DeepMind：谁说卷积网络不如ViT？
本文通过评估按比例扩大的 NFNets，挑战了 ConvNets 在大规模上表现不如 ViTs 的观点。深度学习的早期成功可归功于卷积神经网络（ConvNets）的发展。近十年来，ConvNets 主导了计算机视觉基准测试。然而近年来，它们越来越多地被 ViTs（Vision Transformer
首页 > 卷积
-
-
GPU上运行速度比现有模型快3-7倍，IU团队使用全卷积神经网络进行准确的从头肽测序
从头肽测序不依赖于全面的靶序列数据库，这为科学家提供了一种从串联质谱中识别新肽的方法。然而，当前的从头测序算法的准确性和覆盖率较低，这阻碍了它们在蛋白质组学中的应用。
-
DeepMind验证卷积神经网络在大规模数据集上可媲美视觉变换器
核心要点:1. 最近的研究表明，卷积神经网络（ConvNets）在大规模数据集上可以与视觉变换器(Vision Transformers)媲美，挑战了以往认为视觉变换器在这方面具有卓越性能的观点。2. 研究团队使用NFNet模型在巨大的JFT-4B数据集上进行了训练，发现随着计算资源的增加，Conv
-
YannLeCun：我是卷积神经网络之父，但也被它的专利卡过脖子
学术研究的专利归属对于学者而言很重要，是对自己所做工作的保护和肯定。但如果因公司变故而将自己参与研究的专利分了出去，后续研究还怎么搞？深度学习三巨头之一、卷积神经网络之父 Yann LeCun 就曾遇到过这种「烦心事」。
-
上海专家开发超快速的卷积光学神经网络，助力人工智能成像
据澎湃新闻，由上海理工大学智能科技学院张启明教授，智能科技学院、张江实验室光计算所顾敏院士领衔的研究团队，开发了一种超快速的卷积光学神经网络（ONN），这一技术在无需依赖光学记忆效应的情况下，实现了对
-
华为公司申请图像处理系统专利，能够训练卷积神经网络以识别评估相机图像中的重复结构
金融界2023年11月21日消息，据国家知识产权局公告，华为技术有限公司申请一项名为“用于训练自学习图像处理系统的方法和传感器组件”，公开号CN117099110A，申请日期为2021年3月。专利摘要显示，提供了一种训练卷积神经网络的方法。所述方法包括提供由传感器获得的传感器图像。所述传感器能够确定
-
RichardSutton直言卷积反向传播已经落后，AI突破要有新思路：持续反向传播
作者 | Richard Sutton编译 | bluemin编辑 | 陈彩娴“可塑性损失”（Loss of Plasticity）是深度神经网络最常被诟病的一个缺点，这也是基于深度学习的 AI 系统被认为无法持续学习的原因之一。对于人脑而言，“可塑性”是指产生新神经元和神经元之间新连接的能力，是人
-
卷积神经网络与Transformer结合，东南大学提出视频帧合成新架构
研究者表示，这是卷积神经网络与 Transformer 首度结合用于视频帧合成。深度卷积神经网络（CNN）是功能非常强大的模型，在一些困难的计算机视觉任务上性能也很卓越。尽
-
哈工大与腾讯开发：一种专门针对蛋白质组数据设计的反卷积方法
编辑 | 萝卜皮细胞类型反卷积是一种用于从大量测序数据中确定/解析细胞类型比例的计算方法，并且经常用于分析肿瘤组织样本中的不同细胞类型。然而，由于重复性/再现性、参考标准可变以及缺乏单细胞蛋白质组参考数据的挑战，使用蛋白质组数据分析细胞类型的反卷积技术仍处于起步阶段。哈尔滨工业大学、腾讯 AI la
-
思泰克：公司的AI人工智能算法导入了卷积神经网络利用卷积层的深度学习及训练提取出检测图像特征
有投资者在投资者互动平台提问：公司是否有机器神经视觉技术储备？ 思泰克（301568.SZ）12月1日在投资者互动平台表示，公司自设立以来深耕于机器视觉检测设备领域，其核心技术包括AI 人工智能算法、光源系统、机器视觉软件底层及应用层算法等多个领域，并取得多项技术成果。
