首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    论文Express | AI+云+无人机=“云中监狱”:剑桥大学个体暴力行为实时监测

    大数据文摘出品 编译:小鱼、halcyon 关于AI技术引起的道德话题近来颇受争议,比如利用算法识别犯罪团伙或者,利用图像识别判定同性恋。 近日,剑桥大学发布了一篇论文,提出了一个有意思的观点,即利用混合深度学习网络+云计算+无人机,搭建了一个能实时监测个体暴力行为的无人机监控系统。 网红博主爱可可老师评价道,这篇论文的观点值得及时反思的道德危机,AI+云+无人机=空中监狱。 论文中监控系统的实时画面☟ 可以在视频中看到,论文中提出的无人机监控系统,可以在人群中准确检测到发生肢体冲突的个体,并对其进行标记。

    04

    中飞艾维曹飞:基于无人机服务做数据驱动型公司,用数据帮助产业升级 | 镁客请讲

    在曹飞看来,发展了10年的无人机行业还处于一个早期阶段,接下来这一产业将发生细化。 随着无人机消费级市场的格局逐步定型,工业级无人机再次成为行业内的焦点。 据相关数据显示,2016年,全球工业无人机的销售规模达到20.8亿美元,未来年复合增长率将达21%,预计2020年全球工业无人机的市场规模可达到51亿美元。而在工业无人机方面,电网巡线无人机等等备受关注。 从有人直升机到无人机 他针对“电网巡线”两度创业 其实,中飞艾维并不是曹飞的第一次创业了。 在就职于国家电网北京供电公司期间,曹飞一直负责电网巡线工作

    04

    【AI TOP 10】北京月底开通国产无人驾驶地铁;吴恩达2017年度报告;百度CES将发布Apollo 2.0

    编辑:刘光明 【新智元导读】吴恩达在这一年经历了很多,从带领机器人“小度”在《最强大脑》上战胜王峰到离职百度创业,再到创立Landing.ai,宣布与富士康合作,吴恩达的每个动作都是会引发业内热议。无人驾驶方面,北京月底无人驾驶地铁开通,南京无人驾驶公交明年试运行,而百度也即将在明年的CES上亮相Apollo 2.0,其无人车也将从北京五环开到加州。 今日头条 吴恩达的2017年度报告 产业要闻 无人驾驶迷你公交明年亮相南京江北新区 国内首条国产无人驾驶地铁将于本月底在京开通 群策群力可准确预测最高法院裁判

    05

    【ARM攒机指南——AI篇】5大千万级设备市场技术拆解

    作者:重走此间路 编辑:闻菲 【新智元导读】单做算法无法挣钱,越来越多的公司都开始将核心算法芯片化争取更多市场和更大利益,一时间涌现出AI芯片无数。与CPU,GPU这样的通用芯片不同,终端AI芯片往往针对具体应用,能耗规格也千差万别。本文立足技术分析趋势,总结深度学习最有可能落地的5大主流终端市场——个人终端(手机,平板),监控,家庭,机器人和无人机,汽车,以及这些终端市场AI芯片的现状及未来。小标题以及着重部分是新智元转载时编辑增加,点击“阅读原文”了解更多。 近一年各种深度学习平台和硬件层出不穷,各种x

    06

    【杀人机器人一击毙命】俄罗斯不顾联合国禁令强势推进军用机器人计划(视频)

    作者:全月 【新智元导读】11月,在日内瓦举办的联合国特定常规武器公约会议上,一段骇人听闻的视频发布,视频中类似杀人蜂的小型人工智能机器人通过面部识别系统辨别射杀对象,迅敏将其击毙。尽管只是一个演示,但这款“杀人机器人”迅速引发广泛关注。同时,为了督促各国政府制定监管而展示的这段视频,似乎并没有在俄罗斯那里取得成效,俄罗斯对联合国提议的禁止致命自主武器系统(LAWS)采取强硬态度,表示无论如何都会造成杀人的僵尸。 上个月,联合国在特定常规武器公约会议上发布了一段“杀人机器人”视频,强烈呼吁AI技术巨大的危害

    06

    街景车弱爆了,照片游技术会取而代之?

    尼泊尔发生了本世纪陆地第五次八级大地震,加德满都12座世界遗产建筑被不同程度损毁,尼泊尔专家称能工巧匠需要用大约10年时间才可修复这些古迹。在他们实现这一目标之前,百度拿出了一个快速解决方案:基于照片游技术,号召全球网友上传加德满都相关景点照片,尝试用技术在虚拟世界对被损毁的景点进行360°还原。这听上去是一个巨大的“拼图”工程,好在有一项名为“照片游”的技术,而这项技术未来甚至有望取代街景车,做到真正还原世界每一个时刻的每一个角落。 照片游技术收集和还原真实世界 百度地图还原加德满都的计划,使用被称为照

    05

    CS231n学习笔记--计算机视觉历史回顾与介绍1

    首先我们来看看官方对这门课的介绍: 计算机视觉在社会中已经逐渐普及,并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络(也就是“深度学习”)方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。 本课程将深入讲解深度学习框架的细节问题,聚焦面向视觉识别任务(尤其是图像分类任务)的端到端学习模型。在10周的课程中,学生们将会学习如何实现、训练和调试他们自己的神经网络,并建立起对计算机视觉领域的前沿研究方向的细节理解。最终的作业将包括训练一个有几百万参数的卷积神经网络,并将其应用到最大的图像分类数据库(ImageNet)上。我们将会聚焦于教授如何确定图像识别问题,学习算法(比如反向传播算法),对网络的训练和精细调整(fine-tuning)中的工程实践技巧,指导学生动手完成课程作业和最终的课程项目。本课程的大部分背景知识和素材都来源于ImageNet Challenge竞赛。

    02
    领券