- 从本质上讲，采购离不开关系。无论是管理供应商还是管理利益相关者，任何采购组织的成功都在很大程度上依赖于建立人与人之间的关系。尽管如此，许多采购专业人员没有在与人相关的部分投入足够的时间。许多宝贵时间花费在了例如数据收集，报告，交易活动，紧急情况处理等任务上，阻碍了他们专注于人际关系上，后者本可以产生更多价值和更好结果。这个问题并不是新问题，而采购中的自动化技术，或者更确切的讲是RPA技术，能... 从本质上讲，采购离不开关系。无论是管理供应商还是管理利益相关者，任何采购组织的成功都在很大程度上依赖于建立人与人之间的关系。尽管如此，许多采购专业人员没有在与人相关的部分投入足够的时间。许多宝贵时间花费在了例如数据收集，报告，交易活动，紧急情况处理等任务上，阻碍了他们专注于人际关系上，后者本可以产生更多价值和更好结果。这个问题并不是新问题，而采购中的自动化技术，或者更确切的讲是RPA技术，能...
- 2019年，RPA突然火了。这个不算新概念的技术，在各种时代背景的加持下，迅速燎原，一时间风光无限。那么，如此热闹的市场环境能否容纳如此多的玩家？RPA对企业的价值点在哪里？什么样的创新企业才能最终赢得市场的认可？只有追本溯源，才能看清楚这一场RPA狂欢的未来走向。1000亿美元的大市场当年RPA为何不火？技术不成熟只是一方面，更多还在需求没那么迫切。本世纪初，人口红利远比现在丰富，信息化程... 2019年，RPA突然火了。这个不算新概念的技术，在各种时代背景的加持下，迅速燎原，一时间风光无限。那么，如此热闹的市场环境能否容纳如此多的玩家？RPA对企业的价值点在哪里？什么样的创新企业才能最终赢得市场的认可？只有追本溯源，才能看清楚这一场RPA狂欢的未来走向。1000亿美元的大市场当年RPA为何不火？技术不成熟只是一方面，更多还在需求没那么迫切。本世纪初，人口红利远比现在丰富，信息化程...
- 虽然ICCV2019已经公布了接收ID名单，但是具体的论文都还没放出来，为了让大家更快得看论文，我们汇总了目前已经公布的大部分ICCV2019 论文，并组织了ICCV2019论文汇总开源项目（https://github.com/extreme-assistant/iccv2019），目前已经收集到70篇论文，其中10篇Oral，13篇开源，见下方list。建议Oral的文章一定要去读一读。 虽然ICCV2019已经公布了接收ID名单，但是具体的论文都还没放出来，为了让大家更快得看论文，我们汇总了目前已经公布的大部分ICCV2019 论文，并组织了ICCV2019论文汇总开源项目（https://github.com/extreme-assistant/iccv2019），目前已经收集到70篇论文，其中10篇Oral，13篇开源，见下方list。建议Oral的文章一定要去读一读。
- 目标检测中存在两个非常重要的性能：精度和速度，特指mAP和FPS。本文便对mAP最高的目标检测算法进行了盘点。 目标检测中存在两个非常重要的性能：精度和速度，特指mAP和FPS。本文便对mAP最高的目标检测算法进行了盘点。
- 5 月中，国际顶级学术会议 ACL 2019 放榜，本次大会共收到 2906 份论文投稿，再创自然语言处理顶会新记录，而最终收录论文数为 660 篇，总体接收率为 22.7%。日前，ACL 又在官方博客上发布文章对论文的相关数据进行了分析。 5 月中，国际顶级学术会议 ACL 2019 放榜，本次大会共收到 2906 份论文投稿，再创自然语言处理顶会新记录，而最终收录论文数为 660 篇，总体接收率为 22.7%。日前，ACL 又在官方博客上发布文章对论文的相关数据进行了分析。
- 人工智能(AI)和机器学习的出现——有效地利用技术实现流程自动化，并在经验和数据的基础上做出决策——自互联网出现以来最大的工作变革,是福还是祸？这取决于个人的看法。AI取代人工国家统计局对2000万人的工作进行了分析,约7.4%的职位被认为很可能被自动化所取代,而大多数参与Harvey Nash调查的技术领导人表示，预计公司至少有10%的职位在未来五年内被取代。对于雇主来说，这是一个挑战，尤... 人工智能(AI)和机器学习的出现——有效地利用技术实现流程自动化，并在经验和数据的基础上做出决策——自互联网出现以来最大的工作变革,是福还是祸？这取决于个人的看法。AI取代人工国家统计局对2000万人的工作进行了分析,约7.4%的职位被认为很可能被自动化所取代,而大多数参与Harvey Nash调查的技术领导人表示，预计公司至少有10%的职位在未来五年内被取代。对于雇主来说，这是一个挑战，尤...
