https://baai.org/l/Frontiers2021

本报告总结2021年人工智能前沿科技主要趋势如下:

  1. 信息模型、具身模型和脑模拟机器人的结合将诞生超级人工智能。

  2. 系统研究超大规模智能模型发展和影响的新兴领域已经形成,超大规模预训练模型研发竞赛进入白热化阶段,多模态预训练模型成为下一个大模型重点发展领域。

  3. Transformer成为计算机视觉领域的重要网络架构,并开始向强化学习、图神经网络等领域渗透。

  4. 加速方法创新提升了超大参数规模模型的训练效率,催生更大规模参数的巨型模型。

  5. Prompt Tuning成为自然语言处理领域预训练语言模型新型训练范式,预训练语言模型发展的新路线是提升训练和推理的效率。

  6. 遮盖图像建模、非Transformer架构、神经辐射场等技术快速发展,成为计算机视觉的热点研究领域;脉冲视觉领域发展,将开辟机器视觉新路线

  7. 生物神经元与芯片结合成为类脑芯片的研究热点。

  8. 高性能、低能耗AI芯片不断涌现的同时,由AI辅助设计成为芯片发展新趋势;存算一体AI芯片设计、应用步伐加快。

  9. Web模型成为新型信息搜索范式的核心支撑,预训练语言模型助力信息检索性能提升。

  10. 借鉴脑神经和认知科学研究成为启发类脑智能研究的重要来源。

  11. 无线高带宽、微创、结合AI算法等成为脑机接口的发展重点。

  12. 传统科研领域成为人工智能发展的“新战场”,人工智能在辅助基础和应用科学研究的同时,也提升了智能产品和服务的性能。

  13. 强化学习环境成为发展泛化性更强、适应复杂环境智能体的重要支撑,而提升训练效率成为强化学习领域的研究重点。

  14. 因果推断在经济学、社会学研究中实现突破。

  15. 基于超大规模预训练模型的平台和系统成为研发机构和企业的发展思路。

  16. 面向更为复杂任务和需求的基准测试和数据集不断涌现。

  17. AI为人类科学家提供领域数据集,助力基础科学研究。

  18. AI算力成为超算性能比拼的“新擂台”。

本报告总结2021年人工智能产业主要趋势如下:

  1. 智能医疗赛道持续火热,各大医疗AI企业纷纷冲刺IPO,“烧钱”成为今年这一赛道最鲜明的标签。
  2. 国家开始逐步发放各类医疗影像AI软件三类证,为医疗影像的发展提供了契机。
  3. 资本助力下,新兴AI创企、互联网科技巨头和传统药企在AI制药领域百花齐放。
  4. 2021年被业界公认为数字疗法产业元年,一批数字疗法企业崭露头角。
  5. 医保的推进可为手术机器人打开市场,全民可用的时代或可指日可待。
  6. 脑机接口不再只是“意念打字”的融资噱头,逐渐从实验室走向临床实践,从科幻照进了现实。
  7. 自动驾驶行业迎来新的投融资热潮,2021年是十年来自动驾驶赛道资本热度最高的一年。
  8. 今年,国内大批Robotaxi企业已进入车队测试及服务试运营的阶段,未来行业的竞争核心也将会转向运营规模与测试里程的比拼。
  9. 乘用场景以外,物流、港口、矿区、城市环卫等细分场景成为自动驾驶落地新风口。
  10. 今年,国内外激光雷达企业也得到了资本市场大力支持。新旧车企纷纷表示,其新车将首次搭载激光雷达,引发激光雷达量产落地的新纪元。
  11. 计算机视觉,在技术成熟度、商业化进程、市场增长速度、投融资热度等方面,是人工智能产业当前热门的发展赛道。2021年,我国计算机视觉产业快速发展,企业加快上市步伐,争夺“视觉AI第一股”。
  12. 随着AI芯片技术的不断发展,芯片制程不断优化,工艺逐步提升,AI芯片功能的细分程度进一步提升,形成异构形态的计算格局。
  13. 高效、节能成为AI芯片发展的长期目标。追求在提升算力的前提下降低功耗,是近年来企业关注的重点。
  14. GPU依然是AI芯片企业研发关注的重点方向。GPU性能较高,且兼具计算的灵活性,适用于构建大规模的AI计算集群,在研发超大规模AI模型方面具有应用前景。

