分分鐘監(jiān)控你的學(xué)習(xí)，高效時(shí)間管理，一副AI眼鏡就夠了

克服拖延癥有救了？提高效率光靠自制力是不行的，你還需要一個(gè)監(jiān)工。

最近Indiegogo眾籌平臺(tái)出現(xiàn)一款A(yù)I黑科技產(chǎn)品，聲稱可以幫助用戶提高注意力，改善學(xué)習(xí)效率。而這款黑科技產(chǎn)品，就是圖中這副看起來(lái)“平平無(wú)奇”的眼鏡。

從官網(wǎng)來(lái)看，這幅眼鏡主要通過(guò)監(jiān)控“眼睛”正在查看的內(nèi)容，來(lái)幫助使用者提高注意力。而這一功能主要是通過(guò)Specs眼鏡內(nèi)置的智能攝像頭和計(jì)算機(jī)視覺(jué)技術(shù)來(lái)完成。

英偉達(dá)推出RTX 30系列顯卡，性能翻倍，價(jià)格亮了

Geforce RTX 30 系列顯卡，采用三星8nm制程工藝，集成280億個(gè)晶體管。

經(jīng)歷了漫長(zhǎng)的等待，終于在今天，英偉達(dá)CEO黃仁勛在自己廚房發(fā)布了英偉達(dá)最新一代GeForce RTX 30系列顯卡，包括GeForce RTX 3070、RTX 3080和RTX 3090。

黃仁勛稱，無(wú)論性能還是能效，安培架構(gòu)GPU都是圖靈架構(gòu)的兩倍，而英偉達(dá)基于安培架構(gòu)的全新GPU在性能、能效和功耗上，均達(dá)到世界一流水平。

Facebook開(kāi)源差分隱私庫(kù)Opacus，可保護(hù)數(shù)據(jù)隱私且高效訓(xùn)練Prytorch模型

如何保護(hù)數(shù)據(jù)集隱私，是深度學(xué)習(xí)訓(xùn)練必須要解決的問(wèn)題之一。

近日，F(xiàn)acebooke開(kāi)源了一個(gè)名為Opacus的高速庫(kù)，該庫(kù)可用于訓(xùn)練具有差分隱私的PyTorch模型。

Opacus的目標(biāo)是保護(hù)每個(gè)訓(xùn)練樣本的私密性，同時(shí)限制對(duì)最終模型準(zhǔn)確性的影響。

一份來(lái)自賈揚(yáng)清的AI青年修煉指南：不存在算法工程師、調(diào)參俠沒(méi)有市場(chǎng)

算法工程師不僅需要具備牛逼的算法能力，還要精通業(yè)務(wù)、善于溝通？（小本子趕緊記下來(lái)！）

8月23日晚，知乎直播“AI時(shí)代聽(tīng)大咖聊”邀請(qǐng)到AI領(lǐng)域的兩個(gè)大神，分別是阿里云智能高級(jí)研究員賈揚(yáng)清，以及知乎CTO李大海。

在直播中，賈揚(yáng)清與李大海就國(guó)內(nèi)外AI研究區(qū)別、在校生/職場(chǎng)新人如何培養(yǎng)自己的AI才能、AI應(yīng)用落地，以及AI在未來(lái)的發(fā)展趨勢(shì)展開(kāi)討論。

在討論中，賈揚(yáng)清認(rèn)為：沒(méi)有算法工程師這個(gè)角色，只有兩個(gè)角色，一個(gè)是算法的研究人員，一個(gè)是應(yīng)用的工程師，而“調(diào)參俠”沒(méi)有市場(chǎng)。

浙大重磅發(fā)布億級(jí)神經(jīng)元類腦計(jì)算機(jī)：基于 792 顆自研「達(dá)爾文 2 代」芯片，可“意念”打字

當(dāng)前，類腦計(jì)算研究開(kāi)始從探索轉(zhuǎn)向突破。

類腦計(jì)算機(jī)將成為未來(lái)計(jì)算的主要形態(tài)和重要平臺(tái)。

2020 年 9 月 1 日，我國(guó)首臺(tái)基于自主知識(shí)產(chǎn)權(quán)類腦芯片的類腦計(jì)算機(jī)重磅發(fā)布。

