计算机视觉

癌症被称为「众病之王」，若能尽早检测诊断，病人则更可能得到有效救治。一般来说，癌症的检查和诊断依赖于病理学检查；而在病理学检查过程中，显微镜观察是必不可少的步骤。钟南山院士曾表示：「临床病理水平是衡量国家医疗质量的重要标志」。今日，腾讯 AI Lab 宣布，联合舜宇光学科技、第三方医学检验机构金域医学宣布三方研发的智能显微镜已获得 NMPA 注册证，成为国内首个获准进入临床应用的智能显微镜产品。 据介绍，该智能显微镜产品研发始于 2018 年，集成了目前病理分析与诊断方面的最新技术，并针对病理医生工作流程和习惯进行多次产品迭代，现已支持乳腺癌免疫组化（IHC）Ki67（肿瘤细胞增殖指数）、ER（雌激素受体）、PR（孕激素受体）和 Her2（细胞表面生长因子 2）等常用核染色和膜染色量化分析场景的判读。 该产品在测试被证明能有效提升病理医生的工作效率、病理分析的精确度和一致性，有望缓解医院（尤其是基层医院）病理医生数量短缺且经验不足的问题，也是精准医疗从前沿研究走向落地探索的一个良好例证。 以前，病理医生要花大量的时间和脑力劳动、依靠经验在显微镜下识别和判断病变组织，并粗略估算其细胞数量，分析结果可能因医生经验不同而有所差别。现在，有了智能显微镜，如金域病理专家丁向东主任评价的那样：「医生只要用脚轻轻一踏，智能显微镜就会将分析结果和判断实时、精确地呈现在显微镜视野内

　　 　　CVPR 2020 系列论文解读公开课第三期，就在本周五 20:00 整（北京时间）。 　　AI科技评论出品 　　针对目前国际疫情形势越发严峻，现场参会机会渺茫的的情况，AI研习社联合AI科技评论组织策划了顶会系列专题活动，这其中就包括 【CVPR 2020 系列专题】 活动。而 【CVPR 2020系列论文解读公开课】 更是其中重要的组成部分，除此之外，专题还包括 系列论文文字解读，会议数据分析，会议资源 下载 等。 　　本次直播为【CVPR 2020 系列论文解读公开课】第三期，此论文录用为CVPR 2020 Oral论文《 PolarMask: Single Shot Instance Segmentation with Polar Representation 》，我们有幸邀请到了香港大学计算机系 谢恩泽 博士带来“ PolarMask: 一阶段实例分割新思路 ”的分享。 　　 　　论文地址：https://arxiv.org/abs/1909.13226 　　代码地址：https://github.com/xieenze/PolarMask 　　 讲师介绍 　　 谢恩泽 　　香港大学计算机系博士生，指导老师为罗平教授。 　　研究方向为计算机视觉，包括通用物体检测，分割，OCR等。 　　 分享主题 　　CVPR Oral丨PolarMask: 一阶段实例分割新思路

本文作者：馬立 分享嘉宾：白浩杰 文章整理：马立辉 内容来源：百度云智学院 导读： 计算机视觉领域涉及许多不同任务，对于图像分类任务，人类一直在追求更高的分类精度，期间衍生了许多有代表性的经典网络结构，今天就来做个探讨。 本篇文章主要包含以下内容： 1.计算机视觉任务 2 图像分类应用案例 3.经典网络结构 1. 计算机视觉任务 计算机视觉通常涉及以下几个任务：图像分类、目标检测、语义分割/实例分割、场景文字识别、图像生成、人体关键点检测、视频分类、度量学习。相对而言，前四个任务已经有比较成熟的技术，工业应用比较广泛。 ① 图像分类 图像分类任务，需要根据在图像信息中所反映的不同特征，把不同类别的目标区分开来。例如，在给定的不同图片中，分类任务需要能够把图片主体识别出来，如给定下面两张图，经过图像分类程序的识别，能够识别出图1是猫，图2是狗。 图1 图2 ② 目标检测 目标检测任务不仅仅要识别图片主体，还要把主体所在的位置用最小包围矩形进行标记。如图3，图中的主体是一位小朋友和他手中拿的小锤子，通过目标检测，把主体所在的位置用最小包围矩形标记了出来。 图3 ③ 语义分割/实例分割 语义分割是指我们按照像素级别的精度，把图片的每一个像素属于哪一个类别标注出来。比如图4（c），黄色区域归于背景，蓝色归于瓶子。 实例分割相比语义分割更加复杂，不仅要求把哪一个像素属于哪一个类别标注出来

