作者：明泽Danny
来源：公众号|计算机视觉工坊（系投稿）
前言
本次给大家更新的是关于实时语义分割的工作。
语义分割论文
语义图像分割是计算机视觉中发展最快的领域之一，有着广泛的应用。在许多领域，如机器人和自动驾驶汽车，语义图像分割是至关重要的，因为它提供了必要的上下文，以采取行动，基于对场景的理解在像素级。
2025年04月10日
作者：明泽Danny
来源：公众号|计算机视觉工坊（系投稿）
前言
本次给大家更新的是关于实时语义分割的工作。
语义分割论文
语义图像分割是计算机视觉中发展最快的领域之一，有着广泛的应用。在许多领域，如机器人和自动驾驶汽车，语义图像分割是至关重要的，因为它提供了必要的上下文，以采取行动，基于对场景的理解在像素级。
2025年04月10日
图：pixabay
原文来源：hackernoon
作者：AndreyNikishaev
「机器人圈」编译：嗯~阿童木呀、多啦A亮
在计算机领域，即使是对业界专家来说，调试神经网络也是一项艰巨的任务。数百万个参数混杂在一起，即使是一个小小的变化却可以将你所有的努力付之一炬。如果没有调试和可视化，你的所有行动都只不过是将一个硬币弹出，却没有入罐，更糟糕的是它会浪费你的时间。在本文中我收集了一些方法，以帮助你能够尽快找到问题所在并将其加以解决。
2025年04月10日
上一篇，我们介绍如何用数学的方式来表示神经元。神经元是我们大脑接收外界信息的基础单位。下图可以更详细的观察神经元的结构。
备注：神经元按照传输方向及功能可分为三种：感觉神经元、运动神经元、联络神经元。不同功能、不同区域的神经元外型有所差异，依照突起的多寡分成多极神经元、单极神经元（伪单极神经元）、双极神经元。如感觉神经元中的伪单极神经元，因为看起来只有一个突触，只有单一条轴突，没有树突而得名。
2025年04月10日
大型语言模型在各个领域都展现出了卓越的性能，但其核心组件之一——softmax注意力机制在计算资源消耗方面存在显著局限性。本文将深入探讨如何通过替代方案实现线性时间复杂度，从而突破这一计算瓶颈。
本文假设读者已经熟悉ChatGPT、Claude等模型及其底层的transformer架构原理。注意力机制是这类模型的核心组件。与传统循环神经网络(RNN)将历史信息压缩存储在固定维度的隐藏状态中不同，注意力机制能够直接访问和选择性利用历史信息。这种机制本质上是在每次预测时，根据当前查询动态检索最相关的历史信息。
2025年04月10日
2015 年 11 月，wikipedia的用户 Laughinthestocks 首次引入了“激活函数表”。从那时开始到现在，维基百科页面已经发生了 391 次更改。在本文中，我通过自己写的一个程序来挖掘截至 2022 年 4 月 22 日时维基百科页面历史中的每个唯一激活函数。本文还提供了针对激活函数的适当研究论文的附加链接，如果没有或者在无法找到特定研究论文的情况下，提供了相关的相关论文。
例如：通常人们会将 tanh 用于 FNN，将 ReLU 用于 CNN。
2025年04月10日
Scalers点评：机器学习小组是成长会的内部小组，这是成长会机器学习小组第19周学习笔记，也是深度学习第8次的复盘笔记
本周学习情况：
本周（20160711—20160717）的学习主要为理论学习。重点介绍了Recurrent Neural Networks在不同情况下的变种、Recursive Neural Networks的基本概念，以及Long Short Term Memory Networks。本周复盘主持是[S290] Ramon。
2025年04月10日
AI要学会国际象棋，是不是一定要下过棋才行？
不一定。
伦敦大学学院的小伙伴们，开发了一只新的国际象棋AI，只看人类对比赛的评论，就能学会下棋。
AI的名字叫SentiMATE，是通过解说员/评论员言语里的情绪，来判断一手棋的好坏。
团队发现，只靠这些情绪，AI就学到了国际象棋的基本规则，以及一些关键策略，并战胜了前辈DeepChess算法。
重点是，它对训练数据量的要求还不高。
那么，这只AI到底都经历了什么？