5月18日,以“目标领域发展史及最新成果研究”为主题的信息与通信工程学院学术论文沙龙第四期在北京邮电大学西土城校区学生活动中心109室如期举行。北京飞搜科技算法工程师郭秋衫和姚永强作为主讲人进行讲解。
首先,主要由主讲人郭秋衫从CNN的历史进程中引出物体识别和人脸识别的概念,和目前的baseline,以及一些出名的测试数据集。接下来,详细地讲了物体识别,从一开始的随机森林回归方式,到RCNN -》 FPPNet -》 Fast-RCNN -》Faster RCNN等具体的介绍,介绍完two-stage的方法和性能后,转向one-stage方法,主要的方式有SSD, YOLOv1, v2, v3系列,最后,介绍RetinaNet,Mask-RCNN等更为先进的发展。one-stage算法从网络结构上看只是一个多分类的rpn网络,相当于faster rcnn的第一阶段。其预测结果是从feature map中anchor对应的特征中预测得到的对于two-stage的方式,主要是通过ROI层来适应不同尺度的图片输入,进一步精细化,因此更为准确。但是one-stage的方式由于只需要通过一次卷积获得特征,所以该方法的速度会很快。
接下来,大家简要看完论文后,选出两篇论文,由郭秋衫负责讲Faster-RCNN,由姚永强负责讲SSD。并附带讲解了一些FocalLoss,深度分析了其Loss公式的一些trick和设计的意义。
最后,在小组讨论交流后,各组提出自己不理解和想更深入了解的问题,此次沙龙圆满成功。
北京飞搜科技和信息与通信工程学院学术论文沙龙已经成功举办了四期,每一期都干货满满,让在场同学能够结合相关论文材料,切实接触了到前沿概念,收获颇丰。同时我们也能看到飞搜科技在人脸识别领域的积累以及传承。期待飞搜科技在接下来的学术论文沙龙中带来更多详实的知识!
北京飞搜科技(http://www.faceall.cn/)成立于2015年,公司专注于人工智能,计算机视觉和深度学习的研发,并把研究成果应用到智慧城市解决方案中,让城市更加安全,交通更加高效,生产更加智能、购物更加方便。公司力争在2020年底成为国内领先的智慧城市解决方案提供商。
好文章,需要你的鼓励
这项由浙江大学与阿里巴巴通义实验室联合开展的研究,通过创新的半在线强化学习方法,显著提升了AI界面助手在多步骤任务中的表现。UI-S1-7B模型在多个基准测试中创造了7B参数规模的新纪录,为GUI自动化代理的发展开辟了新的技术路径。
阿里巴巴联合浙江大学开发的OmniThink框架让AI学会像人类一样慢思考写作。通过信息树和概念池的双重架构,系统能够动态检索信息、持续反思,突破了传统AI写作内容浅薄重复的局限。实验显示该方法在文章质量各维度均显著超越现有最强基线,知识密度提升明显,为长文本生成研究开辟了新方向。
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
腾讯混元3D 2.0是一个革命性的3D生成系统,能够从单张图片生成高质量的带纹理3D模型。该系统包含形状生成模块Hunyuan3D-DiT和纹理合成模块Hunyuan3D-Paint,采用创新的重要性采样和多视角一致性技术,在多项评估指标上超越现有技术,并提供用户友好的制作平台。作为开源项目,它将大大降低3D内容创作门槛,推动3D技术的普及应用。