李飞飞专题

BVS:多强联手,李飞飞也参与的超强仿真数据生成工具,再掀数据狂潮 | CVPR 2024

BEHAVIOR Vision Suite(BVS)是一个新型工具包,旨在系统评估和全面理解计算机视觉模型。研究人员能够在场景、对象和相机级别控制各种参数,有助于创建高度定制的数据集。 来源:晓飞的算法工程笔记 公众号 论文: BEHAVIOR Vision Suite: Customizable Dataset Generation via Simulation 论文地址:http

CVPR 2024第三弹:李飞飞教授惊喜亮相,CVPR之家乐队火爆演奏惊艳全场

CVPR 2024第三弹:小编与李飞飞教授惊喜同框,"CVPR之家"乐队火爆演奏惊艳全场! 会议之眼 快讯 2024 年 CVPR (Computer Vision and Pattern Recogntion Conference) 即国际计算机视觉与模式识别会议,于6月17日至21日正在美国西雅图召开。CVPR是计算机视觉和模式识别领域的顶级会议之一。与ICCV和ECC

CVPR 2024第三弹:小编与李飞飞教授惊喜同框,CVPR之家乐队火爆演奏惊艳全场

CVPR 2024第三弹:小编与李飞飞教授惊喜同框,"CVPR之家"乐队火爆演奏惊艳全场! 会议之眼 快讯 2024 年 CVPR (Computer Vision and Pattern Recogntion Conference) 即国际计算机视觉与模式识别会议,于6月17日至21日正在美国西雅图召开。CVPR是计算机视觉和模式识别领域的顶级会议之一。与ICCV和ECC

DexCap——斯坦福李飞飞团队泡茶机器人:更好数据收集系统的原理解析、源码剖析

前言 2023年7月,我司组建大模型项目开发团队,从一开始的论文审稿,演变成目前的两大产品线 论文方面,除了论文审稿之外,目前正在逐一开发论文翻译、论文对话、论文idea提炼、论文修订/润色/语法纠错、论文检索机器人方面,我们1月份开始攻机器人、Q1组建队伍、5月份成功复现UMI和DexCap后,本月(即6月)总算要开始为工厂赋能了(目前已经谈好三个工厂的合作意向) 总之,经过过去近一年的努

中国教育 AI 产品正在成为百万美国学生的辅导老师;李飞飞:大模型不存在主观感觉能力丨 RTE 开发者日报 Vol.213

开发者朋友们大家好: 这里是 「RTE 开发者日报」 ,每天和大家一起看新闻、聊八卦。 我们的社区编辑团队会整理分享 RTE(Real-Time Engagement) 领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」,但内容仅代表编辑的个人观点,欢迎大家留言、跟帖、讨论。 本期编辑:@CY,@JLT,@鲍勃 01 有话题的新闻 1、苹果与

苹果挖走大量谷歌人才,建立神秘人工智能实验室;李飞飞创业成立「空间智能」公司丨 RTE 开发者日报 Vol.197

开发者朋友们大家好: 这里是 「RTE 开发者日报」 ,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE(Real Time Engagement) 领域内「有话题的 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」,但内容仅代表编辑的个人观点,欢迎大家留言、跟帖、讨论。 本期编辑:@CY,@JLT,@鲍勃 01 有话题的

AI大模型日报#0416:李飞飞《2024年人工智能指数报告》、Sora加入Adobe、李彦宏聊百度大模型之路

​导读: 欢迎阅读《AI大模型日报》,内容基于Python爬虫和LLM自动生成。目前采用“文心一言”生成了每条资讯的摘要。标题: 刚刚,李飞飞团队发布《2024年人工智能指数报告》:10大趋势,揭示AI大模型的“喜”与“忧” 摘要: 斯坦福大学以人为本人工智能研究所(Stanford HAI)发布了《2024年人工智能指数报告》,该报告追踪了2023年全球人工智能的发展趋势。这是该机构发布的第7

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(四):图像分类笔记(上)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(四):图像分类笔记(上) 图像分类 目标:这一节我们将介绍图像分类问题。所谓图像分类问题,就是已有固定的分类标签集合,然后对于输入的图像,从分类标签集合中找出一个分类标签,最

