人工智能

基于深度学习算法和传统立体匹配算法的双目立体视觉

让人想犯罪 __ 提交于 2021-02-20 19:55:37
点击蓝色“ AI专栏 ”关注我 哟 选择“ 星标 ”,重磅干货,第一时间送达 我喜欢看蓝天白云的景色,心情会变好 ,希望看到的你心情也会变好,让我们一起加油噶 。 这是站长的第 40 篇原创文章 01 PART 立体视觉是什么? 在开始之前,我相信很多站友都会有这个疑问,所以我想先在这里做一下简要的介绍,以方便大家快速地了解这个项目。我们知道,人类通过眼睛感知世界、获取信息。人类获取信息的方式有很多 种,可通过眼睛、耳朵、触觉、嗅觉、味觉等,但我们接受到的绝大部分信息都是通过视觉的方式获取到的。由此可见,视觉系统在人类的生存、生产、发展中起到了极其重要的作用。随着计算机技术、智能机器人等的广泛研究与应用,不少科学家尝试将人类视觉系统功能赋予机器。让机器获取与人类一般的视觉能力,是许多科研工作者长期以来的追求。目前,虽然还不能够使机器获得与人类一模一样的视觉感知能力与认知能力,但自上世纪中叶以来,各种视觉技术理论与图像处理技术得到了飞速的发展,我们正朝着这一目标不断前进。 立体视觉是计算机视觉的重要组成部分,而双目立体视觉又是立体视觉的一个重要分支。它是基于两幅图像的,通过模拟人眼视觉的方式,由两个视点对同一个物体进行观察,具体是由不同位置的两台相机(或一台相机经过旋转和移动)对同一场景进行拍摄,然后通过三角测量的原理来计算空间点在两幅图像中像素间的视差

关于开源对话式AI及创业公司

↘锁芯ラ 提交于 2021-02-20 16:44:53
近期对话式人工智能创业公司Rasa完成了B轮2600万美元的融资,此轮融资的投资方为著名的Andreessen Horowitz。 融资将用于进一步完善其用于创建聊天和对话机器人(chatbots)和其他人工智能项目的,对话式AI开源工具。对于自动对话式智能机器人的需求,随着COVID-19所带来的公共健康危机,需求得到了爆发。 RASA的核心产品为一套用于创建具备情境感知(contextual)能力语音助理chatbots的toolkits,也就是以其开源的对话式人工智能Rasa Open Source平台。 RASA同时推出Rasa X软件,辅助用户快速使用RASA开源软件创建对话式语音助理,其Rasa企业版本可支持创建大规模的对话式语音助理服务,该服务满足HIPAA和GDPR规范。 可访问 www.rasa.com,了解更多内容 - 其他对话式人工智能创业团队如Directly(https://www.directly.com/),近期也完成了新一轮融资,而另一家chatbot平台创业公司CX则被CM.com(https://www.cm.com/chatbot/)收购。 当然,Facebook也吹嘘其Chatbot - Blender(https://www.chatblender.com/)表现远超Google的Meena 和其他chatbot平台。

以技术创新持续“造血”,华为云敢于投未来

一个人想着一个人 提交于 2021-02-20 16:32:34
早些年,在云计算的初始阶段,很人多认为云计算并不是新的技术,而是新的IT交付模式和服务经济模式。在当时那个大部分人对云计算还“云山雾罩”的时代,这样的观点似乎没有什么错。 然而时过境迁,就像智能手机从简单的多媒体终端已经变成了强大的个人智能终端,经过十年的发展,云计算也再不是“没有新的技术”,而是变成了承载各种先进技术的“底盘”,也成为厂商展现技术实力、对外技术输出的最佳窗口。 在华为全联接大会2018上, 华为云 BU CTO张宇昕解读了Cloud 2.0时代的技术特征,以及 华为云 独特的技术创新。 华为云 BU CTO张宇昕 云不再是通用硬件的较量 在Cloud 2.0时代,行业和技术都在发生着显著的变化。 从云架构的发展趋势来看,单一的私有云和公有云已经无法满足企业双模IT的需求,混合云、多云架构将成为大中型企业的主要选择。Gartner报告显示,到2020年,90%的组织将利用混合云管理基础设施。 从企业需求和市场趋势来看,云正在进入生产领域,企业关键业务正在上云,企业应用数字化、智能化成为趋势。互联网流量红利将要达到“天花板”,且模式容易被复制。在Cloud 2.0时代,新的互联网应用,如短视频、直播等,数据红利正在取代流量红利。 在这种变化中,Cloud 1.0时代的云计算技术已经显得力不从心,需要向Cloud 2.0时代进化。 “Cloud 1

