Az Nvidia, a Torontói Egyetem és a torontói Vector Institute of Artificial Intelligence számítástechnikai kutatói olyan módszert dolgoztak ki, amellyel pontosabban észlelhetik és megjósolhatják egy objektum kezdetét és végét. Ez a fajta tudás segíthet a jelenlegi számítógépes látásmodellek következtetéseinek javításában, ugyanakkor támogatja a képzési adatok címkézését a jövőbeli modellekhez.
A kutatócsoport kísérletsorozata során a tudósok arra a következtetésre jutottak, hogy a mesterséges intelligencia modellje, a Semantically Thinned Edge Alignment Learning (STEAL) segíthet javítani a „szemantikus határvonal” előrejelzési modell pontosságát.” A modern CASENet 4%-kal nőtt. Az objektumok határainak és éleinek pontosabb azonosításának képessége gyakorlati alkalmazásokat jelenthet számítógépes látási feladatokhoz, a képalkotástól a 3D térrekonstrukcióig.
Szemantikusan vékonyított éligazítás tanulása (STEAL)
A STEAL alkalmazható a meglévő CNN-ek vagy objektumél-észlelési modellek javítására, de a kutatók úgy vélik, hogy segíthet az adatok hatékonyabb címkézésében vagy megjegyzéseiben is. Ennek bizonyítására a tudósok a STEAL módszert használták a városképek finomításához – a városi környezethez kapcsolódó tartalommal rendelkező adathalmazt –, amelyet először a Machine Vision konferencián mutattak be. Computer Vision and Pattern Recognition (CVPR) 2016-ban.
Jelenleg a GitHubon a STEAL keretrendszer viszonylag pontosan képes megtanulni és megjósolni egy objektum minden sarkát pixelben egy olyan módszerrel, amelyet a kutatók "aktív igazításnak" neveznek. Az edzés közbeni annotációs zajról szóló explicit érvelés és a neurális hálózatok szintbeállító képletei a torzított címkereprezentációkból végpontokig tanulva szintén segítenek az eredmények elérésében.
Az objektum határainak és éleinek pontosabb azonosítása
"Továbbá megmutatjuk, hogy előrejelzési határaink jobban teljesítenek, mint a legújabb DeepLab-v3 szegmens kimenetei, miközben csak az architektúra sokkal könnyebb" - mondta a kutatócsoport képviselője az arXiv híroldalnak adott mélyinterjúban.
Ennek a kutatási munkának a címe: „Az ördög a széleken: Szemantikai határok tanulása zajos megjegyzésekből”, és a kaliforniai Long Beach-ben megrendezésre kerülő CVPR 2019 konferencia keretében egy előadáson keresztül széles körben bemutatják. Az Nvidia Research szakértői jelentősen hozzájárultak ehhez a kutatáshoz, akik az idei CVPR-n személyes szemszögből is bemutatják a kutatást.
Az újonnan jelentett hírek szerint az Nvidia bejelentette, hogy 2020-ban támogatni fogja a brit Arm brit gyártó nagy teljesítményű számítástechnikai hardverrendszereit, valamint a Githubon a nyílt forráskódú TensorRT értelmező következtetési szoftvert, hogy lehetővé tegye a nagyobb testreszabhatóságot.
A vadászok gyakran éjszaka vadásznak, ezért észlelésükre drónokra szerelt infravörös kamerákat használnak. A probléma az, hogy mivel az orvvadász és az állat is hőt bocsát ki, nehéz lehet pontosan azonosítani őket.
Képzelje el, hogy alvás közben is válaszol az ügyfelek kérdéseire. Íme, mit tehetnek az ingyenes mesterséges intelligencia chatbotok az Ön webhelyén.
Japán elöregedő és csökkenő népessége miatt az országból jelentős számú fiatal munkaerő hiányzik, különösen a szolgáltatási szektorban.
A Character.AI, a Generatív mesterséges intelligencia és a chatbot technológiára összpontosító startup állítólag tárgyalásokat folytat olyan finanszírozás megszerzéséről, amely több mint 5 milliárd dollár értékben érheti el a céget.
A VIII. Henrik az angol irodalom történetének egyik legklasszikusabb darabja, amelyet két híres szerző, William Shakespeare és John Fletcher írt 1623-ban.
Egy YouTuber és egy brazíliai mérnök, Lucas Rizzotto a közelmúltban megosztotta a Twitteren azt a történetet, hogy megvalósította képzeletbeli barátját – egy mikrohullámú sütőt a házban, aki mesterséges intelligenciát használ, de élete "egyik legfélelmetesebb élményét" kapta.
A kutatók felfedezték, hogy a webkamerák és az okostelefonok kamerái kombinálhatók speciális mesterséges intelligencia-algoritmusokkal, hogy rendkívül hatékony távoli személyes egészségfigyelő rendszerként működjenek.
Úgy tűnik, hogy a modern élet egyre negatívabb hatással van az emberi kapcsolatokra.
Az élgráfokon alapuló összetett neurális hálózati architektúra segítségével a Google Brain mesterséges intelligencia modellje az emberi időnek csupán töredéke alatt képes alaprajzokat megtervezni.
A Python számos nagy könyvtárral és keretrendszerrel rendelkezik, amelyek kényelmesek a kódíráshoz és a számítástechnika fejlesztéséhez. A Docs.NeoTechSystems felkéri Önt, hogy beszéljen néhány hasznos Python-eszközről mind a gépi tanulási, mind az adattudományi alkalmazásokhoz.
