计算机视觉

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 在诸多探讨老龄社会的电影中，《机器人与弗兰克》描述了一个近未来场景——一个拥有强大智能，可以用流利的语言和任何人对话，可以做饭、收拾屋子的机器人，与患有阿尔茨海默病的老人弗兰克，是如何消除隔膜、成功生活在一起的。 创作者对人工智能机器人发展前景的乐观态度显而易见，随着人工智能技术的普及，机器人也得以有机会真正走进人类的生活。2020年，我们不仅在抗疫、园区、工业等领域，看到机器人数量显著增加，而且有越来越多的机器人出现在新的应用领域。伴随着劳动力短缺和成本上升，即将结束人口红利时代的中国市场，也会紧跟日本、德国等发达国家，在机器人密度上迎来高速发展。而这，也正是机器人助力各行各业实现增长的社会大背景。 与蓬勃的产业趋势相对应的，是越来越多的人清醒地意识到，受限于技术瓶颈，电影里那种拥有独立思考能力和人类感情的AI机器人，还遥不可及。 拿中国社会来说，2019年65岁以上的人口就达到了7%，标志着我们将在这个世纪正式进入老龄化社会。由此带来的社会问题，如新增老人的照护难题怎么解决？产业人工短缺局面如何疏解？自然也在酝酿新的商业机遇点。各种养老、服务型机器人应运而生，共同奏响了老龄化地球的人机共生序曲。 产业界力量的参与，在此时就变得意义非凡。之所以有此感慨

孤身一人，又不想出门找理发店怎么办，YouTube 视频博主 Shane Wighton 又整出了新活。 机器之心报道，机器之心编辑部。 疫情期间，不敢出门找 Tony 老师理发？ 有人会选择在家理发，但是需要一套理发工具和一位心灵手巧的家人。 那独居青年怎么办呢？ 有人似乎看到了这个需求。YouTube 博主、在家手工爱好者 Shane Wighton 表示，他已经开发出了一款理发机器人，虽然没有「洗吹」服务，但至少能够解燃眉之急。 自动理发机器人_腾讯视频 ​ v.qq.com 对于机器人来说，可能很难和人类理发师一般，将理发技巧了然于胸。在最初的版本中，机器人时常翻车： 这样脑袋怕是保不住了。 Wighton 花了很多时间去解决了这些程序错误，然而最担心的事情还是发生了，机器人无法像 Tony 老师那么灵活，它会扯到头发： 经过一番努力，Wighton 终于解决了大部分问题，帮自己剪了一个还算看得过去的发型。 和 Tony 老师比较像的是，这位机器人理发师还会附赠聊天服务，跟你聊聊天气什么的。 在视频中，Shane Wighton 详细介绍了自己开发这个剪发机器人的经历，我们一起来看一下。 机器人理发，技术含量很高 在视频中，Shane Wighton 详细介绍了自己开发这个剪发机器人的经历。 回想一下我们在理发店剪头发的过程。首先，理发师会将你的头发分成几个象限

公众号 : 计算机视觉战队 扫码回复： xyolo ，获取下载链接 随着物联网(IoT)、边缘计算和自主机器人等领域的车载视觉处理技术的出现，人们对复合高效卷积神经网络模型在资源受限的硬件设备上进行实时目标检测的需求越来越大。Tiny-YOLO通常被认为是低端设备中速度更快的对象探测器之一，这个也是今天作者工作的基础。 今天要分享的这篇目标检测，在Raspberry PI 3B上实验，Tiny-YOLO可以达到每秒0.14帧的速度，对于足球机器人检测球门和球来说太慢了。今天要说的这个技术，一种改进的YOLO CNN模型xYOLO，它可以在Raspberry PI 3 B上以9.66 FPS的速度实现目标检测，这是通过交换一个可接受的精度来实现的，使网络比Tiny-YOLO快约70倍。在CPU和GPU上也实现了更大的推理速度。此外，还提供了一个带注释的Darknet数据集，用于球门和球的检测。 相关工作 传统上，在机器人杯类人机器人比赛中，基于颜色分割的技术被用来检测足球场的特征，如球门和球。这些技术是快速和可以实现良好的精度在简单的环境，例如使用橙色的球，控制室内照明和黄色的目标。然而，根据RoboCup 2050年的球门，球队已经看到了自然光照条件(暴露在阳光下)、白色背景的球门和各种颜色的国际足联球。基于颜色分割的技术在这些具有挑战性的场景中无法发挥作用