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(三):Python Numpy教程(3)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(三):Python Numpy教程 SciPy Numpy提供了高性能的多维数组,以及计算和操作数组的基本工具。SciPy基于Numpy,提供了大量的计算和操作数组的函数,这

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(二):Python Numpy教程(2)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(二):Python Numpy教程 Numpy Numpy是Python中用于科学计算的核心库。它提供了高性能的多维数组对象,以及相关工具。 数组Arrays 一个num

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(一):Python Numpy教程(1)

最近开了一个新坑——【CS231n】斯坦福大学李飞飞视觉识别课程,准备认真学习并记录自己的学习历程。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(一):Python Numpy教程 这个课程将使用Python编程语言来

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十八):卷积神经网络笔记(上)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十八):卷积神经网络笔记(上) 卷积神经网络(CNNs / ConvNets) 卷积神经网络和上一章讲的常规神经网络非常相似:它们都是由神经元组成,神经元中有具有学习能力的权

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十七):神经网络笔记3(下)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十七):神经网络笔记3(下) 参数更新 一旦能使用反向传播计算解析梯度,梯度就能被用来进行参数更新了。进行参数更新有好几种方法,接下来都会进行讨论。 深度网络的最优化是现在

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十六):神经网络笔记3(上)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十六):神经网络笔记3(上) 学习过程 在前面章节中,我们讨论了神经网络的静态部分:如何创建网络的连接、数据和损失函数。本节将致力于讲解神经网络的动态部分,即神经网络学习参数

谷歌 AI 中国中心正式成立,李飞飞李佳领衔

(点击上方蓝字,快速关注我们) 转自:新浪科技 tech.sina.com.cn/it/2017-12-13/doc-ifyptfcm9672299.shtml 12月13日上午消息,在今天的 Google 中国开发者大会上, Google Cloud 人工智能和机器学习团队的首席科学家李飞飞宣布,谷歌 AI 中国中心在北京成立。该中心将由李飞飞和 Google Cloud 研发负责人李

谷歌AI中国中心再度动荡:李飞飞离职后 总裁李佳也走了

雷帝网 乐天 11月15日报道 成立不到一年的Google AI 中国中心(Google AI China Center)近期持续陷入动荡。 今年9月11日,Google云AI负责人、Google AI 中国中心创办人李飞飞宣布离开谷歌回到斯坦福任教,前CMU计算机科学学院院长Andrew Moore接任谷歌云AI/ML首席科学家。 仅仅2个月后,谷歌云AI研发主管、谷歌AI中国中心总裁

【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十五):神经网络笔记2(下)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元,比较详细地翻译了课程笔记,我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记(十五):神经网络笔记2(下) 损失函数 我们已经讨论过损失函数的正则化损失部分,它可以看做是对模型复杂程度的某种惩罚。损失函数的第二个部分是数据损失,它是一个有监督学习问题,

【大厂AI课学习笔记】1.4 算法的进步(4)关于李飞飞团队的ImageNet

第一个图像数据库是ImageNet,由斯坦福大学的计算机科学家李飞飞推出。ImageNet是一个大型的可视化数据库,旨在推动计算机视觉领域的研究。这个数据库包含了数以百万计的手工标记的图像,涵盖了数千个不同的类别。 基于ImageNet数据库,每年都会举办一场大规模的视觉识别挑战赛(ImageNet Large Scale Visual Recognition Challenge,简称ILSVR

首届PolarDB开发者大会在京举办,阿里云李飞飞:云数据库加速迈向智能化

1月17日,阿里云PolarDB开发者大会在京举办,中国首款自研云原生数据库PolarDB发布“三层分离”新版本,基于智能决策实现查询性能10倍提升、节省50%成本。此外,阿里云全新推出数据库场景体验馆、训练营等系列新举措,广大开发者可率先免费体验PolarDB核心特性及NL2BI等AI新功能。 “以PolarDB为代表的云原生数据库,正引领国产数据库换道超车,加速迈向智能化。未来,个人开发者和

【李飞飞】半天2k赞火爆推特!李飞飞高徒发布33条神经网络训练秘技

同学,现在有一份33条神经网络训练秘笈,摆在你面前。 AI大佬Andrej Karpathy (简称AK) ,刚刚发布了一篇长长长长博客,苦口婆心地列举了33条技巧和注意事项,全面避免大家踩坑,推特已有2,300多赞。 AK在斯坦福读博的时候,是飞飞实验室的成员,毕业去了OpenAI,然后又成了特斯拉的AI负责人,直到如今。 他的博客虽然一年一更,但一字一句皆是皆是多年心血凝结而成,每次更

突发!李飞飞高徒Karpathy离职,特斯拉自动驾驶要悬?

