响安全、隐私和风险领导者：风险偏好声明与业务成果挂钩；安全运营中心正在实施，重点是威胁检测和响应；数据安全治理框架应该优先考虑数据安全投资；无密码认证正在引领市场；安全产品厂商正在越来越多地提供高级技能和培训服务；投资云安全，将其作为主流计算平台的能力；在传统安全市场中增加Gartner CARTA。

机器学习中涉及到了很多的概念，当然要想了解机器学习的话就需要对这些基础知识有一个深入的了解才能够入门机器学习，那么机器学习的基础知识都有哪些呢？本文给大家列举一下机器学习的基础知识。

噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。噪声来源两个方面：图像获取过程中；图像信号传输过程中。

梯度下降法，是当今最流行的优化（optimization）算法，亦是至今最常用的优化神经网络的方法。本文旨在让你对不同的优化梯度下降法的算法有一个直观认识，以帮助你使用这些算法。我们首先会考察梯度下降法的各种变体，然后会简要地总结在训练（神经网络或是机器学习算法）的过程中可能遇到的挑战。