完成你的第一个智能无人机

喜欢而已 提交于 2021-02-20 11:46:44
前 言 对于大多数无人机爱好者来说,能自己从头开始组装一台无人机,之后加入AI算法,能够航拍,可以目标跟踪,是心中的梦想。并且,亲自从零开始完成复杂系统,这是掌握核心技术的必经之路。 基于此,开课吧特邀北京航空航天大学无人机专家,进行设计和指导,独家研发与真实的科学研究和工程开发接轨的课程。软硬件结合,将教你亲自研发无人机,而不是简单的购买一个无人机整机。 课程由北京航空航天大学无人机专家设计和指导,与真实的科学研究和工程开发接轨。有以下六大优势: 那么,直接购买无人机和我们的课程研发无人机的区别在哪里呢?请看下图: 我们的课程并不是简单的拼装课程,更涉及到 飞行器设计、仿真平台搭建和算法实现的整体流程。 我们课程将会 教你无人机的基本组成、飞行原理、控制理论、状态估计、同时定位与建图、运动规划、目标检测追踪与多无人机协同; 从元器件开始搭建一个具有GPS导航和人为规划路线功能的无人机,并搭建无人机仿真平台,在仿真平台上实现各类智能算法的开发与部署。 本课程分为两大板块: ❥ 课程大纲 (仿真环境下无人机SLAM) ( 真实环境下无人机VIO ) (仿真环境下的运动规划) (仿真环境下的多机协同) (仿真环境下的无人机追踪行人) (真实环境下,无人机追踪亮灯) 本课程适合以下人员的学习: 注意: 如果学员是未成年人,家长请做好保护措施和安全教育; 组装飞行无人机有一定的安全隐患

苦逼程序员30岁离职创业2年有什么总结

被刻印的时光 ゝ 提交于 2021-02-20 08:58:30
闲来无事聊一聊 第一次写这种人生总结类的文章,写的不好各位见谅。 事出反常必有妖 作者在30岁10个月的时候选择离职,离开广州回家乡吃点粥,我家乡是美丽的广西XX市(避免广告),离职原因在这里简单说明以下几点,好让各位吃瓜群众可以更好,更放心的吃瓜。 身体,曾经有段日子加班+娱乐(打游戏)+照顾我家刚出生的小皇帝,一天要早上7点起晚上2点睡这样,一日三餐将就。最终累垮了身体,免疫力应该出现了问题,随便吃个烧烤就全身荨麻疹,看了好几个月医生,各种药。这个时候有意识要保养身体了,果然跟前辈说的一样,“一到30岁你就懂了”。 家庭,在广州的日子基本上真的忙起来的时候,早上7点出去,晚上11点回到家,你老婆孩子都看不到你,长此以往可想而知。忙的时候让老婆带小孩回外家小住一段时间。 父母,在广州10年回家加起来的日期可能不够3个月,有一次回家看到家里很多地方蜘蛛丝都有了,父母身体老了也各种问题,突然想起“子欲养而亲不待”。 买不起广州的房 顿悟了,努力赚钱同时也要保养好自己和家人的身心健康,家庭和谐。 就是这样跟老婆商量一下,选择辞职回家。 山雨欲来风满楼 回家前就制定了几个小目标: 改善我父母的关系,我父母由于陈年往事关系一直不好 改善我自己的家庭关系,调养好我的身体 创办自己的小公司,有自己的小事业 刚回家的日子头半个月很闲,基本是约下老朋友宵夜吹水,白天带老婆小孩吃各种小吃美食

