AI技术的创新应用:AI眼镜问世 类脑计算研究从探索转向突破

分分钟监控你的学习，高效时间管理，一副AI眼镜就够了

克服拖延症有救了？提高效率光靠自制力是不行的，你还需要一个监工。

最近Indiegogo众筹平台出现一款AI黑科技产品，声称可以帮助用户提高注意力，改善学习效率。而这款黑科技产品，就是图中这副看起来“平平无奇”的眼镜。

从官网来看，这幅眼镜主要通过监控“眼睛”正在查看的内容，来帮助使用者提高注意力。而这一功能主要是通过Specs眼镜内置的智能摄像头和计算机视觉技术来完成。

英伟达推出RTX 30系列显卡，性能翻倍，价格亮了

Geforce RTX 30 系列显卡，采用三星8nm制程工艺，集成280亿个晶体管。

经历了漫长的等待，终于在今天，英伟达CEO黄仁勋在自己厨房发布了英伟达最新一代GeForce RTX 30系列显卡，包括GeForce RTX 3070、RTX 3080和RTX 3090。

黄仁勋称，无论性能还是能效，安培架构GPU都是图灵架构的两倍，而英伟达基于安培架构的全新GPU在性能、能效和功耗上，均达到世界一流水平。

Facebook开源差分隐私库Opacus，可保护数据隐私且高效训练Prytorch模型

如何保护数据集隐私，是深度学习训练必须要解决的问题之一。

近日，Facebooke开源了一个名为Opacus的高速库，该库可用于训练具有差分隐私的PyTorch模型。

Opacus的目标是保护每个训练样本的私密性，同时限制对最终模型准确性的影响。

一份来自贾扬清的AI青年修炼指南：不存在算法工程师、调参侠没有市场

算法工程师不仅需要具备牛逼的算法能力，还要精通业务、善于沟通？（小本子赶紧记下来！）

8月23日晚，知乎直播“AI时代听大咖聊”邀请到AI领域的两个大神，分别是阿里云智能高级研究员贾扬清，以及知乎CTO李大海。

在直播中，贾扬清与李大海就国内外AI研究区别、在校生/职场新人如何培养自己的AI才能、AI应用落地，以及AI在未来的发展趋势展开讨论。

在讨论中，贾扬清认为：没有算法工程师这个角色，只有两个角色，一个是算法的研究人员，一个是应用的工程师，而“调参侠”没有市场。

浙大重磅发布亿级神经元类脑计算机：基于 792 颗自研「达尔文 2 代」芯片，可“意念”打字

当前，类脑计算研究开始从探索转向突破。

类脑计算机将成为未来计算的主要形态和重要平台。

2020 年 9 月 1 日，我国首台基于自主知识产权类脑芯片的类脑计算机重磅发布。

据悉，作为当前全球范围内神经元规模最大的类脑计算机，这台由浙江大学、之江实验室共同研制的类脑计算机含 792 颗「达尔文 2 代」类脑芯片、1.2 亿脉冲神经元和近千亿的神经突触，堪比小鼠大脑神经元的规模，典型运行功耗仅 350-500 瓦。

逼学生作弊的AI阅卷老师

上学的时候，老师一定教导过你：遇到不会的问答题，就算是瞎写，也要随便写两句。也许阅卷老师心情好，可能会酌情给分呢。

老师会不会给分，不知道。但是，AI真的会给分，只要填对关键词，AI教师甚至可能给满分，即使关键词之间并无其他前后逻辑连接。

最近，一个号称服务于美国2万所学校的AI教学平台翻车了，利用它的漏洞去“裸考”就能轻松及格，简直就是“学渣福音”。

物体检测和分割轻松上手：从detectron2开始（合篇）

物体检测和分割应该算是计算机视觉中常用的而且也比较酷的任务。但相比图像分类，物体检测和分割任务难度更大，另外一点是就是代码实现也更复杂。对于物体检测和分割，目前有以下几个通用的开源项目：