图片图片

成为VIP会员查看完整内容
0
82

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。

通过「定量发散」与「定性收敛」,达摩院分析了近三年来的770万篇公开论文、8.5万份专利,通过挖掘其中热点及重点技术突破,深度访谈近100位科学家,提出了2022年可能照进现实的十大科技趋势。

https://damo.alibaba.com/techtrends/2022

达摩院2022十大科技趋势

趋势一 AI for Science

人工智能成为科学家的新生产工具,催生科研新范式

实验科学和理论科学是数百年来科学界的两大基础范式,而人工智能正在催生新的科研范式。机器学习能够处理多维、多模态的海量数据,解决复杂场景下的科学难题,带领科学探索抵达过去无法触及的新领域。人工智能不仅将加速科研流程,还将帮助发现新的科学规律。预计未来三年,人工智能将在应用科学中得到普遍应用,在部分基础科学中开始成为科学家的生产工具。

趋势二 大小模型协同进化

大模型参数竞赛进入冷静期,大小模型将在云边端协同进化

超大规模预训练模型是从弱人工智能向通用人工智能的突破性探索,解决了传统深度学习的应用碎片化难题,但性能与能耗提升不成比例的效率问题限制了参数规模继续扩张。人工智能研究将从大模型参数竞赛走向大小模型的协同进化,大模型向边、端的小模型输出模型能力,小模型负责实际的推理与执行,同时小模型再向大模型反馈算法与执行成效,让大模型的能力持续强化,形成有机循环的智能体系。

趋势三 硅光芯片

光电融合兼具光子和电子优势,突破摩尔定律限制

电子芯片的发展逼近摩尔定律极限,难以满足高性能计算不断增长的数据吞吐需求。硅光芯片用光子代替电子进行信息传输,可承载更多信息和传输更远距离,具备高计算密度与低能耗的优势。随着云计算与人工智能的大爆发,硅光芯片迎来技术快速迭代与产业链高速发展。预计未来三年,硅光芯片将承载绝大部分大型数据中心内的高速信息传输。

趋势四 绿色能源AI

人工智能助力大规模绿色能源消纳,实现多能互补的电力体系

风电、光伏等绿色能源近年来快速发展,也带来了并网难、消纳率低等问题,甚至出现了“弃风”、“弃光”等现象。核心原因在于绿色能源存在波动性、随机性、反调峰等特征,大规模并网可能影响电网的安全稳定运行。人工智能技术的应用,将有效提升电网等能源系统消纳多样化电源和协调多能源的能力,成为提升能源利用率和稳定性的技术支撑,推动碳中和进程。预计未来三年,人工智能技术将帮助电力系统实现大规模绿色能源消纳,实现电力系统的安全、高效、稳定运行。

趋势五 柔性感知机器人

机器人将兼具柔性和类人感知,可自适应完成多种任务

传统机器人依赖预编程,局限于大型生产线等结构化场景。近年来,柔性机器人结合柔性电子、力感知与控制、人工智能技术,获得了力觉、视觉、声音等感知能力,应对多任务的通用性与应对环境变化的自适应性大幅提升。机器人将从大规模、标准化的产线走向小规模、非标准化的场景。预计未来五年,柔性感知机器人将逐步替代传统工业机器人,成为产线上的主力设备,并在服务机器人领域开始规模化应用。

趋势六 高精度医疗导航

人工智能与精准医疗深度融合,助力诊疗精度与效率提升

传统医疗依赖医生经验,犹如人工寻路,效果参差不齐。人工智能与精准医疗深度融合,专家经验和新的辅助诊断技术有机结合,将成为临床医学的高精度导航系统,为医生提供自动指引,帮助医疗决策更快更准,实现重大疾病的可量化、可计算、可预测、可防治。预计未来三年,以人为中心的精准医疗将成为主要方向,人工智能将全面渗透在疾病预防和诊疗的各个环节,成为疾病预防和诊疗的高精度导航协同。

