AI 前沿
每日AI值得看--2023-05-25
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区① CTPN论文翻译与思考（@WHS-_-2022）
[质量分：90；难度等级：高(关键词：论文)；新鲜技术：99]
摘要： 我们提出了一种新颖的联结文本提议网络(CTPN)，它能够精准定位自然图像中的文本行。CTPN直接在卷积特征图中的一系列细粒度文本提议中检测文本行。我们开发了一个垂直锚点机制。
② BERT网络的原理与实战（@CyrusMay）
[质量分：89；难度等级：中(领域：Python入门；匹配程度：0.12)；新鲜技术：99]
摘要：BERT（Bidirectional Encoder Representations from Transformers）是一种基于Transformer架构的预训练语言模型，由Google在2018年提出。
③ 朴素贝叶斯算法实现英文文本分类（@ZHW_AI课题组）
[质量分：91；难度等级：初(领域：算法；匹配程度：0.03)；新鲜技术：99]
摘要：梁有成，男，西安工程大学电子信息学院，2022级研究生研究方向：三维点云处理电子邮件：401138472@qq.com路治东，男，西安工程大学电子信息学院，2022级研究生研究方向：机器视觉与人工智能。
④ OpenCV中的图像处理3.10（九）二维直方图与反投影（@王者与CV）
[质量分：90；难度等级：初(领域：OpenCV；匹配程度：0.08)；新鲜技术：99]
摘要：我们创建一个包含我们感兴趣的对象（在我们的例子中，地面、离开的球员和其他东西）的图像的直方图。适当的阈值处理后的输出结果单独给了我们地面的信息。你可以在直方图中清楚地看到哪些颜色是存在的，蓝色是存在的，黄色是存在的，还有一些由于棋盘造成的白色是存在的。
⑤ 机器学习 | 降维：PCA主成分分析（@啦啦右一）
[质量分：90；难度等级：初(领域：OpenCV；匹配程度：0.08)；新鲜技术：99]
摘要：哔哩哔哩视频网址，呜呜呜强推！（这个视频用的是特征值分解算法）PCA的缺点：离群点影响大。就加一个离群点，整个方向动的幅度就很大。奇异值分解后续补充接下来是堆公式环节😢。
⑥ 【生物信息】调控基因组学 (Regulatory Genomics) 和Deep CNN（@丸丸丸子w）
[质量分：84；难度等级：初；新鲜技术：99]
摘要：
⑦ 【医学图像】图像分割系列.2 （diffusion）（@m0_61899108）
[质量分：82；难度等级：初(领域：OpenCV；匹配程度：0.05)；新鲜技术：99]
摘要：。。
⑧ Chatgpt版本的opencv安装教程（@Adriving）
[质量分：81；难度等级：初(关键词：安装)；新鲜技术：99]
摘要：最近刚买了台RTX 3070的电脑，顺手刷了个ubuntu系统专门玩Carla，为了方便查资料，也顺手搭了浏览chatgpt的环境，用的clash，还挺好用的。
⑨ VanillaNet（@whaosoft143）
[质量分：84；难度等级：初；新鲜技术：36]
摘要：简到极致、浅到极致！深度为6的网络即可取得76.36%@ImageNet的精度，深度为13的VanillaNet甚至取得了83.1%的惊人性能。论文地址：https://arxiv.org/abs/2305.12972。
相关推荐
【更新至2023】2000-2023中国各省市县AI人工智能企业数量面板数据
更新！【更新至2023】2000-2023中国各省市县AI人工智能企业数量面板数 据 更新时间：2023年7月 处理软件：Python + Stata16 样本区 间：2000—2023 观测值：省744 / 市7677 / 县48877 数据 说明：本数据为2000-2023中国各省市县AI人工智能企业数量面板数据（截至2 023年7月），数据来源：在某眼查特定搜索人工智能企业且保留存续企业，详细工商登 记数据可以参考https://bbs.pinggu.org/thread-115 54198-1-1.html。各省市县人工智能企业数量可以作为各地区人工智能发展 的代理变量，本数据采取百度网盘链接形式，包含xlsx和dta两种格式，有任何问题 欢迎留言评论或者私信我，感谢支持。 包含数据说明： 1.2000-2023中国各 省份人工智能企业数量面板数据； 2.2000-2023中国各城市人工智能企业数量 面板数据； 3.2000-2023中国各区县人工智能企业数量面板数据； 各年度观 测值数量： 1.省份人工智能企业数量 2.城市人工智能企业数量 3.区县人工智能 企业数量 数据展
