近年来，Vision Transformer (ViT) 势头强劲。本文将解释论文《Do Vision Transformers See Like Convolutional Neural Networks?》 (Raghu et al., 2021) 由 Google Research 和 Google Brain 发表，并探讨传统CNN 和 Vision Transformer 之间的区别。

导语：Mask R-CNN是Faster R-CNN的扩展形式，能够有效地检测图像中的目标，同时还能为每个实例生成一个高质量的分割掩码。 对Facebook而言，想要提高用户体验，就得在图像识别上做足功夫。 雷锋网此前报道《Facebook AML实验室负责人：将AI技术落地的N种方法》（上 ...

针对甲状腺超声诊断存在的主观差异与效率瓶颈，研究者开发了基于Faster R-CNN ResNet-101和Xception架构的深度学习系统，实现结节自动检测与ACR-TIRADS多特征分类，准确率达98%，AUC达0.99，显著优于放射科医师（平均kappa值0.85），为临床提供高效可靠的AI辅助工具。

本专栏由机器之心SOTA！模型资源站出品，每周日于机器之心公众号持续更新。 本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务，并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA！模型资源站（sota.jiqizhixin.com）即可获取本文中包含 ...

为解决草莓采摘成本高、时间长的问题，研究人员开展基于 Mask R-CNN 和 TensorRT 的草莓实例分割模型研究。结果显示优化后模型 mAP 达 83.17，FPS 提升至 25.46 ，大小减至 48.2MB ，为草莓自动采摘提供有效方案。 在当今科技飞速发展的时代，农业领域也在不断探索 ...

「TalentAI」将持续带来人工智能相关在招职位信息，欢迎正在找工作与看新机会的朋友关注，也欢迎企业伙伴与我们联系合作。 任少卿，中国科学技术大学讲席教授、博士生导师，通用人工智能研究所（筹）负责人。 2011 年获中国科学技术大学信息安全专业学士 ...

“任何伟大的行动和思想，都有一个微不足道的开始。” 在 BERT 预训练算法的背后，是简洁而深刻的设计。BERT 使用“完形填空”：将一句话中的若干词语进行随机删除，并让模型学会恢复。 BERT 非常依赖于NLP 领域的核心模型 —— Transformer。 Transformer 由于生来 ...

说到“深度学习”，它的最明显的特色就是“深”，并且通过很深层次的网络，来实现准确率非常高的图像识别、语音识别等能力。因此，我们就会觉得深的网络比浅的网络好，从而网络被设计的越来越深。 但是，随着网络的加深，训练集准确率却逐渐下降，这 ...

在本文，我们ResNet进行了回顾。通过学习残差表征函数而不是直接学习目标表征，ResNet可以拥有多达152层的非常深的网络。 ResNet引入了跳过连接（或快捷方式连接）以适应从前一层到下一层的输入，而无需修改输入。跳过连接可以实现更深入的网络，最终ResNet ...