阿里云Teambition网盘移动端即将上线,号称永不限速

Deadly 提交于 2021-02-20 02:43:18
今日,阿里巴巴旗下办公套件Teambition官方宣布,Teambition网盘移动端迷你版即将在国庆日上线,马上可以开放更多内测。 根据海报介绍,Teambition网盘国庆上线后可以查看和下载文件,再过一个月支持上传、下载、分享功能更完善,可以自定义底部导航。 此前,Teambition网盘官方介绍称,该网盘是一款团队协作工具,包含项目空间、文档、待办、日历等内容,无需登录即可在线预览或下载。 官方网站称: 上传下载不限速, Teambition网盘付不付费,都不限速。 始终是一个优雅安静的地方,没有弹窗或者广告推送。只有当你寻求支持的时候,会发现沟通的入口一直都在那里。 你的隐私绝对安全。尽管安心地存放一切影像资料。我们运用的人工智能技术,只专注于帮助你提升文件管理效率。 免登录就能下载好东西。分享和收藏东西应该更简单,即便是在未登录状态下,你和小伙伴也可以直接预览或者下载对方发送给你的各类文件。能够满足日常需求的6T存储空间。 据了解, Teambition网盘 采用邀请方式注册登录,今天是首次提供大规模移动端下载。 据新闻报道,2019年4月,阿里巴巴100%收购了Teambition的主体公司上海汇翼信息科技有限公司的股权,该公司成为属阿里旗下的全资子公司,定位为“办公套件”。 不过,扫描二维码下载移动端后,需要凭内测码登录使用。 内测资格申请 https:/

分布式专题|最近一直死磕kafka设计原理,都肝吐了

≯℡__Kan透↙ 提交于 2021-02-19 22:47:19
点击上方 蓝字 关注我们 文末有惊喜 kafka架构图 在这里插入图片描述 kafka核心控制器 定义 在kafka集群中,会选举出一个broker作为控制器(controller),负责管理集群中所有的分区和副本的状态; 职责 监听broker变化,通过监听Zookeeper中的/brokers/ids/ 节点方式来实现 监听topic变化,通过监听Zookeeper中的/brokers/topics节点方式来实现,实时监听topic变化 管理topic、partition、broker相关的信息 更新数据的元数据信息,同步到其他的broker节点 选举过程 broker控制器选举的原理是借助于zookeeper的临时节点实现:kafka集群启动时,每个broker都会尝试争当控制器,都会往zookeeper的controller节点注册自己,但是由于zookeerper的特性,如果节点已经创建过,再创建就会失败,所以只会有一个broker创建成功,那么创建成功的broker就会成为控制器;此外其他broker都会监听这个controller节点 在这里插入图片描述 由于controller是临时节点,当控制器broker挂机之后,就会断开与zookeeper的会话连接,临时节点也会消失,其它节点监听到controller节点消失后,就会重新争取controller节点。

分析驱动型的四步曲,你get 了吗

别来无恙 提交于 2021-02-19 22:10:45
企业转型 一个集热度与难度于一身的话题宠儿 刚刚结束的两会中也多次提及它 但......转型转了这么多年 一顿操作猛如虎 战绩始终0杠5 于是,大家纷纷加入吐槽 企业转型难! 企业数字化转型难!! 转型为分析驱动型企业更是难上加难!!! 转型这么难,还有企业能“上岸”嘛? BUT,安顾做到了! (图片来自于安顾保险集团官网) 那么,安顾是谁?它是怎样成功转型的?应该分几步推进转型? 且听小赛慢慢为大家介绍~ 首先,我们先来认识一下这家企业: 安顾保险集团 安顾保险集团 (ERGO Group AG) 是德国和其他国际市场主要保险商之一,拥有40,000多名员工,销售合作伙伴遍布全球,保费总收入达187亿欧元。公司提供各种保险和金融产品,在德国国内市场的客户超过900万(要知道,德国总人口数也不过8000多万人,相当于每9个人中就有1个是安顾的客户)。 那么,为什么安顾要转为分析驱动型企业,难道能让它C位出道?(吃瓜脸) 首先,转型为分析驱动型企业是安顾战略计划的重要组成部分。其次,好处是 可以系统化利用高级分析提取数据中的价值,同时优化整个价值链流程 ,包括:产品设计定价、销售分销、承销、风险管理、客户交互、索赔、服务和运营。 既然分析驱动型企业好处这么多,那么到底怎样才能成功转型呢?听说安顾只用了4步,跟随小赛一起看看吧! 第一步 培育高级分析技能 为实现“分析驱动型企业