2023AI大模型市场研究报告，迈向通用人工智能，大模型拉开新时代序幕
随着计算能力的提升和深度学习技术的发展，越来越多的大型神经网络模型（也称为大模型）在各种任务中展现出惊人的能力。这些模型之所以引起广泛关注，是因为它们具备超强的学习能力，能够从大规模数据中学习到更深刻、更复杂的模式和规律。 "拉开新时代序幕" 意味着这一发展将带来全新的局面，如同开启了一扇通往未知领域的大门。大模型不仅仅是技术的进步，更是一种能够推动人工智能进入更高级、更全面阶段的标志。通过具备数百万、甚至数十亿参数的庞大网络结构，大模型在自然语言处理、计算机视觉、语音识别等领域刷新了许多任务的最佳性能。 适合关注大模型发展和应用的人查看 可以了解大模型发展趋势，以及在各个领域内的应用可行性。
AIGC发展趋势报告2023：迎接人工智能的下一个时代
2022年是AIGC (Al-Generated Content，人工智能生成内容〉爆火出圈的一年，不仅被消费者追捧，而且备受投资界关注，更是被技术和产业界竞相追逐。9月23日，红杉美国发表文章《生成式Al:一个创造性的新世界》，认为AIGC会代表新一轮范式转移的开始。2022年10月，Stability Al获得约1亿美元融资，估值高达10亿美元，跻身独角兽行列。Stability Al 发布的开源模型Stable Diffusion，可以根据用户输入的文字描述(称为提示词，prompts)自动生成图像，即文生图(Text-to-lmage，T2I)。Stable Diffusion、DALL-E 2、MidJourney等可以生成图片的AlGC模型引爆了AlI作画领域，Al作画风行一时，标志人工智能向艺术领域渗透。2022年12月, OpenAl的大型语言生成模型ChatGPT刷爆网络,它能胜任刷高情商对话、生成代码、构思剧本和小说等多个场景，将人机对话推向新的高度，让网友们不禁怀疑ChatGPT是否已经具有人类智能。全球各大科技企业都在积极拥抱AIGC，不断推出相关的技术、平台和
斯坦福大学：2023年人工智能（AI）指数报告 Artificial Intelligence Index Report 202
Top Ten Takeaways 1. Industry races ahead of academia. 2. Performance saturation on traditional benchmarks. 3. AI is both helping and harming the environment 4. The world's best new scientist... AI? 5. The number of incidents concerning the misuse of AI is rapidly rising. 6. The demand for AI-related professional skills is increasing across virtually every American industrial sector. 7. For the first time in the last decade, year-over-year private in the investment in AI decreased.
AIGC发展趋势报告2023-人工智能AI
如果说 Al 推荐算法是内容分发的强大引，AIGC 则是数据与内容生产的强大引擎。AIGC 正朝着效率和品质更高、成本更低的方向发展，在某些情况下，它比人类创造的东西更好。包括从社交媒体到游戏、从广告到建筑、从编码到平面设计、从产品设计到法律、从营销到销售等各个需要人类知识创造的行业都可能被 AIGC 所影响和变革。数字经济和人工智能发展所需的海量数据也能通过 AIGC 技术生成、合成出来，即合成数据(synthetic data )。未来，人类的某些创造性的工作可能会被生成性 AI 完全取代，也有一些创造性工作会加速进入人机协同时代一一人类与 AIGC 技术共同创造比过去单纯人的创造之下更高效、更优质。在本质上AIGC 技术的最大影响在于，AIGC 技术将会把创造和知识工作的边际成本降至零，以产生巨大的劳动生产率和经济价值。换句话说，正如互联网实现了信息的零成本传播、复制，未来AIGC 的关键影响在于，将实现低成本甚至零成本的自动化内容生产，这一内容生产的范式转变，将升级甚至重塑内容生产供给，进而给依赖于内容生产供给的行业和领域带来巨大影响。