▼ 更多精彩推荐，请关注我们 ▼ 有浪潮就有泡沫，有泡沫就有死亡。 被称为继移动互联网之后又一次个重要技术爆炸的人工智能，从者如云。从2017年以来，又有多少人工智能公司在浪潮中诞生，又有多少公司在浪潮中死亡？ 中国软件网将从有融资记录和无融资记录，为你展开这份涉及数十亿资金、数十家投资机构，上百个老赖，平均存活892天，135家死亡公司的 人工智能创业启示录。 从这份名单中，可以清晰地的看到，2016、2017年开始， 大量的人工智能创业公司开始集中注册，又于2019年开始集中注销。 （数据来源：企查查） （数据来源：企查查） 从赛道上看，企业服务占比虽较低低，但总量也低，；智能机器人占比最高，尸横遍野。 （数据来源：企查查） 虽然是死亡名单，但我们也很惊喜地的看到，有很多诸如心理咨询、会议速记等成熟行业的公司跨界而来，尝试用新技术革新老行业，相对于早期人工智能热潮所推崇“概念+PPT”实在是让人欣慰太多了。 声明：这里统计的是公司注销记录，其中部分企业虽然注销，但其法人代表、主要股东的关联企业仍然显示存续、在业，由于注销与存续企业在主营业务经营范围重合度不一，在此不做一一详细介绍。 接下来，我们从有融资记录和无融资记录两部分入手，展开这份人工智能创业启示录。 光环之下，尸骨累累。 有融资记录部分 注销公司24家，吊销2家，并购2家。 ▶ 2.1 智能机器人 数据来源：企查查

转自： https://blog.csdn.net/study_all/article/details/102543500 一、简介 二、目标跟踪基本流程与框架 三、快速目标跟踪方法 模板匹配 TLD 光流法(Lucas-Kannade) 四、快速目标跟踪方式的应用效果 一、简介 目标跟踪是计算机视觉研究领域的热点之一，有着非常广泛的应用，如：相机的跟踪对焦、无人机的自动目标跟踪等都需要用到目标跟踪技术。此外，还有特定物体的跟踪，比如人体跟踪，交通监控系统中的车辆跟踪，人脸跟踪和智能交互系统中的手势跟踪等。 过去的几十年来，目标跟踪技术取得了长足的进步。特别是近几年，随着深度学习的目标跟踪方法的出现，获得了令人满意的效果，也涌现了越来越多的方法，这都使得目标跟踪技术取得了突破性的进展。 本文 主要内容 包括：目标跟踪的基本流程与框架，快速目标跟踪相关方法及其应用效果。 希望通过本文能帮助读者对目标跟踪领域有一个较为全面的认识，对其中涉及到的方法及原理有进一步的了解。 二、目标跟踪基本流程与框架 目标（单目标）跟踪任务就是在给定某视频序列初始帧的目标大小与位置的情况下，预测后续帧中该目标的大小与位置。 此基本任务 大致流程 可以根据框架进行如下划分： 输入初始化目标框（初始帧），在下一帧中产生众多候选框（Motion Model），提取这些候选框的特征（Feature

作者|PRATEEK JOSHI 编译|VK 来源|Analytics Vidhya 介绍 机器学习框架或库有时会更改该领域的格局。今天，Facebook开源了一个这样的框架，DETR(DEtection TRansformer) 在本文中，我们将快速了解目标检测的概念，然后直接研究DETR及其带来的好处。 目标检测 在计算机视觉中，目标检测是一项任务，我们希望我们的模型将对象与背景区分开，并预测图像中存在的对象的位置和类别。当前的深度学习方法试图解决作为分类问题或回归问题或综合两者的目标检测任务。 例如，在RCNN算法中，从输入图像中识别出几个感兴趣的区域。然后将这些区域分类为对象或背景，最后，使用回归模型为所标识的对象生成边界框。 另一方面，YOLO框架（只看一次）以不同的方式处理目标检测。它在单个实例中获取整个图像，并预测这些框的边界框坐标和类概率。 要了解有关目标检测的更多信息，请参阅以下文章： 基本目标检测算法的分步介绍 https://www.analyticsvidhya.com/blog/2018/10/a-step-by-step-introduction-to-the-basic-object-detection-algorithms-part-1/?utm_source=blog&utm_medium=facebook-detection

　　近年来，随着诸多企业完成数字化转型升级，RPA 应用越来越受关注，RPA 是机器人流程自动化的简称，即以软件机器人及人工智能为基础的一种业务过程自动化技术。 　　以一个中大型企业最日常的财务报销审核工作为例，如果财务人员人工操作，可能每天都要面对成百上千张的报销凭证和报销单进行处理，不仅工作量大、重复性高，而且还经常被其他部门抱怨效率慢，但如果有了 RPA 工具，我们就可以把繁琐枯燥的工作交给这个虚拟机器人完成，自动进行信息的提取、核对等操作，而且可以 7X24 小时不间断工作，财务人员只需进行关键结果的确认即可，各个部门之间的协作效率得以大幅提升。 　　 　　图｜政企审批服务系统 RPA 流程 　　而我们企业日常工作流程中可能不只是财务部门，很多部门都涉及到各种文档资料、图表、总结报告、申报表单等流程，对 RPA 的灵活运用足以产生更大的降本增效的价值。 　　作为中国本土的 AI+RPA 企业，达观数据目前专注在自然语言处理技术和 RPA 相结合的自动化软件研发方向，在最新的技术方向上还融合了 OCR 等计算机视觉技术，其文本智能处理技术和商业应用逐渐得到了资本和市场的青睐。 　　2020 年 5 月份，达观数据宣布新完成 2.7 亿元 B+ 轮融，DeepTech 采访到达观数据董事长兼 CEO 陈运文，进行了一些行业交流。 　　 本土 RPA 赛道投融资升温 　