據(jù)悉，作為當(dāng)前全球范圍內(nèi)神經(jīng)元規(guī)模最大的類腦計(jì)算機(jī)，這臺(tái)由浙江大學(xué)、之江實(shí)驗(yàn)室共同研制的類腦計(jì)算機(jī)含 792 顆「達(dá)爾文 2 代」類腦芯片、1.2 億脈沖神經(jīng)元和近千億的神經(jīng)突觸，堪比小鼠大腦神經(jīng)元的規(guī)模，典型運(yùn)行功耗僅 350-500 瓦。

逼學(xué)生作弊的AI閱卷老師

上學(xué)的時(shí)候，老師一定教導(dǎo)過(guò)你：遇到不會(huì)的問(wèn)答題，就算是瞎寫(xiě)，也要隨便寫(xiě)兩句。也許閱卷老師心情好，可能會(huì)酌情給分呢。

老師會(huì)不會(huì)給分，不知道。但是，AI真的會(huì)給分，只要填對(duì)關(guān)鍵詞，AI教師甚至可能給滿分，即使關(guān)鍵詞之間并無(wú)其他前后邏輯連接。

最近，一個(gè)號(hào)稱服務(wù)于美國(guó)2萬(wàn)所學(xué)校的AI教學(xué)平臺(tái)翻車了，利用它的漏洞去“裸考”就能輕松及格，簡(jiǎn)直就是“學(xué)渣福音”。

物體檢測(cè)和分割輕松上手：從detectron2開(kāi)始（合篇）

物體檢測(cè)和分割應(yīng)該算是計(jì)算機(jī)視覺(jué)中常用的而且也比較酷的任務(wù)。但相比圖像分類，物體檢測(cè)和分割任務(wù)難度更大，另外一點(diǎn)是就是代碼實(shí)現(xiàn)也更復(fù)雜。對(duì)于物體檢測(cè)和分割，目前有以下幾個(gè)通用的開(kāi)源項(xiàng)目：

Detectron：FAIR出品，基于caffe2；

maskrcnn-benchmark：FAIR出品，基于PyTorch，可以看成Detectron的PyTorch升級(jí)版；

MMDetection：商湯MMLab出品，基于PyTorch，Model zoo相當(dāng)完備；

SimpleDet：圖森出品，基于MxNet；

Tensorflow Object Detection：Google出品，基于TensorFlow 1.x；

一文讀懂EfficientDet

今年年初Google Brain團(tuán)隊(duì)在 CVPR 2020 上發(fā)布了 EfficientDet目標(biāo)檢測(cè)模型, EfficientDet是一系列可擴(kuò)展的高效的目標(biāo)檢測(cè)器的統(tǒng)稱, 其精度與速度全面領(lǐng)先于YOLO V3, MaskRCNN, RentinaNet, NAS-FPN這些常見(jiàn)目標(biāo)檢測(cè)模型. EfficientDet-D7 的性能更是非常的驚人, 在 326B FLOPS, 參數(shù)量 52 M的情況下, COCO 2017 validation 數(shù)據(jù)集上取得了 51.0的 mAP, 當(dāng)下最強(qiáng). EfficientDet更重要的貢獻(xiàn)是將EfficientNet復(fù)合縮放的思路進(jìn)行延伸, 把架構(gòu)決策明確化為可擴(kuò)展的框架, 并且為不同的應(yīng)用場(chǎng)景提供了 D0 到 D7 七種 “丹方”,實(shí)現(xiàn)了速度和精度之間的均衡, 使用者無(wú)需復(fù)雜調(diào)參, 便能輕松應(yīng)用于對(duì)象檢測(cè)中的其他用例.

