图像识别

本论文研究通过采集身体姿态数据来判断是否发生跌倒。

建出一种机器实时理解人类价值观的计算框架，让机器人与人类用户通过实时沟通完成一系列复杂人机协作任务。

编程语言那么多，最适合图像识别的是哪种呢？

8月4日，清华大学计图(Jittor)团队发布了遥感图像物体检测算法库JDet，支持S2ANet，Gliding，RetinaNet,Faster R-CNN等主流的遥感图像物体检测模型。希望借助Jittor的性能优势和能较好地支持国产操作系统和芯片的特点，为我国的遥感领域的进步做贡献。

如今，澳大拉西亚的一种蜜雀已经忘记了如何交流，其主要的栖息地也遭到了严重的破坏，数量正在急剧减少。更糟糕的是，还有一些幸存者，它们住得太分散了，成年男性无法教年轻一代如何为配偶唱歌、说自己的语言。

6月30日，清华大学计图（Jittor）团队与刘世霞教授课题组合作开发的基于Jittor的可视化工具JittorVis正式发布。该工具用于帮助理解基于Jittor构建的深度神经网络模型的计算图结构和数据流信息。

光学字符识别（Optical Character Recognition，OCR）是将图像中的文字信息转化为可供计算机处理的字符信息的技术，发挥着计算机“眼睛”的功能，是机器与现实世界进行视觉交互的重要技术基础。

为什么做图片识别要将彩色图像灰度化呢？正式解释这个问题之前，我们需要了解，什么是灰度化？简单地说，灰度化处理就是将一幅彩色图像转化为灰度图像的过程。

假定，你已经收集了一个数据集，建立了一个神经网络，并训练了您的模型。但是，尽管你投入了数小时(有时是数天)的工作来创建这个模型，它还是能得到50-70%的准确率。这肯定不是你所期望的。本文是一些提高模型性能指标的策略或技巧，可以大大提升你的准确率。

深度学习主要是数据驱动进行特征提取，根据大量样本的学习能够得到深层的、数据集特定的特征表示，其对数据集的表达更高效和准确，所提取的抽象特征鲁棒性更强，泛化能力更好，并且可以是端到端的。缺点是样本集影响较大，算力要求较高。