　　 　　 大数据文摘出品 　　 来源：Techxplore 　　 编译：张睿毅、Andy 　　前段时间，文摘菌曾提过价值53万一只的波士顿动力机器狗，也有进行太空探索的昆虫机器人，万万没想到的是，这次来了一个和大家一样上网课的机器人。 　　不知道你有没有想过这种场景，去医院做手术时，医生助手已经不是可爱的护士小姐姐，而是 两只冷冰冰的机械臂，以快准狠的手法帮你缝合伤口 。 　　最近在Google Brain，英特尔还有UC伯克利的合作研究中，研究人员通过用手术教学视频来对机器人进行“训练”，让其能模仿手术过程。 　　 　　之前，UC伯克利的教授有用过YouTube视频指导机器人学习各种动作（比如跳跃和跳舞）， 而Google则是有训练机器人理解场景中的深度还有动作。 　　于是这次的团队，决定 将之前的研究成果结合起来，应用于最新项目Motion2Vec。 　　Motion2Vec：机器人也要上网课 　　Motion2Vec算法，能用真实手术视频来指导机器人学习相关手术动作。 　　在最近发布的论文里，研究人员简单介绍了他们如何用YouTube视频来训练 两臂达芬奇（da Vinci）机器人在针刺机上进行缝合操作。 　　它从模仿学习的视频演示中，获得以运动为中心的操作技能。其中表示的算法一致性、可解释性和监督学习的负担是该项目模仿学习中的关键问题

　　AI时代的到来，使得手机的未来充满了更多的可能性，AI技术在各行业都非常火爆，相信AI技术还将掀起一片浪潮。人工智能的起源AI大家都熟知了就是人工智能，人工智能一词最早是在1956年Dartmouth学会上提出的，从那以后，研究者们扩展了众多理论和原理，人工智能的观念也随之扩大。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面，在2017年的时候，人工智能在中国也成为了国家战略目标。 　　人工智能是科学人工智能是一门极富挑战性的科学，从事这项工作的人一定要懂得计算机知识，心理学和哲学，人工智能是包括非常广泛的科学，它是由不同的范畴组成，比如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器就能胜任一些一般需要人类智能化才能完成的繁琐工作，人工智能的扩展呈现出全球化动向。 　　AI智能芯片的作用AI智能芯片可以增强软件的功能，它的本质就是模拟人类神经网络的人造神经网络，通过大量的人工神经元联结进行计算，在基于大量数据统计的人工神经网络具有一定的判断力，特别是在语音识别和人脸识别方面比较有优势。科技巨头们发现两点明显的难题，是因为AI算法在图像识别、语音识别、自然语言处理等等领域有着非常重要的影响，它的功能是为了在实行AI算法。 　

　　AI 浪潮下，最明星的莫过于 AI 的四大独角兽——商汤科技、旷视科技、依图科技、云从科技了。 　　从高估值到猛烧钱，AI 故事的铺天盖地，给了投资人和大众一个 “造梦” 的好场景。 　　商汤科技累计融资额已超 30 亿美元 ，估值超 70 亿美元，是全球估值最高的 AI 独角兽。旷视科技总融资额也达 12.3 亿美元。不仅在中国，在世界范围内，这样的资本造星实力都令人咂舌。 　　 　　图 | 2009 年以来，全球 AI 领域的交易金额及数量（来源：CB Insights） 　　 AI 的触角伸向了各个场景 　　但对于 AI 独角兽，到 2020 年，高估值已不能满足市场的想象力，投资者和市场迫切想看到这些 AI 公司具体有哪些落地可能。 　　从 AI 落地的几大主要场景中，可以看到，AI 四小龙的触角已伸向各个方面。 　　 消费电子，如手机，就是 AI 试水的第一站 。商汤、旷视都曾因在手机上实现高精度的人脸识别而名声大噪。手机厂商也是目前商汤、旷视的主要客户之一。旷视的手机客户包括 OPPO、vivo、小米、诺基亚、荣耀、锤子等，但 OPPO、vivo、小米等同时也是商汤的客户。 同时，这一市场还有虹软科技等深耕更久的计算机视觉厂商，AI 企业难以形成稳固的护城河。 　　另外， 安防是 AI 落地的最主要、也是最有钱的场景 。从前端的人脸、车脸识别到后端的视频智能分析