AI Paper

AI把視頻里的你抹掉了！效果絲滑，毫無(wú)痕跡，還能完美去水印 | ECCV

男大學(xué)生熱愛(ài)徒步運(yùn)動(dòng)，進(jìn)入深山戈壁后失蹤：

詭異的現(xiàn)象，讓人懷疑視頻中使用了和九又四分之三站臺(tái)同樣的魔法。

這就是今年ECCV上最神奇的AI隱身衣技術(shù)。

讓網(wǎng)友們驚嘆，此情此景堪稱滅霸。

一張圖實(shí)現(xiàn)3D人臉建模！這是中科院博士生入選ECCV的新研究 | 開(kāi)源

通過(guò)一段視頻，來(lái)重建人臉3D模型，沒(méi)什么稀奇的。但是，如果只有測(cè)試者的一張靜態(tài)圖片呢？

來(lái)自中科院模式識(shí)別實(shí)驗(yàn)室的博士生郭建珠和他的團(tuán)隊(duì)，提出了一種新的密集人臉對(duì)齊（3D Dense Face Alignment）方法。

新的3DDFA方法，最關(guān)鍵的核心，是3D輔助短視頻合成方法，它能模擬平面內(nèi)和平面外的人臉移動(dòng)，將一幅靜止圖像轉(zhuǎn)換為短視頻。

由此來(lái)完成模型的識(shí)別和訓(xùn)練。

華為提出結(jié)合NAS的彎道車道線檢測(cè)算法：CurveLane-NAS

這篇文章是華為諾亞方舟實(shí)驗(yàn)室和中山大學(xué)開(kāi)源的彎道車道線檢測(cè)的工作，主要利用了NAS技術(shù)實(shí)現(xiàn)，使得車道敏感架構(gòu)搜索和自適應(yīng)點(diǎn)混合統(tǒng)一的用于曲線車道檢測(cè)，解決了曲線車道檢測(cè)問(wèn)題。與現(xiàn)有方法相比，搜索網(wǎng)絡(luò)實(shí)現(xiàn)了速度/FLOPS權(quán)衡的SOTA。

ECCV 2020 | 一種用于超分辨率的蒸餾架構(gòu)（已開(kāi)源）

本文亮點(diǎn)：

（1）提出了一個(gè)新的適用于SR的蒸餾結(jié)構(gòu)，首次使用蒸餾方法來(lái)改進(jìn)超分模型的效果而且work。

（2）作者拿FSRCNN來(lái)蒸餾展示效果，蒸餾后的模型效果雖不如近幾年的模型（FSRCNN有點(diǎn)老），但內(nèi)存使用和推理速度要比近幾年的模型好1-2個(gè)數(shù)量級(jí)。

ECCV 2020 | 業(yè)界首個(gè)！大規(guī)模多相機(jī)通用物品場(chǎng)景數(shù)據(jù)集MessyTable

MessyTable是商湯與新加坡南洋理工大學(xué)聯(lián)合制作的大規(guī)模多相機(jī)通用物品場(chǎng)景數(shù)據(jù)集。針對(duì)現(xiàn)實(shí)生活中多相機(jī)系統(tǒng)應(yīng)用的難點(diǎn)，如相似相同的物品、密集遮擋、大角度差等問(wèn)題，我們?cè)O(shè)計(jì)了大量真實(shí)、有趣又極富挑戰(zhàn)的場(chǎng)景：圍繞著混亂的餐桌（Messy Table）部署了多個(gè)視角的相機(jī)，其任務(wù)是關(guān)聯(lián)不同相機(jī)視角中的實(shí)例。看似簡(jiǎn)單任務(wù)卻要求算法能夠分辨細(xì)微的外觀差別、從鄰近的區(qū)域獲取線索以及巧妙地使用幾何約束等。我們同時(shí)提出了利用多相機(jī)場(chǎng)景下周圍信息的新算法。我們希望MessyTable不僅可以作為極富挑戰(zhàn)的基線為后續(xù)研究指明方向，也可以作為高度真實(shí)的預(yù)訓(xùn)練源為算法落地開(kāi)辟道路。

原文標(biāo)題：【AI 簡(jiǎn)報(bào)20200907期】AI眼鏡問(wèn)世、英偉達(dá)推出RTX30系列顯卡，更多精彩點(diǎn)我！

文章出處：【微信公眾號(hào)：RTThread物聯(lián)網(wǎng)操作系統(tǒng)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。