[传感技术]ASI获得了用于深度学习多传感器融合开发的第二阶段资金
Autonomous Solutions,Inc.（ASI）最近宣布，已从美国陆军作战能力发展司令部地面车辆系统中心（前身为TARDEC）获得了第二阶段赠款。根据第一阶段取得的进展，选择了ASI来继续开发深度学习（DL）架构，该架构将在GPS有限或没有GPS的环境中支持传感器融合。 具体而言，ASI在对来自传统相机，LiDAR和雷达的数据输入进行三角测量以提供机器学习方面取得了快速进展，这将在GPS完整性受到限制或根本无法使用GPS的环境中提供更清晰的可见性，可预测性和安全性。 ASI首席技术官Jeff Ferrin说：“目标是使人们对自动
[传感技术]躲不开信息操纵，是人类的大脑过时了吗？
人类为什么在没有确凿证据的情况下，会如此轻信那些明显的胡说八道呢？为什么在有明确证据的情况下，会如此轻易接受那些非理性的信念呢？部分答案可能在于我们的大脑在数百万年里的进化过程，我们需要快速对可能危及生命的不确定性做出决策。本文节选自《谁在掷骰子：不确定的数学》（人民邮电出版社2022年7月版），标题为编辑所加，有删节。大脑功能的许多方面都可以被认为是某种决策。当我们观察外部世界时，视觉系统必须找出它所看到的物体，猜测这些物体的状况，评估它们潜在的威胁或收益，让我们根据这些评估采取
[传感技术]基于TensorFlow和QuestDB的时间序列预测 译文 精选
?译者 |?朱先忠审校 |?孙淑娟时间序列预测的机器学习概述?当前，机器学习正在席卷全球，机器人能够以类似人类的精度完成许多领域中的任务。例如，在医疗领域，智能助手可以随时检查人们的健康状况；在金融领域，也有一些工具可以合理准确地预测投资回报；而在在线营销中，也已经研发出一些产品推荐工具能够根据人们的购买历史向其推荐特定的产品和品牌。在上述这些应用领域中，人们可以使用不同类型的数据来训练机器学习模型。其中，时间序列数据用于训练机器学习算法。在这种情况下，时间是关键组成部分。时间序列数据
[传感技术]Tensorflow深度可分离卷积实战 译文 精选
译者 |?朱先忠审校 |?孙淑娟归纳一下所有当今巨型卷积神经网络（例如RESNET、VGG等），它们都引出了同样一个问题：我们如何能够用更少的参数使所有这些网络体积更小，同时仍然保持相同的精度水平，甚至使用更少的参数改进模型的泛化。一种方法是借助于深度可分离卷积，也称为TensorFlow和Pytorch中的可分离卷积（不要与空间可分离卷积混淆，后者也称为可分离卷积）。深度可分离卷积是由Sifre在论文《用于图像分类的刚性运动散射》（Rigid-motion scattering for image classification）中引入的，并且已被当下流行的模
[传感技术]IOTE论坛 | 从深度学习到强化学习，AI市场里没有泡沫
目前，AI已从深度学习走向强化学习阶段。强化学习是智能体（Agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为。如今不少AI产品已落地，从居家到交通，从物流到零售，针对不同人群和不同场景提供多样化的服务，提高了人们的工作效率和生活质量。据IDC最新数据，2022年全球人工智能收入预计同比增长19.6%，达到4328亿美元，包括软件、硬件和服务。在这三个技术类别中，人工智能硬件和服务支出增长更快，预计2023年可突破5000亿美元大关。从人工智能企业核心技术分布看，大数据和云计算占比最高，
[传感技术]基于深度学习下的航空领域真空羽流解决方案
真空羽流 | 航空模拟?| 深度学习?神经网络 |?人工智能 |?直接模拟蒙特卡洛随着深度学习、高性能计算、数据分析、机器学习、人工智能、神经网络的快速发展，航天技术得到突飞猛进的发展。随之而来的真空羽流（火箭发动机工作时，其喷流向外部真空环境自由膨胀，形成的羽毛形状）对航天器材的损害问题显得尤为重要。主要体现在：力热效应产生干扰力矩；造成航天器表面温度升高和材料损坏电磁效应影响测控、通信等电子设备及信号，产生电磁干扰溅射污染效应改变材料的光学和电学特性，造成太阳电池阵功
[传感技术]纪然：人工智能前沿技术深刻影响互联网行业发展