Detectron：FAIR出品，基于caffe2；

maskrcnn-benchmark：FAIR出品，基于PyTorch，可以看成Detectron的PyTorch升级版；

MMDetection：商汤MMLab出品，基于PyTorch，Model zoo相当完备；

SimpleDet：图森出品，基于MxNet；

Tensorflow Object Detection：Google出品，基于TensorFlow 1.x；

一文读懂EfficientDet

今年年初Google Brain团队在 CVPR 2020 上发布了 EfficientDet目标检测模型, EfficientDet是一系列可扩展的高效的目标检测器的统称, 其精度与速度全面领先于YOLO V3, MaskRCNN, RentinaNet, NAS-FPN这些常见目标检测模型. EfficientDet-D7 的性能更是非常的惊人, 在 326B FLOPS, 参数量 52 M的情况下, COCO 2017 validation 数据集上取得了 51.0的 mAP, 当下最强. EfficientDet更重要的贡献是将EfficientNet复合缩放的思路进行延伸, 把架构决策明确化为可扩展的框架, 并且为不同的应用场景提供了 D0 到 D7 七种 “丹方”,实现了速度和精度之间的均衡, 使用者无需复杂调参, 便能轻松应用于对象检测中的其他用例.

AI Paper

AI把视频里的你抹掉了！效果丝滑，毫无痕迹，还能完美去水印 | ECCV

男大学生热爱徒步运动，进入深山戈壁后失踪：

诡异的现象，让人怀疑视频中使用了和九又四分之三站台同样的魔法。

这就是今年ECCV上最神奇的AI隐身衣技术。

让网友们惊叹，此情此景堪称灭霸。

一张图实现3D人脸建模！这是中科院博士生入选ECCV的新研究 | 开源

通过一段视频，来重建人脸3D模型，没什么稀奇的。但是，如果只有测试者的一张静态图片呢？

来自中科院模式识别实验室的博士生郭建珠和他的团队，提出了一种新的密集人脸对齐（3D Dense Face Alignment）方法。

新的3DDFA方法，最关键的核心，是3D辅助短视频合成方法，它能模拟平面内和平面外的人脸移动，将一幅静止图像转换为短视频。

由此来完成模型的识别和训练。

华为提出结合NAS的弯道车道线检测算法：CurveLane-NAS

这篇文章是华为诺亚方舟实验室和中山大学开源的弯道车道线检测的工作，主要利用了NAS技术实现，使得车道敏感架构搜索和自适应点混合统一的用于曲线车道检测，解决了曲线车道检测问题。与现有方法相比，搜索网络实现了速度/FLOPS权衡的SOTA。

ECCV 2020 | 一种用于超分辨率的蒸馏架构（已开源）

本文亮点：

（1）提出了一个新的适用于SR的蒸馏结构，首次使用蒸馏方法来改进超分模型的效果而且work。

（2）作者拿FSRCNN来蒸馏展示效果，蒸馏后的模型效果虽不如近几年的模型（FSRCNN有点老），但内存使用和推理速度要比近几年的模型好1-2个数量级。

ECCV 2020 | 业界首个！大规模多相机通用物品场景数据集MessyTable

MessyTable是商汤与新加坡南洋理工大学联合制作的大规模多相机通用物品场景数据集。针对现实生活中多相机系统应用的难点，如相似相同的物品、密集遮挡、大角度差等问题，我们设计了大量真实、有趣又极富挑战的场景：围绕着混乱的餐桌（Messy Table）部署了多个视角的相机，其任务是关联不同相机视角中的实例。看似简单任务却要求算法能够分辨细微的外观差别、从邻近的区域获取线索以及巧妙地使用几何约束等。我们同时提出了利用多相机场景下周围信息的新算法。我们希望MessyTable不仅可以作为极富挑战的基线为后续研究指明方向，也可以作为高度真实的预训练源为算法落地开辟道路。

原文标题：【AI 简报20200907期】AI眼镜问世、英伟达推出RTX30系列显卡，更多精彩点我！

文章出处：【微信公众号：RTThread物联网操作系统】欢迎添加关注！文章转载请注明出处。