　　机器之心报道 　　 参与：蛋酱、张倩 　　 　　程序主席都病了，今年的 ECCV 要怎么办？ 　　据外媒报道，英国首相鲍里斯·约翰逊因新冠病情恶化转入 ICU，成为受新冠严重影响的另一位政要，也再次揭示了欧洲疫情的严峻程度。 　　政界如此，学界似乎也不例外。 　　4 月 5 日，欧洲计算机视觉国际会议 ECCV 的审稿人收到了大会官方的一封邮件，被告知大会程序主席要么生病，要么联系不上，因此暂时无法处理大会事宜。 　　 　　程序主席主要负责大会的组织事宜，包括组建程序委员会；起草、公布征稿通知；监督审稿流程；组织程序委员会会议；监督被接收论文的取舍；监督最佳论文奖的评选；与大会主席及执行主席联络……其工作贯穿大会始终，与作者、大会其他工作人员、审稿人等都有关联，是一个非常重要的角色。 　　此邮件引发了人们对于 ECCV 还能否顺利举办的担忧，毕竟在这个特殊时期，ICLR、ACL 等顶会已正式宣布改为线上举行。 　　3 月 5 日是 ECCV 2020 的投稿截止日期，目前本该是审稿的关键时期，程序主席却失联了。 　　 　　ECCV（European Conference on Computer Vision）全名为欧洲计算机视觉国际会议，是计算机视觉领域三大会议之一，其余两者为 ICCV 和 CVPR。 　　该会议每两年举办一次，今年的 ECCV 2020 计划将于 8

开课信息 时间：2020年4月8日（下周三） 20:00-21:00 主题：百度智慧医疗AI抗疫实录 主讲者：百度智慧医疗主任研发架构师 许言午 今年，李彦宏公开信中有一句话让人印象深刻，这句话是说给所有百度的员工：“很多用户为百度在抗击疫情中的努力点赞， ‘做有温度的公司，做敢担当的百度’———这样的话，在我心中，比PV，比DAU更重千钧。” 从成立3亿元疫情及公共卫生安全攻坚专项基金、提供人工智能技术支持和亿级计算资源配套，到百度地图等人工智能、大数据产品为疫情科学管理提供参考；从免费开放线性时间算法LinearFold、免费智能外呼平台、AI 测温系统陆续落地使用，到“AI 开发者战疫守护计划”，再到推出多举措多产品支持企业复工生产…… 百度抗疫的整体逻辑是什么？如何在短时间内上线众多的产品和解决方案？如何将AI能力与疫情防控的全流程进行有机结合？ 4月8日，雷锋网 (公众号：雷锋网) 邀请到百度智慧医疗主任研发架构师许言午，详谈百度医疗的战疫成果和经验复盘。 后续雷锋网公开课将继续带来一系列AI医疗课程分享，邀请一线医疗科技企业的资深高管做客，进行更深入的案例详解和技术干货。 如何听课 关注微信公众号 医健AI掘金志 ，在公众号对话框回复关键词“听课”，即可进群观看直播。 嘉宾介绍 许言午，百度智慧医疗主任研发架构师 百度智慧医疗主任研发架构师，WHO数字健康专委会委员

本文作者：HelloDeveloper 嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现场视频——足够干货，足够新鲜！话不多说，快快看过来，希望这些优秀的青年学者、专家杰青的学术报告 ，能让您在业余时间的知识阅读更有价值。 人工智能论坛如今浩如烟海，有硬货、有干货的讲座却百里挑一。由中国科学院大学主办，中国科学院大学学生会承办，读芯术作为指定合作自媒体的“AI未来说·青年学术论坛”第三期“计算机视觉”专场已于2019年3月24日下午在中科院举行。港中文李弘扬博士为大家带来报告《物体检测最新进展》。 李弘扬，香港中文大学多媒体实验室(MMLab)博士生，微软亚洲研究院实习生。博士期间导师为王晓刚教授。主攻计算机视觉和深度学习方向，尤其对物体检测、人体姿态估计、CNN网络结构设计、少样本学习(few-shot learning)、胶囊网络(capsule networks)等热点问题做了一些初步探索。在机器学习和计算机视觉六大顶级会议和两大顶级期刊中，共发表文章9篇，其中一作6篇(包含1篇口头报告)。多次担任顶级会议审稿人、AI教育公司兼职顾问。 报告内容：物体检测(object detection)作为计算机视觉中最基础、最核心的任务，多年来备受学术界、工业界关注

本文作者：HelloDeveloper 嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现场视频——足够干货，足够新鲜！话不多说，快快看过来，希望这些优秀的青年学者、专家杰青的学术报告 ，能让您在业余时间的知识阅读更有价值。 人工智能论坛如今浩如烟海，有硬货、有干货的讲座却百里挑一。由中国科学院大学主办，中国科学院大学学生会承办，读芯术作为指定合作自媒体的“AI未来说·青年学术论坛”第三期“计算机视觉”专场已于2019年3月24日下午在中科院举行。港中文李弘扬博士为大家带来报告《物体检测最新进展》。 李弘扬，香港中文大学多媒体实验室(MMLab)博士生，微软亚洲研究院实习生。博士期间导师为王晓刚教授。主攻计算机视觉和深度学习方向，尤其对物体检测、人体姿态估计、CNN网络结构设计、少样本学习(few-shot learning)、胶囊网络(capsule networks)等热点问题做了一些初步探索。在机器学习和计算机视觉六大顶级会议和两大顶级期刊中，共发表文章9篇，其中一作6篇(包含1篇口头报告)。多次担任顶级会议审稿人、AI教育公司兼职顾问。 报告内容：物体检测(object detection)作为计算机视觉中最基础、最核心的任务，多年来备受学术界、工业界关注