“作为新一代人工智能的关键技术，深度学习近年来展现出极大的创造力，在语音识别、机器视觉、自然语言处理等一个个经典的人工智能问题上取得实质性进展，让很多此前无法实现的AI应用走进了现实生活，正在加快各行各业的发展速度。此前，ARK 2021年度投资报告发布了2021年15大趋势预测，将深度学习排在第一位。 ” 作为新一代人工智能的关键技术，深度学习近年来展现出极大的
[传感技术]深度卷积生成对抗网络实战 译文 精选
?译者 |?朱先忠审校 |?孙淑娟红葡萄园（作者：Vincent van Gogh）据《纽约时报》报道，数据中心90%的能源被浪费，这是因为公司收集的大部分数据从未被分析或以任何形式使用。更具体地说，这被称为“暗数据（Dark Data）”。“暗数据”是指通过各种计算机网络操作获取的数据，但不以任何方式用于得出见解或进行决策。组织收集数据的能力可能超过其分析数据的吞吐量。在某些情况下，组织甚至可能不知道正在收集数据。IBM估计，大约90%的传感器和模数转换产生的数据从未被使用。——维基百科上的“暗数据”定义从机器学习
[传感技术]TensorFlow、PyTorch和JAX：哪一款深度学习框架更适合你？ 译文 精选
译者 | 朱先忠审校 | 墨色深度学习每天都在以各种形式影响着我们的生活。无论是基于用户语音命令的Siri、Alexa、手机上的实时翻译应用程序，还是支持智能拖拉机、仓库机器人和自动驾驶汽车的计算机视觉技术，每个月似乎都会迎来新的进展。几乎所有这些深度学习应用程序的编写都来自于这三种框架：TensorFlow、PyTorch或者JAX。那么，你到底应该使用哪些深度学习框架呢？在本文中，我们将对TensorFlow、PyTorch和JAX进行高级比较。我们的目标是让你了解发挥其优势的应用程序类型，当然还要考虑社区支持和易用性等因素。
[传感技术]深度学习技术如何解决复杂工业检测问题？
? ? ? ?工业自动化离不开感知技术和运动控制技术，就像人离不开眼睛和大脑，可想而知，视觉感知技术一定是工业自动化领域最重要的技术之一。而深度学习可谓是视觉感知技术中的“黑马”，它的应用使机器视觉在很多场景下超越现有解决方案，并能够胜任更具挑战性的任务，因此近年来在工业视觉领域掀起应用
[传感技术]研究人员利用深度学习提高3D打印部件的CT扫描速度和扫描结果准确性
美国能源部橡树岭国家实验室(Oak Ridge National Laboratory)的研究人员开发出一个深度学习框架，可显著提高3D打印部件的CT扫描速度和扫描结果准确性。CT 扫描对于在不损坏 3D打印部件的情况下验证其完好性非常重要，但其并未在增材制造中大规模使用，主要是因为当前的扫描和分析方法耗时长且结果不精确。新开发的深度学习框架将允许制造商快速微调部件结构，并将成像时间缩短了六倍，使得样品分析可以在一天内完成。研究人员表示，该技术可以应用于国防、汽车制造、航空航天、电子印刷，以及电动汽车电池的无损评估等
[传感技术]《人工智能基于深度学习的计算机视觉算法接口技术要求》标准发布
随着深度学习的快速发展，计算机视觉已成为AI领域最为重要的技术之一，各类行业应用广泛落地。 当前，计算机视觉算法训练过程技术日趋成熟并且关键内容一致，深度学习框架对算法训练提供的接口趋于稳定。计算机视觉相关接口与NLP等大致逻辑相似，但实际操作层面存在较大差异，框架对算法的适配也
[传感技术]深度学习可识别显微照片中的细菌
美国华盛顿大学研究人员开发出一种深度学习软件Omnipose，其能帮助解决在显微镜图像中识别各种微小细菌的挑战。研究结果发表在17日的《自然·方法学》杂志上。研究人员发现，在大型细菌图像数据库上训练的Omnipose在表征和量化混合微生物培养物中的无数细菌方面表现良好，并消除了其前身可能出现的一些错误。此外，由于不同细菌的光学特性存在差异，Omnipose在克服识别问题方面表现出色。由于抗生素治疗或细菌间侵袭过程中产生的化学物质的拮抗作用，该软件不会轻易被细胞形状的极端变化所欺骗。事实上，该程序表明它甚
[传感技术]美国麻省理工学院开发出光深度学习技术
美国麻省理工学院研究人员开发出光深度学习技术，可降低设备数据传输延迟的影响。这种技术将运行机器学习模型的内存密集型步骤转移到中央服务器。在中央服务器上，模型的组件被编码到光波上，并通过光纤连接到末端设备，这使得大量数据能够通过网络速度发送。然后，接收端使用一个简单的光学设备，能利用这些光波携带的模型部分快速执行计算。与其他方法相比，该技术可将能源效率提高100倍以上，还可以提高安全性，因为用户的数据不需要传输到中心位置进行计算。该技术有望提高网络末端设备的性能，促进人工智能的部署
