Graviti

卷积神经网络（CNN）一直是计算机视觉和图像处理的主要技术支柱。与传统的多层感知器（MLP）相比，卷积网络在二维邻域感知和平移同变性方面具有显著优势。

图像分割是计算机视觉中除了分类和检测外的另一项基本且精细的任务，它意味着要将图片根据内容分割成不同的块。

2021 DevFest上海谷歌开发者节，格物钛作为参展企业，创始人兼CEO崔运凯受邀发言，与开发者们分享了从DevOps到MLOps的进化路程，从组织变革看机器学习的最佳实践。

近期，浙江大学欧明锋在TechBeat人工智能社区进行了“以数据为中心的研究探索”的分享。Talk主要聚焦同领域相似的同构数据集的连接融合问题，并提出解决思路与方案。

在DataFun主办的AI基础软件架构峰会上，格物钛算法负责人薛林继为观众们带来分享《建立公开数据集标准，赋能AI工程化落地》。

在人工智能产业中，数据资产是最容易被忽视的管理内容，而且随着业务的不断深入和递进，数据及其标注都在不断地增加和更新。在传统的管理方式中，每一次更新往往伴随着数据的一次全量复制和一次手动版本记录，由此引

时兴的自动驾驶和人脸检测等众多计算机视觉应用之所以能够实现都要归功于深度神经网络。然而，许多人可能都不知道的是，近年来计算机视觉的突破性进步都是由一种特定类型的网络架构推动的，也就是所谓的残差网络

一般的AI课程会介绍很多如何通过参数优化来提高机器学习模型准确性的方法，然而这些方法通常都存在一定的局限性。

机器学习领域的一个基本问题就是如何学习复杂数据的表征是机器学习。 这项任务的重要性在于，现存的大量非结构化和无标签的数据，只有通过无监督式学习才能理解。密度估计、异常检测、文本总结、数据聚类、生物信息