趋势七 全域隐私计算

破解数据保护与流通两难,隐私计算走向全域数据保护

数据安全保护与数据流通是数字时代的两难问题,破解之道是隐私计算。过去受制于性能瓶颈、技术信任不足、标准不统一等问题,隐私计算尚只能在少量数据的场景下应用。随着专用芯片、加密算法、白盒化、数据信托等技术融合发展,隐私计算有望跨越到海量数据保护,数据源将扩展到全域,激发数字时代的新生产力。预计未来三年,全域隐私计算技术将在性能和可解释性上有新的突破,或将出现数据信托机构提供基于隐私计算的数据共享服务。

趋势八 星地计算

卫星及地面一体化的通信与计算,促进空天地海全面数字化

基于地面网络和计算的数字化服务局限在人口密集区域,深空、海洋、沙漠等无人区尚是服务的空白地带。高低轨卫星通信和地面移动通信将无缝连接,形成空天地海一体化立体网络。由于算随网动,星地计算将集成卫星系统、空中网络、地面通信和云计算,成为一种新兴的计算架构,扩展数字化服务的空间。预计未来三年,低轨卫星数量会迎来爆发式增长,卫星及其地面系统将成为新型计算节点。

趋势九 云网端融合

云网端融合形成新计算体系,催生云上新物种

新型网络技术发展将推动云计算走向云网端融合的新计算体系,并实现云网端的专业分工:云将作为脑,负责集中计算与全局数据处理;网络作为连接,将多种网络形态通过云融合,形成低延时、广覆盖的一张网;端作为交互界面,呈现多元形态,可提供轻薄、长效、沉浸式的极致体验。云网端融合将促进高精度工业仿真、实时工业质检、虚实融合空间等新型应用诞生。预计未来两年,将有大量新型应用在云网端融合的新计算体系中运行。

趋势十 XR互联网

XR眼镜会成为重要交互界面,带动下一代互联网发展

随着端云协同计算、网络通信、数字孪生等技术发展,以沉浸式体验为核心的XR(未来虚实融合)互联网将迎爆发期。眼镜有望成为新的人机交互界面,推动形成有别于平面互联网的XR互联网,催生从元器件、设备、操作系统到应用的新产业生态。XR互联网将重塑数字应用形态,变革娱乐、社交、工作、购物、教育、医疗等场景交互方式。预计未来三年,外形与重量接近普通眼镜的新一代XR眼镜将产生,成为下一代互联网的关键入口。

成为VIP会员查看完整内容
0
44

观众在2021世界计算大会现场试用AI翻译设备。新华社记者陈思汗摄

在日前举行的2021人工智能计算大会上,国际数据公司IDC和浪潮信息联合发布的《2021—2022中国人工智能计算力发展评估报告》显示,相比2020年,人工智能在金融、制造、能源、公共事业和交通等行业体现的推动作用尤为显著。同时,以智能计算中心为代表的算力基础设施,通过提供公共的算力、数据及算法服务,让算力服务易用,解决算力服务的供给问题。

“4年来,我们发现人工智能算力越来越受到重视,这方面的应用越来越成熟,无论是芯片的多元化还是人工智能服务器的计算能力、计算容量等都比4年前有了很大的提高。”IDC企业研究助理副总裁周震刚接受经济日报记者采访时说。

周震刚表示,相比去年,人工智能在各个行业的渗透度都在提升,尤其是在互联网行业和金融行业。此外,制造、交通和能源行业在人工智能的应用也更加深入。

据了解,全球已有60多个国家和地区出台人工智能政策,发布国家级人工智能战略。IDC预测,2021年全球企业在人工智能软件、硬件和服务的总投资将超850亿美元,预计在2025年将增至2045亿美元,5年复合增长率达24.5%。

不过,中国工程院院士、浪潮首席科学家王恩东认为,人工智能也带来了指数级增长的算力需求,计算产业正面临着多元化、巨量化、生态离散化交织的趋势与挑战。一方面,多样化的智能场景需要多元化的算力,算力已经成为人工智能继续发展的重中之重;另一方面,从芯片到算力的转化依然存在巨大鸿沟,多元算力价值并未得到充分释放。如何快速完成多元芯片到计算系统的创新,已经成为推动人工智能产业发展的关键环节。

