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
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。