- 博客(6)
- 收藏
- 关注
RSS订阅转载 预告 | 旷视危夷晨: 不确定性学习在视觉识别中的应用
北京时间11月28日（周四）晚8点，旷视上海研究院院长危夷晨博士，将在将门技术社群在线进行技术分享，主题为“不确定性学习在视觉识别中的应用”。这次分享中，他将会介绍关于不确定性学习的基本方法及其在视觉识别中一些具体的应用。本次分享是「R Talk」系列第7篇技术解读预告。「R Talk 」是北京智源-旷视联合实验室推出的一个深度学习专栏，将通过不定期的推送，展示旷视研究院的学术分享及阶段性技术成果...
2019-11-26 12:13:14
981
原创 NeurlPS 2019 | 旷视研究院推出可学习的树状滤波器，实现保留结构信息的特征变换...
在图像语义分割任务中，学习到有足够判别力度的全局特征十分重要。现有大部分方法要么采用堆叠多层局部卷积层，要么使用非局部的block来获取远距离特征之间的语境。然而，由于这些方法都缺乏对空间结构信息的有效保留，在增大感受野的同时忽略了物体结构的具体信息。因此，在本文中，旷视研究院团队提出了一个可学习的树状滤波器，它能够在建模远距离语境关系时依然保留细节信息。进一步，团队还提出了一个极大降低计算复杂度...
2019-11-22 11:08:15
1441
原创 追求极致，饮水思源——记旷视与计算机竞赛的故事
CCPC 2019总决赛于11月15到17日在北京举行。经过激烈的角逐，清华大学的“三个顶俩”团队从来自全国的入围高校队伍中脱颖而出，站在了最高领奖台上。旷视继2018年...
2019-11-18 18:32:36
883
原创 旷视研究院参会PRCV2019 推进模式识别与CV技术交流
2019年11月8-11日，第二届中国模式识别与计算机视觉大会 PRCV 2019 在西安圆满举行，大会由中国计算机学会（CCF）、中国自动化学会（CAA）、中国图象图形...
2019-11-11 11:42:52
1213
原创 NeurIPS 2019 | DetNAS：首个搜索物体检测Backbone的方法
物体检测器通常使用图像分类网络的Backbone，由于和检测任务存在一定差异，这些Backbone往往不是最优的。本文中，旷视研究院提出DetNAS，这是首个用于设计更好的物体检测器Backbone的神经网络搜索方法；由DetNAS搜索出的框架在COCO上的性能超越了ResNet-50与ResNet-101，且模型计算量更低。本文已收录于神经信息处理系统大会NeurIPS 2019。 ...
2019-11-06 12:09:50
1503
原创 旷视研究院亮相ICCV 2019 拓展AI认知边界
两年一度的国际计算机视觉大会(International Conference on Computer Vision，ICCV) 于 2019年10月27日在韩国首尔拉...
2019-11-01 16:27:32
921
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人