人工智能产业化对算力的需求正在激增,浪潮信息副总裁刘军表示,算法模型发展也将更加复杂,巨量模型将是规模化创新的基础,“源1.0”等巨量模型的出现,让构建大模型、提升人工智能处理性能成为发展趋势。

目前,全球知名的人工智能公司在巨量模型上都投入巨大,谷歌、微软、英伟达、浪潮、智源人工智能研究院、百度、阿里等公司相继推出了各自的巨量模型。“巨量化的一个核心特征就是模型参数多、训练数据量大。”刘军以浪潮人工智能研究院开发的中文人工智能巨量模型“源1.0”为例介绍说,其数量高达2457亿,训练数据集规模达到5000GB。“我们对算力的追求没有极限。”刘军说。

人工智能芯片正呈现多元化发展趋势,芯片的多元化为人工智能产业化的加速提供了重要的产业基础和更加丰富的选择。但是,芯片从造出来到大规模用起来,还隔着一个巨大的产业鸿沟。以一台人工智能服务器研制为例,整个系统需要经过30多个开发流程,使用150多种加工制造工艺,对280多个关键过程控制点的质量进行严格把控,还要实现与算法框架和人工智能应用的优化与适配等问题。

“要想释放多元算力价值、促进人工智能创新,一是要重视智算系统的创新,加大人工智能新型基础设施建设,把从技术到应用的链条设计好,从体系结构、芯片设计、系统设计、系统软件、开发环境等各个领域形成既分工明确又协同创新的局面;二是要加快推动开放标准建设,通过统一、规范的标准,将多元化算力转变为可调度的资源,让算力好用、易用。”王恩东说。

中国人工智能基础设施市场规模保持高速增长,中国服务器厂商已成为全球服务器市场的中坚力量。IDC预计,2021年人工智能加速服务器市场规模将达56.9亿美元,相比2020年增长61.6%,到2025年,中国人工智能加速服务器市场将达108.6亿美元。

我国明确提出在全国布局算力网络国家枢纽节点,同时积极推进智能计算中心建设,发力构建普适普惠、安全可靠的现代化基础设施体系和生态。智能计算中心已被越来越多的地方政府视为实现支撑和引领数字经济、智能产业、智慧城市、智慧社会发展的关键性信息基础设施,为算力、数据、生态和产业发展提供平台化支持。

成为VIP会员查看完整内容
0
29

智能时代,AI 中台是企业管理能力、企业活力、企业“智力”提升的重要动力来源。思考企业的未来,AI 中台将是企业在复杂时代下生存和发展的“必需品”和“必修课”。

日前,百度智能云与人工智能产业发展联盟联合发布了《AI 中台白皮书(2021年)》。AI 中台作为全栈式、集约化、自动化的生产力工具箱,是实现AI技术在各行业中快速研发、共享复用和部署管理的智能化底座和关键基础设施。白皮书旨在深入剖析 AI 中台体系架构与内涵,探讨能力建设路径和行业赋能方案,以期与业界分享,共同推动我国人工智能产业创新发展与行业智能化升级。

白皮书指出,AI 中台是实现智能化能力普惠的必备基础设施,负责构建企业的 AI 生产力,一般包括 AI 技术服务平台、AI 研发平台、AI 管理运行三大核心。

白皮书展开论述了 AI 中台所应具备的四大关键能力。概括来看,AI 数据需求趋于精细化、场景化,健全的数据服务体系会是AI 中台的基础;自动机器学习技术加速演进,AI 研发平台成为了技术普惠的关键;AI 部署运行愈加复杂,体系化工具成为了规模化应用的保障;AI 模型已经成为了企业新型资产,AI 资产化管理势在必行。

企业如何建设自己的 AI 中台体系呢?白皮书给出了两类建设路径和三大要素支撑。

面向企业智能化升级的不同阶段,AI 中台建设有两类路径:一类是对于处于 AI 能力起步期的企业,会先从 AI 能力直接赋能,再逐步发展到自主建模和个性化创新,构建 AI 能力创新底座;另外是面向已具备专业 AI 建模专家及算法团队的企业,可以聚焦个性化 AI 研发能力的构建,进而大幅提升 AI 模型落地应用推广效率。