- single-stage典型方法有SSD系列、YOLO系列、RetinaNet等，two-stage方法有RCNN系列、Mask-RCNN、R-FCN。其他各种各样的SOAT方法基本是这两类方法的拓展和延伸。这两类方法的共同点就是anchor-based，在检测过程中都需要先生成anchor，基于这些先验区域分别做分类和位置回归 single-stage典型方法有SSD系列、YOLO系列、RetinaNet等，two-stage方法有RCNN系列、Mask-RCNN、R-FCN。其他各种各样的SOAT方法基本是这两类方法的拓展和延伸。这两类方法的共同点就是anchor-based，在检测过程中都需要先生成anchor，基于这些先验区域分别做分类和位置回归
- Papers with Code网站将ArXiv上的最新机器学习论文与GitHub上的代码联系起来。这个项目索引了大约5万篇论文和1万个GitHub库，你可以按标题关键词查询，也可以按流行程度、GitHub星星数排列“热门研究”，跟上ML社区流行的最新动态。 Papers with Code网站将ArXiv上的最新机器学习论文与GitHub上的代码联系起来。这个项目索引了大约5万篇论文和1万个GitHub库，你可以按标题关键词查询，也可以按流行程度、GitHub星星数排列“热门研究”，跟上ML社区流行的最新动态。
- 李宏毅老师通过下面的地球跟机器人比喻RL（Reinforcement Learning）过程是怎么回事。地球是环境(environment)，代理(agent)用感测器去接收外接讯息，就像无人车在路上有六种以上装置感知外接讯息。外边感知到了一杯水，它(agent)感知到讯息接着采取行动，它把水打翻了。因他的改变而外界有所改变，一摊水洒在地上。接着外界（地球）给她了一个回馈：你刚刚的动作是不好... 李宏毅老师通过下面的地球跟机器人比喻RL（Reinforcement Learning）过程是怎么回事。地球是环境(environment)，代理(agent)用感测器去接收外接讯息，就像无人车在路上有六种以上装置感知外接讯息。外边感知到了一杯水，它(agent)感知到讯息接着采取行动，它把水打翻了。因他的改变而外界有所改变，一摊水洒在地上。接着外界（地球）给她了一个回馈：你刚刚的动作是不好...
