计算机视觉技术允许机器以视觉方式解释周围的世界。作为人工智能的一种形式，计算机视觉的本质上是关于数据的分析和学习，只不过需要处理的数据都是视觉数据——而不是文本或者数据。通常来说，视觉数据都是以照片或者视频的形式存在，但是也可能包含来自热像仪和红外热像仪的

许多国家在与新型冠状病毒作斗争，下令公民在火车站或机场一律接受体温检测。这种情形下所需的设备：手持温度计已从一种专业设备变成了常见设备。“计算机视觉”是AI的一个分支，专注于自动标记图像。大多数计算机视觉系统使用含有极少量手持温度计图像的数据集加以训练。4

对图像块应用仿射变换，我们将其称为图像扭曲。对于三个点，仿射变换可以将一副图像进行扭曲，使得三对对应点对可以完美地匹配上。仿射变换具有6个自由度，有三个对应点对可以给出6个约束条件。仿射变换是在几何上定义为两个向量空间之间的一个仿射变换或者仿射映射。

检测并归类图像中的物体是最广为人知的一个计算机视觉任务，随着ImageNet数据集挑战而更加流行。不过还有一个令人恼火的问题有待解决：视频理解。视频理解指的是对视频片段进行分析并进行解读。虽然有一些最新的进展，现代算法还远远达不到人类的理解层次。该方法的核

本文介绍了NLP领域中的两种迁移学习方法，分别是与训练的嵌入层及微调模型，嵌入层目前应用较为广泛，但微调模型后来者居上。在深度学习领域，迁移学习是应用比较广的方法之一。今年春天，我 在ODSC East会议上发表了题为 “NLP中的有效迁移学习”的演讲。

在我们之前的文章中，我们展示了如何使用CNN与迁移学习为我们自己创建图片构建分类器。今天，我们介绍NLP中迁移学习的最新趋势，并尝试进行分类任务：将亚马逊评论的数据集分类为正面或负面。NLP中的迁移学习理念在fast.ai课程中得到了很好的体现，我们鼓励你

今日，计算机视觉顶会 CVPR 2019 的论文接收结果公布：在超过 5100 篇投稿中，共有 1300 篇被接收，达到了接近 25.2% 的接收率。CVPR 是首屈一指的年度计算机视觉盛会，在机器学习领域享有盛名。今年的 CVPR 将于 6 月 16 日

摘要： 本文简单的介绍了神经网络近50年的发展历程，从1968年的Hubel和Wiesel开展的猫实验，一直到李飞飞教授等人的成果。从本质上讲解了人工神经网络的原理及学习过程，对于想了解神经网络起源及发展历程的读者而言，是一篇较为合适的文章。在神经科学课程

任务是分配用于捕获图像的摄像机类型。比赛结束后，Arthur Kuzin，Artur Fattakhov，Ilya Kibardin，Ruslan Dutov和我决定撰写一份技术报告，描述如何解决这个问题并分享我们在此过程中获得的一些见解。在本文，我想对所

在此之前，「微软亚洲研究院创研论坛——CVPR 2017 论文分享会」近日已在北京中关村微软大厦举办。与会嘉宾不仅包括来自北京大学、清华大学、上海交大等各高校的教授与在读博士生，也有来自微软亚洲研究院、中科院、英特尔中国研究院及商汤科技等的研究人员；会议期

本文从开发者的角度，总结了GAN、AutoML、语音识别、NLP等已经可以用于实际产品的技术，以及值得关注的新趋势。作者认为，有ONNX这类的统一格式，Caffe Zoo等模型库，以及AutoML等自动化工具，制作基于AI的应用已经变得非常容易。几年过去了

计算机视觉是一项热门的计算机技术研究领域。近年来，随着深度学习、人脸识别、物体识别、图像分割和三维重建等技术的快速发展，算法性能大幅度提升，计算机视觉在视频分析、视频监控、视觉检索和创作等领域拥有广大的应用前景，但是在实际的行业场景中还有很多挑战有待解决。

前言：本月，腾讯研究院与IT桔子联合发布了《2017年中美人工智能创投现状与趋势研究报告》，针对国内外1000多家人工智能企业进行了深入分析，并在报告中给出了众多富有洞察的结论。本文基于从IT桔子爬取的国内人工智能初创企业数据，在AI初创公司产业链分布、融