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
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
这项由香港中文大学和AWS团队联合开发的研究推出了TALK2MOVE系统,实现了用自然语言精准操作图片中物体的位置、角度和大小。该系统采用强化学习训练方式,通过空间感知奖励机制和智能步骤采样技术,在移动、旋转、缩放三类操作上的准确率显著超越现有方法,同时大幅降低了对昂贵训练数据的依赖,为AI图像编辑领域带来重要突破。
研究人员对Claude、GPT-4、Gemini和Grok等商用AI模型进行测试,发现这些模型能够记忆并完整输出受版权保护的内容。其中越狱后的Claude 3.7 Sonnet能输出95.8%的《哈利波特与魔法石》内容,而Gemini和Grok在无需越狱情况下也能输出超过70%的内容。这一发现可能对正在进行的AI版权诉讼产生重要影响,目前多家AI公司面临超过60项相关法律诉讼。
斯坦福大学等知名机构联合研究发现,企业AI助手在执行组织政策时存在严重"偏科"问题:处理允许请求时成功率超95%,但拒绝违规请求时仅13-40%。研究团队开发的COMPASS评估框架通过8个行业5920个测试问题,揭示了AI助手普遍缺乏"拒绝技能"的问题,并提出了针对性训练解决方案。