分析驱动型的四步曲,你get 了吗

青春壹個敷衍的年華 提交于 2021-02-19 17:15:25
企业转型 一个集热度与难度于一身的话题宠儿 刚刚结束的两会中也多次提及它 但......转型转了这么多年 一顿操作猛如虎 战绩始终0杠5 于是,大家纷纷加入吐槽 企业转型难! 企业数字化转型难!! 转型为分析驱动型企业更是难上加难!!! 转型这么难,还有企业能“上岸”嘛? BUT,安顾做到了! (图片来自于安顾保险集团官网) 那么,安顾是谁?它是怎样成功转型的?应该分几步推进转型? 且听小赛慢慢为大家介绍~ 首先,我们先来认识一下这家企业: 安顾保险集团 安顾保险集团 (ERGO Group AG) 是德国和其他国际市场主要保险商之一,拥有40,000多名员工,销售合作伙伴遍布全球,保费总收入达187亿欧元。公司提供各种保险和金融产品,在德国国内市场的客户超过900万(要知道,德国总人口数也不过8000多万人,相当于每9个人中就有1个是安顾的客户)。 那么,为什么安顾要转为分析驱动型企业,难道能让它C位出道?(吃瓜脸) 首先,转型为分析驱动型企业是安顾战略计划的重要组成部分。其次,好处是 可以系统化利用高级分析提取数据中的价值,同时优化整个价值链流程 ,包括:产品设计定价、销售分销、承销、风险管理、客户交互、索赔、服务和运营。 既然分析驱动型企业好处这么多,那么到底怎样才能成功转型呢?听说安顾只用了4步,跟随小赛一起看看吧! 第一步 培育高级分析技能 为实现“分析驱动型企业

在 Kubernetes 上弹性深度学习训练利器-Elastic Training Operator

一世执手 提交于 2021-02-19 17:13:49
背景 由于云计算在资源成本和弹性扩容方面的天然优势,越来越多客户愿意在云上构建 AI 系统,而以容器、Kubernetes 为代表的云原生技术,已经成为释放云价值的最短路径, 在云上基于 Kubernetes 构建 AI 平台已经成为趋势。 当面临较复杂的模型训练或者数据量大时,单机的计算能力往往无法满足算力要求。通过使用阿里的 AiACC 或者社区的 horovod 等分布式训练框架,仅需修改几行代码,就能将一个单机的训练任务扩展为支持分布式的训练任务。在 Kubernetes 上常见的是 kubeflow 社区的 tf-operator 支持 Tensorflow PS 模式,或者 mpi-operator 支持 horovod 的 mpi allreduce 模式。 现状 Kubernetes 和云计算提供敏捷性和伸缩性,我们可以通过 cluster-AutoScaler 等组件为训练任务设置弹性策略,利用 Kubernetes 的弹性能力,按需创建,减少 GPU 设备空转。 但这种伸缩模式面对训练这种离线任务还是略有不足: 不支持容错,当部分 Worker 由于设备原因失败,整个任务需要停止重来。 训练任务一般时间较长,占用算力大,任务缺少弹性能力。当资源不足时,除非任务终止,无法按需为其他业务腾出资源。 训练任务时间较长,不支持 worker 动态配置,