- GAN网络是近两年深度学习领域的新秀，一时风头无两。从计算机视觉顶会盛会CVPR 2018接受的论文统计就可见一斑：根据Google Research的研究科学家Jordi Pont-Tuset做的一个统计，它通过查看这些论文的类型，看到了未来深度学习的发展趋势。结果，他发现生成对抗网络（GAN）强势出击，大有取代“深度学习”（Deep Learning）之势。 GAN网络是近两年深度学习领域的新秀，一时风头无两。从计算机视觉顶会盛会CVPR 2018接受的论文统计就可见一斑：根据Google Research的研究科学家Jordi Pont-Tuset做的一个统计，它通过查看这些论文的类型，看到了未来深度学习的发展趋势。结果，他发现生成对抗网络（GAN）强势出击，大有取代“深度学习”（Deep Learning）之势。
- 这篇论文是第一个提出Graph Neural Network模型的论文，它将神经网络使用在图结构数据上，并细述了神经网络模型了结构组成、计算方法、优化算法、流程实现等等。论文后面还对模型的复杂度进行了评估，以及在现实任务上进行了实验和比较(比较算法为NL、L、FNN)。 这篇论文是第一个提出Graph Neural Network模型的论文，它将神经网络使用在图结构数据上，并细述了神经网络模型了结构组成、计算方法、优化算法、流程实现等等。论文后面还对模型的复杂度进行了评估，以及在现实任务上进行了实验和比较(比较算法为NL、L、FNN)。
- 第三届世界智能大会期间，华为云城市智能体宣布正式在天津上线。刚好居住在天津的笔者发现，这个项目已在天津中新生态城完成了上线，并部署在生态城核心区域的“彩虹桥”附近主要片区。下文中，跟随笔者一起，进行一场天津“城市智能体”全体验吧。 第三届世界智能大会期间，华为云城市智能体宣布正式在天津上线。刚好居住在天津的笔者发现，这个项目已在天津中新生态城完成了上线，并部署在生态城核心区域的“彩虹桥”附近主要片区。下文中，跟随笔者一起，进行一场天津“城市智能体”全体验吧。
- 作者 | 张拳石来源 | 转载自知乎Qs.Zhang张拳石本来想把题目取为“从炼丹到化学”，但是这样的题目太言过其实，远不是近期可以做到的，学术研究需要严谨。但是，寻找适当的数学工具去建模深度神经网络表达能力和训练能力，将基于经验主义的调参式深度学习，逐渐过渡为基于一些评测指标定量指导的深度学习， 是新一代人工智能需要面对的课题，也是在当前深度学习浑浑噩噩的大背景中的一些新的希望。这篇短文旨... 作者 | 张拳石来源 | 转载自知乎Qs.Zhang张拳石本来想把题目取为“从炼丹到化学”，但是这样的题目太言过其实，远不是近期可以做到的，学术研究需要严谨。但是，寻找适当的数学工具去建模深度神经网络表达能力和训练能力，将基于经验主义的调参式深度学习，逐渐过渡为基于一些评测指标定量指导的深度学习， 是新一代人工智能需要面对的课题，也是在当前深度学习浑浑噩噩的大背景中的一些新的希望。这篇短文旨...
- 计算机视觉领域近年来对群体计数问题展开了广泛的研究。由于尺度变化（scale variation）较大，该项任务仍然具有很大的挑战性。在这篇论文中，中科院计算技术研究所提出了一种简单而有效的群体数量统计网络：DSNet。该网络的核心结构是密集扩张卷积块，其中每个扩张层与其他层紧密相连，防止信息受到尺度变化的影响。 计算机视觉领域近年来对群体计数问题展开了广泛的研究。由于尺度变化（scale variation）较大，该项任务仍然具有很大的挑战性。在这篇论文中，中科院计算技术研究所提出了一种简单而有效的群体数量统计网络：DSNet。该网络的核心结构是密集扩张卷积块，其中每个扩张层与其他层紧密相连，防止信息受到尺度变化的影响。
- 从事AI工作，有两条路可走，一是学术路线，AI理论方法创新，二是工程路线，AI工具系统实现。学术路线有两个目标，一是在顶尖会议期刊上发表论文，二是在顶尖竞赛中拿大奖。工程路线的目标，是实现AI与业务融合，极大地提升业务价值。本文梳理了一些国际顶尖的AI会议期刊，其代表了AI主流，你可以阅读这些会议期刊论文，了解AI演进史，熟悉前沿AI技术，无论是学术路线，还是工程路线，都是很有帮助。 从事AI工作，有两条路可走，一是学术路线，AI理论方法创新，二是工程路线，AI工具系统实现。学术路线有两个目标，一是在顶尖会议期刊上发表论文，二是在顶尖竞赛中拿大奖。工程路线的目标，是实现AI与业务融合，极大地提升业务价值。本文梳理了一些国际顶尖的AI会议期刊，其代表了AI主流，你可以阅读这些会议期刊论文，了解AI演进史，熟悉前沿AI技术，无论是学术路线，还是工程路线，都是很有帮助。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签