简介： 不久前，人力资源社会保障部发布了一种炙手可热的新职业：AI 训练师。没想到，浙江大学与阿里安全的人工智能训练师马上创造出一个 “AI 训练师助手”，高效打造 AI 深度模型，应对海量应用场景的增加，让 AI 训练模型面对新场景时不用从头学习，直接从已经存在的模型上迁移，迅速获得别人的知识、能力，成为全新的AI模型，而且能将模型周期从一个月缩短为一天。 原文链接： 点击这里 ​ 不久前，人力资源社会保障部发布了一种炙手可热的新职业：AI 训练师。没想到，浙江大学与阿里安全的人工智能训练师马上创造出一个 “AI 训练师助手”，高效打造 AI 深度模型，应对海量应用场景的增加，让 AI 训练模型面对新场景时不用从头学习，直接从已经存在的模型上迁移，迅速获得别人的知识、能力，成为全新的AI模型，而且能将模型周期从一个月缩短为一天。随后，阐述这种让 AI 训练 AI，提升模型生产效率的论文被计算机视觉顶会 CVPR 2020 接收 (Oral)。 现在，视频、直播成为互联网内容消费的重要载体，内容创作爆发，创作形式自由度高带来了许多潜在安全威胁。好消息是，AI 深度模型被大规模用于多媒体内容的识别、检测、理解上，用以狙击含有不良内容的传播。为了提升检测的准确性，面向不同场景必须使用不同的 AI 模型。但是，由于媒体场景、细分领域多，如何才能高效生产不同 AI 深度模型?

计算机视觉系列最新论文（附简介） 目标检测 1. 综述：深度域适应目标检测标题：Deep Domain Adaptive Object Detection: a Survey 作者：Wanyi Li, Peng Wang链接：https://arxiv.org/abs/2002.06797 本文共梳理了 40 篇 相关文献，由 中科院自动化所 学者发布。基于深度学习(DL)的目标检测已经取得了很大的进展，这些方法通常假设有大量的带标签的训练数据可用，并且训练和测试数据从相同的分布中提取。然而，这两个假设在实践中并不总是成立的。深域自适应目标检测(DDAOD)作为一种新的学习范式应运而生。本文综述了深域自适应目标检测方法的研究进展。 2. 深度学习中的异常实例检测：综述 标题：Anomalous Instance Detection in Deep Learning: A Survey 作者：Saikiran Bulusu, Dawn Song链接：https://arxiv.org/abs/2003.06979 本文共梳理了 119 篇 相关文献，由 雪城大学 学者发布。讨论多种异常实例检测方法，并分析了各种方法的相对优势和劣势。 3. 使用移动摄像机检测移动物体：全面综述标题：Moving Objects Detection with a Moving Camera: A

本文作者：馬立 分享嘉宾：白浩杰 文章整理：马立辉 内容来源：百度云智学院 导读： 计算机视觉领域涉及许多不同任务，对于图像分类任务，人类一直在追求更高的分类精度，期间衍生了许多有代表性的经典网络结构，今天就来做个探讨。 本篇文章主要包含以下内容： 1.计算机视觉任务 2 图像分类应用案例 3.经典网络结构 1. 计算机视觉任务 计算机视觉通常涉及以下几个任务：图像分类、目标检测、语义分割/实例分割、场景文字识别、图像生成、人体关键点检测、视频分类、度量学习。相对而言，前四个任务已经有比较成熟的技术，工业应用比较广泛。 ① 图像分类 图像分类任务，需要根据在图像信息中所反映的不同特征，把不同类别的目标区分开来。例如，在给定的不同图片中，分类任务需要能够把图片主体识别出来，如给定下面两张图，经过图像分类程序的识别，能够识别出图1是猫，图2是狗。 图1 图2 ② 目标检测 目标检测任务不仅仅要识别图片主体，还要把主体所在的位置用最小包围矩形进行标记。如图3，图中的主体是一位小朋友和他手中拿的小锤子，通过目标检测，把主体所在的位置用最小包围矩形标记了出来。 图3 ③ 语义分割/实例分割 语义分割是指我们按照像素级别的精度，把图片的每一个像素属于哪一个类别标注出来。比如图4（c），黄色区域归于背景，蓝色归于瓶子。 实例分割相比语义分割更加复杂，不仅要求把哪一个像素属于哪一个类别标注出来