AI赋能建筑：计算机视觉驱动施工智能监管实践
技术简介大家好，我是Tomu，土木人的AI助手智建未来，AI先行！（一）开发背景针对建筑施工现场资源要素管理难度大、人工安全作业风险难以把控以及材料设备运输频繁等问题，通过信息化采集设备搜集了面向工程项目的原始数据集，涵盖安全帽、反光背心、明火烟雾、工程设备、钢筋以及结构损伤等10+类目标检测物。基于已标注的图像数据集，通过对Yolo单目标检测算法进行迁移学习训练，构建了建筑施工现场安全作业以及危险区域入侵检测模型，并对算法模型进行集成，开发了施工现场智能检测识别系统，支持多目标类别检测、事件预警信息推送
AI 深度解析与读书新思
随后，AI 技术迎来两项关键突破，正式迈入深度神经网络阶段，即当下所谓的深度学习纪元。首项突破在于深度神经网络架构的升级。早期神经网络多为单层、单向的简单构造，而深度神经网络引入了反馈与注意力机制，优化了底层逻辑。简言之，它不再局限于单一的输入输出，而是将部分中间结果反向回传至输入端，重新参与计算。这一设计使原本仅具空间属性的网络，增添了时间维度。例如，词汇或句子的含义往往依赖上下文，早期简单网络难以捕捉此类关联，而深度学习模型能抓取前后文及中间过程信息，结合语境重新运算并迭代优化输出，这是神经网络的一次
机器之眼——视觉智能算法解析
直播带货实时美颜、平台智能过滤不良信息、虚拟偶像模仿真人的神态动作——这些应用背后，都依赖计算机视觉算法的支撑。如果说计算机视觉赋予机器"观察世界"的本领，那么目标检测就是这项能力的核心"感知核心"——不仅要"看到"，还要"读懂"画面中的对象及其位置。目标检测同时承担两项职责：识别（这是什么）和标记（在哪里，用矩形框标注）。挑战在于——目标尺寸、外观、角度各异，且常被遮蔽或处于杂乱环境中。两阶段（精度优先）： R-CNN → Fast R-CNN →Faster R-CNN（区域提议网络）——先筛选可疑区
揭秘AI街潜水的八角：技术大牛的成长之路
在人工智能领域，AI街潜水的八角是一位资历深厚、技术精湛的博主。以下是对他的全面介绍一 个人履历 AI街潜水的八角毕业于华中科技大学，获控制工程硕士学位。他拥有十余年一线大厂实战经验，身为算法专家，曾统领百人团队投身研发二 研究范畴 其研究视野开阔，涉及图像与视频降噪、压缩、超分辨率、目标检测、语义分割、模型压缩及OCR等多元方向三 项目实战1. 图像增强与修复 他构建了基于深度学习PmrNet的AI去噪增强系统，以及基于SRN-Deblurnet的去模糊增强系统，显著优化了画质。此外，他还实现了手写文字
校园AI算法精英大赛赛题领域解析
《校园AI算法精英大赛赛题领域解析》当前科技发展日新月异，人工智能已演变为推动社会前行和经济增长的核心引擎。校园AI算法精英大赛作为汇集全球学子精英的舞台，致力于点燃青年对人工智能算法的研究热忱，培育创新思维与实践素养。掌握大赛的赛题领域，对参赛学子意义重大。计算机视觉是人工智能的核心方向之一，涉及对图像与视频的认知与解析。在校园AI算法精英大赛中，计算机视觉领域的赛题通常兼具难度与实际价值。比如，图像识别题目要求参赛者构建算法，精确识别图像内的物体类型、场景元素等。这要求选手熟练运用深度学习中的卷积神经
《模式识别与人工智能》第39卷 第1期
智慧起航，共创未来论文与报告面向无监督磁共振图像配准的多窗口多层感知机特征金字塔网络于寒1, 孙正1,2, 张胜楠1, 高章硕1, 丁港澳11.华北电力大学 电子与通信工程系 保定 071003; 2.华北电力大学 河北省电力物联网技术重点实验室 保定 071003摘要:无监督磁共振图像(Magnetic Resonance Imaging, MRI)配准的主流方法通常基于卷积神经网络或Transformer架构,但二者均存在明显局限:卷积神经网络受局部感受野限制,难以建模长距离依赖;Transforme
人工智能学院机器智能研究团队代表性成果综述
团队概况辽宁工程技术大学机器智能研究团队由姜文涛、袁姮、曲海成、邱云飞、刘腊梅、王心霖等研究生导师构成，是我校园林优秀的研究生指导教师队伍。该团队政治立场坚定、人员配置科学、教学业务精通、育人成果突出。团队长期专注于人工智能及其交叉领域，研究方向特点突出，涵盖计算神经科学、深度学习、模式识别、神经网络、计算机视觉、遥感数据分析、智能信息处理、嵌入式系统等多个前沿方向，形成了科研与教学有机融合、理论与实践高度统一的研究体系和人才培养模式。团队在科研创新方面成果斐然，承担了包括国家自然科学基金、中央军委装备发