[传感技术]机器视觉常用的三种目标识别方法解析
随着机器视觉技术的快速发展，传统很多需要人工来手动操作的工作，渐渐地被机器所替代。传统方法做目标识别大多都是靠人工实现，从形状、颜色、长度、宽度、长宽比来确定被识别的目标是否符合标准，最终定义出一系列的规则来进行目标识别。这样的方法当然在一些简单的案例中已经应用的很好，唯一的缺点是随着被识别物体的变动，所有的规则和算法都要重新设计和开发，即使是同样的产品，不同批次的变化都会造成不能重用的现实。本文引用地址：http://www.eepw.com.cn/article/202205/433944.htm 而随着机器学习，
[传感技术]机器视觉和深度学习如何改善物流和仓储运营？
? ? ? ?机器视觉和自动化的进步，正在通过利用自主移动机器人（AMR）、深度学习等方面的发展来改善物流和仓储运营。 根据2021年Pitney Bowes包裹运输指数，全球2020年运送了1310亿个包裹。到2026年，这一数字预计将增加一倍以上，这一数字将因全球疫情和不断增长的电子商务行业而加速。随着在线零售购买量的增加，物流、仓库和运输流程的自动化需求已成为当务之急。 包装测量、质量检测、条形码读取、光学字符识别/光学字符验证 （OCR/OCV）和物料搬运优化（目前许多企业都手动执行）是运输
[传感技术]低成本更高效丨深度学习在电动车电池检测中的指南
伴随着环境保护意识的提高和低碳经济的兴起，加之政府出台的扶持政策，电动汽车(EV)如今已进入了高速普及阶段。据《全球电动汽车展望报告》(Global EV Outlook Report)预测，到2030年，电动汽车数量将从当前约1100万辆增加到多达2.3亿辆。面对如此高幅度的增长率，制造商该如何把握住这次机遇，在保证电动汽车安全的前提下，同时降低电动汽车的生产成本，牢牢抢占住市场呢？一套具有成本效益和流程效率的视觉检测方案，绝对能让你事半功倍。为使电动汽车更具成本竞争力，经济实惠的电池组至关重要
[传感技术]深入分析IBM最新的230亿晶体管AIU芯片
IBM 新发布的人工智能单元 (AIU) 是其首个片上系统设计。AIU 是一种专用集成电路 (ASIC)，旨在训练和运行需要大规模并行计算的深度学习模型。AIU 比深度学习发展前几年为传统软件应用程序设计的现有 CPU 快得多。IBM 未提供 AIU 的发布日期IBM Research AI 硬件中心在五年内开发了新的 AIU 芯片。该中心专注于开发下一代芯片和人工智能系统，以每年将人工智能硬件效率提高 2.5 倍，并能够在 2029 年以比 2019 年快一千倍的速度训练和运行人工智能模型。打开 AIU 的包装根据IBM 博客，“我们完整的片上系统具有
[传感技术]深度学习处理性能强劲 IBM公布全新230亿晶体管AIU
【新科技讯】IBM最新发布的人工智能单元（AIU）是其首个片上系统设计。作为一种专用型集成电路（ASIC），AIU旨在训练和运行需要大规模并行算力的深度学习模型。与此前针对传统软件应用设计的CPU相比，AIU在深度学习处理方面的性能要强得多。IBM目前还未给出AIU的具体发布日期。这款全新AIU芯片是IBM研究院AI硬件中心投入五年开发出的成果。AI硬件中心专注于开发下一代芯片与AI系统，计划每年将AI硬件效率提升2.5倍，并希望在十年间（2019年至2029年）将AI模型的训练和运行速度拉高1000倍。AIU大解密根据
[传感技术]使用迁移学习技术训练定制深度学习模型 译文
?译者 | 朱先忠审校 | 孙淑娟迁移学习是机器学习的一种类型，它是一种应用于已经训练或预训练的神经网络的方法，而且这些预训练的神经元网络是使用数百万个数据点训练出来的。该技术目前最著名的用法是用来训练深度神经网络，因为这种方法在使用较少的数据训练深度神经网络时表现出良好的性能。实际上，这种技术在数据科学领域也是很有用的，因为大多数真实世界的数据通常没有数百万个数据点来训练出稳固的深度学习模型。目前，已经存在许多使用数百万个数据点训练出来的模型，并且这些模型可以用于以最大精度来训练复