三大要素则是企业智能化升级的坚实支撑。在基础设施建设方面,AI 中台支撑企业完成软件部署,并与已有的私有云、数据中台、视频平台等 IT 设施进行对接集成。支持企业结合自身业务场景,构建 AI 应用能力,围绕 AI 中台软件、基础应用集成、业务应用集成三大模块,打造企业 AI 能力的核心技术底座。

在组织能力建设方面,AI 中台为企业提供组织变革、流程创新、人才培养等方面建议,通过建立组织保障机制,明确机构中包括模型生产、服务管理、运维保障在内的各个工作组职责及流程,确保 AI中台管理组织的高效运转。此外,帮助企业持续培养人工智能相关的技术开发人员及运营管理人员,保证 AI 能力开发管理的人才供给。

在运营优化方面,AI 应用实际投产后,企业需结合业务反馈数据不断进行优化调整,确保应用成效。

借助高效灵活的适配能力,AI 中台已在制造、能源、金融、城市、医疗等诸多行业落地应用并取得显著成效,切实解决企业生产运行痛点,满足企业设计、生产、管理、销售和运维等个性化场景需求。

展望未来,AI 中台作为企业智能中枢,在不断完善提升自身能力的同时,将成为伴随企业成长、构筑核心竞争力的重要抓手和关键支撑。未来2-5年,AI 中台将作为创新型企业运转不可或缺的基础设施;未来5-10年,AI 中台将融入企业成长的全生命周期,企业建设、应用和运营 AI 中台的能力,将成为衡量未来发展潜力和成长价值的关键指标,助力构筑企业核心竞争力。

以 AI 中台助力行业高质量发展,提升国家供给侧水平,将在数字社会与智能经济时代获得发展先机。过去二十年,移动互联网对人类社会的影响集中体现在 C 端,即需求端;但在 AI 时代,人工智能将更多从 B 端,即供给端改变。AI 中台作为“ AI 大生产平台”的生产力载体,从更好推进 AI 行业落地、实现技术价值增值角度,正在加快帮助企业适应新形势、新变化与新挑战。AI 中台技术所带来的行业变革,将是一场更彻底的供给侧改革,成为推动国家迈进智能未来时代的重要力量。

人工智能革命将个体价值的创造释放提升到前所未有高度,AI 中台通过推动行业智能变革为社会带来更为光明的未来。AI 中台赋能能力正在从通用行业(如制造、金融、教育等)向专业精细化行业(如生物医药、化学化工、半导体等)延伸拓展,帮助企业不断拓展应用视野和创新边界,推动人类社会创新进步。AI 中台将帮助企业追求更有创造力、影响力和领导力的自我价值实现,为整个智能社会带来更大提升空间、更多发展可能。

成为VIP会员查看完整内容
1
109

当前人工智能已经成为全球最为活跃的创新领域,对经济社会的发展影响深远。白皮书提出,在过去一年中,人工智能的新算法不断涌现,深度学习仍是这一时期发展主线,尝试解决更为复杂的应用任务。人工智能的产业格局与生态体系更为明晰,开源开发框架格局逐步确立,以科技巨头引领的生态系统垂直整合速度不断加快;同时,产业发展重心开始转变,企业比拼重点从单项技术的“理论”准确率转向应用场景白热化的“跑马圈地”;人工智能的技术应用开始全面覆盖日常生活、科学研究、社会治理、商业创新和国家安全等经济社会的关键领域,以空前的广度和深度推动社会发展。基于以上人工智能技术产业发展态势判断,白皮书建议“十四五”期间,我国应通过加快AI基础原创技术创新突破、构建协同发展AI基础核心生态、实现区域差异化发展布局、加快垂直行业深度融合、主动融入全球治理框架等措施,实现我国人工智能产业突破发展。

http://www.caict.ac.cn/kxyj/qwfb/bps/202104/P020210420614092578238.pdf

成为VIP会员查看完整内容
0
110

一直以来,认知科学、神经科学和计算科学分别从不同的路径探索智能的本质:认知科学通过构建认知框架,预测复杂行为;神经科学通过探索神经机制,解释大脑功能;而计算科学通过模拟神经活动,实现人工智能。近年来,深度神经网络的成功,促使三门学科进一步交叉融合,将类脑的深度神经网络模型和认知神经科学实验相结合,为人工神经网络的发展提供新的思路。

