标签:程序员

  • 麻省理工学院利用机器学习技术对激光雷达数据进行更好的实时处理

    据麦姆斯咨询介绍,激光雷达(LiDAR)是光探测和测距的缩写,目前越来越普遍地应用于我们日常生活和工作之中,例如苹果iPhone、iPad,以及服务机器人,它们利用激光测量距离,从而实现对周围空间的精确测绘。此外,在卫星上,激光雷达被用来测量海拔高度;在自动驾驶汽车中,激光雷达被用于绘制道路和探测障碍物等。现在,麻省理工学院(MIT)的研究人员正在利用机器学习技术对激光雷达数据进行更好的实时处理。

    眼前的问题:简而言之,激光雷达功能强大,但数据处理速度慢。一款典型的激光雷达每秒可以产生数百万个深度数据点,这很快就超出了汽车内置的数据处理能力,因此汽车上的系统将三维激光雷达数据压缩为二维数据,在转换过程中丢失了很多细节。

    相比之下,麻省理工学院的研究人员正在使用端到端的机器学习框架,利用低分辨率的GPS地图和原始的3D激光雷达数据。为了快速处理针对大量激光雷达数据进行深度学习的繁重计算负载,以实现实时自动驾驶,麻省理工学院的研究人员为深度学习模型设计了新的组件,从而更好地利用GPU。“我们已经从算法和系统两个角度优化了解决方案,与现有的3D激光雷达方法相比,累计加速提高了大约9倍。”麻省理工学院博士生、该论文的共同主要作者Zhijian Liu在接受麻省理工学院Adam Conner Simons采访时介绍说。

    2021年6月11日 642 0
  • 摄像头传统视觉算法与深度学习算法区别

    引言 摄像头传统视觉技术在算法上相对容易实现,因此已被现有大部分车厂用于辅助驾驶功能。但是随着自动驾驶技术的发展,基于深度学习的算法开始兴起,本期小编就来说说深度视觉算法相关技术方面的资料,让我们一起来学习一下吧。

    2021年5月28日 630 0
  • 搞深度学习框架的那群人必然是浩宇璀璨群星

    世间有一种软件,名叫“深度学习框架”。 在人工智能的江湖,常听人言:得框架者,得天下。 多年以前,一面画着大G的大旗在高处飘扬,美国谷歌公司的深度学习框架占据大半江山。万万没有想到,一场大风暴来了。

    深度学习 2021年4月20日 842 0
  • 如何合理使用区块链技术的智能合约?

    在2020年和2021年期间,从去中心化金融(DeFi)、去中心化交易所(DEX)、不可替代令牌(NFT)等一连串的区块链应用和用例在市场上爆发,吸引了市场的关注和投资资金。

    2021年4月6日 651 0
  • 旷视的“程序员”在中国开源中扮演了怎样的角色?

    在大多数人的眼里,程序员的生活是刻板的:996的工作时间、长期熬夜、掉发严重、万年格子衫…

    深度学习 2021年3月31日 927 0
  • 惊!一北京小伙用人工智能,让老照片里的李焕英“笑了”  

    电影《你好,李焕英》上映以来感动了万千观众,一组李焕英年轻时的黑白老照片亦在网上热传。近日,独立艺术家胡文谷借助人工智能技术(AI),将李焕英的老照片复原为彩色动态影像,她的一颦一笑惊艳了观众,网友们纷纷留言“瞬间泪崩,这个微笑太美了”。

    深度学习 2021年3月6日 983 0
  • 物联网设备如何工作,物联网的好处

    物联网是一个不断增长的系统,在全球范围内有数十亿的设备或事物通过无线网络连接到互联网和彼此之间。

    物联网 2021年2月26日 605 0
  • 华为打破“不投供应商”原则 对哈勃注资增加至27亿元

    所有人都意识到了“中国芯”的重要性。无论是中兴华为的遭遇,还是武汉弘芯的警钟,芯片半导体,这个在美国已是夕阳产业的领域,在中国却已走向科技舞台的中央。

    2021年1月26日 809 0
  • 神经网络与“老式AI”结合,MIT和IBM联合解决深度学习痛点

    现在的AI是神经网络的天下,但科学家们正在尝试将神经网络与“老式AI”结合。

    2020年12月22日 624 0
  • VR的新商业化突破口正向B端应用集中

    66亿美元,是IDC(国际数据公司)给出的2020年中国VR/AR产业的市场规模预测,涨幅程度列居世界首位;10%,是2016年媒体给出的中国市场上存活的VR企业估计数据。

    2020年12月21日 603 0
  • 年薪30W+的职业 易学懂市场需求大 人工智能AI视觉你值得拥有

    随着工业制造的高速发展,机器视觉已成为工业自动化中不可或缺的关键部分。但是,传统的工业视觉存在很多的不足,比如:需要把打光作为主要手段,使用每个像素点去计算,受到环境光影响较大,图像识别率低定位不准确,需要大量繁复的调试工作…

    2020年12月18日 584 0
  • 将各自的成果开源——微软的PipeDream和谷歌的GPipe

    微软和谷歌一直在积极研究用于训练深度神经网络的新框架,并且在最近将各自的成果开源——微软的PipeDream和谷歌的GPipe。  原则上看,他们都遵循了类似的原则来训练深度学习模型。这两个项目已在各自的研究论文(PipeDream,GPipe)中进行了详细介绍,这篇文章将对此进行总结。   先放上GitHub开源地址 微软: https://github.com/msr-fiddle/pipedream 谷歌: https://github.com/tensorflow/lingvo/blob/master/lingvo/core/gpipe.py   众所周知,在实验过程中,虽然训练基本模型比较琐碎,但复杂度却随模型的质量和大小线性增加。例如,2014年ImageNet视觉识别挑战赛的冠军是GoogleNet,它通过400万个参数获得了74.8%的top1准确性,而仅仅三年之后,2017年ImageNet挑战赛的冠军就使用1.458亿个参数(多了36倍)的最新神经网络实现了top1准确率——82.7%。但是,在同一时期,GPU内存仅增加了约3倍。  

    2020年11月23日 785 0
  • 图文详解:四大常见的物联网协议

    本文介绍物联网基础知识:什么是物联网,以及常见的物联网协议。一、什么是物联网?

    2020年11月16日 407 0
  • 人工智能如何推动天文学创新

      如果说某一流行语正以狂风骤雨之势席卷各行各业,那必然少不了“人工智能”。但它究竟还是在角落里小范围流行,还是已经获得了广泛的认可、声势浩大呢?

    深度学习 2020年11月2日 843 0
  • 人工智能如何推动天文学创新

      如果说某一流行语正以狂风骤雨之势席卷各行各业,那必然少不了“人工智能”。但它究竟还是在角落里小范围流行,还是已经获得了广泛的认可、声势浩大呢?

    深度学习 2020年11月2日 556 0

联系我们

在线咨询:点击这里给我发消息

邮件:78799268@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code