视学算法报道   编辑:David Joey 好困 【新智元导读】刚刚,特斯拉AI高级总监、自动驾驶负责人Andrej Karparthy宣布离职,马斯克推特亲切送别。失去了他,特斯拉自动驾驶要「凉凉」吗? 刚刚,特斯拉又失一位技术大牛! 特斯拉AI高级总监、自动驾驶视觉团队负责人Andrej Karpathy发布推文,宣布自己将离开特斯拉。 此前,他供职特斯拉已有5年,直接向大老

李飞飞两位高徒联合指导:能看懂「多模态提示」的机器人,zero-shot性能提升2.9倍...

视学算法报道   编辑:LRS 【导读】李飞飞朝着她的北极星「具身智能」又前进了一步! 人工智能领域的下一个发展机会,有可能是给AI模型装上一个「身体」,与真实世界进行互动来学习。 相比现有的自然语言处理、计算机视觉等在特定环境下执行的任务来说,开放领域的机器人技术显然更难。 比如prompt-based学习可以让单个语言模型执行任意的自然语言处理任务,比如写代码、做文摘、问答,只需

AI智能超越人类终破解!李飞飞高徒新作破圈,5万个合成数据碾压人类示例,备咖啡动作超丝滑

AI巨佬Geoffrey Hinton称,「科技公司们正在未来18个月内,要使用比现在GPT-4多100倍的算力训练新模型」。 更大参数的模型,对算力需求巨大的同时,对数据也提出了更高的要求。 但是,更多的高质量数据该从何来? 英伟达高级科学家Jim Fan表示,「合成数据,将为我们饥渴的模型提供万亿个token」。 作为例证,英伟达与UT的研究人员在最新研究中,提出了一个

Swift之父离开特斯拉,李飞飞高徒安德烈加入

(点击上方公众号,可快速关注) 综合:TechWeb + 新浪科技 TechWeb 6月21日消息,据国外媒体报道,苹果的前高管、刚刚上任特斯拉Autopilot新任副总裁仅6个月的Chris Lattner,宣布他将离开。他发表推文称,特斯拉对我来说不太合适。而稍晚些时候,特斯拉就宣布已经聘请深度学习和计算机视觉专家安德烈·卡帕斯在关键的自动驾驶部门挑大梁。 Chris Latt

李飞飞宣布谷歌云里程碑事件:推出Cloud AutoML

本文系网易智能工作室(公众号 smartman163)出品。聚焦AI,读懂下一个大时代! 【网易智能讯 1月18日消息】李飞飞在推特表示“在短短的几个月里,将尖端技术转化为数百万的产品,这是一个相当鼓舞人心的旅程!我们希望AutoML Vision是我们客户的第一选择。” 李飞飞Twitter截图 据了解,谷歌Cloud AutoML系统基于监督学习,所以需要提供一系列带有标签的数据。具

k近邻算法_专栏|李飞飞主讲斯坦福大学 CS231n 课程笔记:K 近邻算法线性分类...

AI 科技评论按:本门课程是李飞飞主讲的斯坦福 CS231n 计算机视觉课程,吉林大学珠海学院的赵一帆进行了笔记方面的整理。笔记如有出错,请及时告知。本文对应章节:数据驱动的图像分类方式:K 最近邻与线性分类器。上一章节:计算机视觉历史回顾与介绍 回到图片上来讨论KNN: 可以看到,它实际上表现的不是很好。这里标记了红色和绿色,图像分类正确与否取决于它的最近邻值,可以看到 KNN 的表现效果不