智源“人工智能的认知神经基础”重大研究方向基于此研究目标,以及促进学科间交叉互启的愿景,编撰该白皮书,以期为相关领域的研究者搭建沟通的平台和桥梁,共同探索心智的奥秘,促进人工智能的可持续发展。

成为VIP会员查看完整内容
0
61

11月14日,北京智源人工智能研究院(简称“智源研究院”)召开2020智源论坛,会议期间发布《2020北京人工智能发展报告》(以下简称《报告》)。《报告》从政策支持、科技资源、人才发展、科技成果、服务平台、伦理安全、场景开放、产业生态等十余个维度,系统分析了北京成为中国AI领头羊的内在动因和发展成效,刻画了北京AI发展的17个中国“第一”。

成为VIP会员查看完整内容
0
84

主题: 2019年人工智能的发展

摘要:

人工智能是一个很宽泛的概念,概括而言是对人的意识和思维过程的模拟,利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率,特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测,到2030年人工智能的出现将为全球GDP带来额外14%的提升,相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性,并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据,世界人工智能市场将在2020年达到6800亿元人民币,复合增长率达26.2%,而中国人工智能市场也将在2020年达到710亿元人民币,复合增长率达44.5%。

我国发展人工智能具有多个方面的优势,比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等,但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术(计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等)、人工智能典型应用产业与场景(安防、金融、零售、交通、教育、医疗、制造、健康等)做出了梳理,而且同时强调人工智能开放平台的重要性,并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后,列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动,我国整个人工智能行业的生态圈也会逐步完善,从而为智慧社会的建设贡献巨大力量。

成为VIP会员查看完整内容
2
103

本白皮书从人工智能数据安全的内涵出发,首次提出人工智能数据安全的体系架构,在系统梳理人工智能数据安全风险和安全应用情况的基础上,总结了国内外人工智能数据安全治理现状,研究提出了我国人工智能数据安全治理建议。

成为VIP会员查看完整内容
3
78
小贴士
相关VIP内容
专知会员服务
44+阅读 · 2021年12月29日
专知会员服务
29+阅读 · 2021年11月6日
专知会员服务
70+阅读 · 2021年10月29日
专知会员服务
109+阅读 · 2021年9月18日
专知会员服务
110+阅读 · 2021年4月21日
专知会员服务
82+阅读 · 2021年3月9日
专知会员服务
84+阅读 · 2020年11月19日
相关资讯
相关论文
Chen Zhang,Luis Fernando D'Haro,Thomas Friedrichs,Haizhou Li
0+阅读 · 1月16日
Xiu-Shen Wei,Yi-Zhe Song,Oisin Mac Aodha,Jianxin Wu,Yuxin Peng,Jinhui Tang,Jian Yang,Serge Belongie
7+阅读 · 2021年11月11日
Benyou Wang,Qianqian Xie,Jiahuan Pei,Prayag Tiwari,Zhao Li,Jie fu
7+阅读 · 2021年10月12日
Jakub Grudzien Kuba,Muning Wen,Yaodong Yang,Linghui Meng,Shangding Gu,Haifeng Zhang,David Henry Mguni,Jun Wang
6+阅读 · 2021年8月20日
The Effects of Super-Resolution on Object Detection Performance in Satellite Imagery
Jacob Shermeyer,Adam Van Etten
3+阅读 · 2019年4月9日
Yongfeng Zhang,Xu Chen
10+阅读 · 2018年5月13日
Damla Kizilay,Deniz T. Eliiyi,Pascal Van Hentenryck
3+阅读 · 2017年12月14日
Wentong Liao,Lin Shuai,Bodo Rosenhahn,Michael Ying Yang
3+阅读 · 2017年11月21日
Beata Roś,Fetsje Bijma,Mathisca de Gunst,Jan de Munck
3+阅读 · 2014年10月9日
Top
微信扫码咨询专知VIP会员