Él dijo, resumió para hacer inteligencia artificial con la idea de que Ali es similar, Ali dijo que "no le dé al mundo un negocio difícil", la inteligencia artificial es decir "que el mundo no sea difícil de volar el ganado".
También compartió los resultados de investigación de la visión por computadora en la visión por computadora, como la forma de distinguir entre las nubes y la nieve y los objetos terrestres, con la inteligencia artificial, la tecnología de reconocimiento de imágenes, se puede hacer más precisa que la gente, citó a la undécima vez Mucha gente para viajar, escalar la montaña, la montaña puede ver algunas nubes en la ladera, subir a las montañas y más tarde encontrar las nubes en una niebla, la cámara no está clara, tenemos un algoritmo que puede ayudarte a eliminar la niebla.
Tang Xiaoou también presentó la aplicación actual de la práctica del cerebro urbano.
1, reconocimiento de rostros se puede hacer sin ninguna cooperación artificial en el caso de la identificación en tiempo real de los personajes, arrestar a los presos, en Guangzhou, Shenzhen, Chongqing y otras decenas de ciudades han comenzado a ayudar a la seguridad pública para resolver un gran número de casos, capturados mucho Prisioneros
2, la multitud, ahora en el Bund de Shanghai para lugares públicos, en tiempo real para determinar la densidad de cada punto de la multitud, el número de personas entran, cuántas personas, hay personas que no son retrógradas y otras circunstancias especiales, esto puede evitar eventos de estampida.
3, estructura de video, puede poner a todas las personas dentro del video, automóviles, vehículos no motorizados, detección de bicicletas, seguimiento, identificar la propiedad, como la persona para usar qué ropa, hombres y mujeres, qué edad, qué automóvil de marca, qué año La producción, estas cosas se procesan desde el video en un archivo de texto, usted puede llevar a cabo el objeto correspondiente de la búsqueda rápida.
El siguiente es el discurso del profesor Tang Xiaoou:
Tang Xiaoou: Primero ayudé a la Asamblea General a hacer un aviso, el almuerzo se canceló hoy y cambié el té de la tarde, y no nos preocupamos, y lentamente lo escuchamos.
Muchas gracias por la invitación de Ali, sobre todo para hacer el discurso final, le dije a Ali que era demasiado educado, el discurso final tan importante debería hacerse a caballo, era un simple discurso de apertura en el casi, y luego insisten en mi hora del almuerzo para hacer el final El
Además, también me dijeron que hoy hay cerca de 10 millones de personas viendo Internet en vivo, así que estoy muy nervioso, hice cien páginas de PPT, creo que cien personas son también una página digna de la audiencia, pero el comité organizador Estaba muy nervioso, siempre me pidió que dijera 40 minutos para hablar cien páginas, no será tiempo extra, les dije que se aseguren de que estarán tranquilos. Ayer, los invitados a los Juegos Olímpicos hablaron sobre los Juegos Olímpicos más rápido y más alto Esa nube es la característica de que la Asamblea General será más larga.
Hace algún tiempo tengo algunos eruditos con Ma en Tsinghua, di un diálogo, yo estaba frente a la cara del Sr. Ma para mencionar algunos de los puntos de vista de hoy. Fui a Ali aquí, creo que no seré educado, como erudito, somos Estaba dispuesto a darle algunos consejos a Pony (broma aquí, no lo tomes en serio).
Ahora entiendo la historia, hoy hablo del tema es "inteligencia artificial en la caminata en la nube". Inteligencia artificial De hecho, he oído decir a mucha gente, también he hablado mucho, creo que resumida para hacer inteligencia artificial con el concepto de Ali es muy Ali está hablando de 'dejar que el mundo no sea difícil de hacer negocios', hacer inteligencia artificial es decir 'que el mundo no sea difícil de volar el ganado').
Los dos días de la Asamblea General para escuchar a todos hablaron desde hace mucho tiempo de inteligencia artificial, hablamos durante mucho tiempo en la nube, hasta hoy, hasta ahora, no hemos visto realmente la nube real, y ahora te echo un vistazo.
De hecho, lanzamos el satélite para filmar estas imágenes, es para analizar la situación en el suelo Puntuación alta en el primer disparo del mapa, hay nubes y nieve, cubre la forma de relieve, cómo distinguir entre nubes y nieve Y el terreno de los objetos, utilizamos la inteligencia artificial, la tecnología de reconocimiento de imágenes, se puede hacer más precisa que la gente. Puedes ver que el marrón es nieve, nubes blancas, verde es el objeto. Identificamos estas nubes más tarde, pero también podemos usarlas El algoritmo elimina las nubes, para que el satélite pueda reconocer las cosas debajo de la nube.
Once cuando pienso que mucha gente viaja, para escalar la montaña, la montaña puede ver la mitad de la montaña con algunas nubes, subió a las montañas y luego se encontró con las nubes en una niebla, la cámara no está clara, tenemos un algoritmo que puede ayudar Tienes que eliminar la niebla. Hay cuando la antena, hay nubes, niebla, también podemos usar el algoritmo en tiempo real en el video para eliminarlo.
Queremos que nos Hangzhou, hay muy poca bruma, esta relación con Hangzhou? Realmente no hay nada que hacer, cuando el tiempo se hace específicamente a Beijing, a Beijing a la medida, los Juegos Olímpicos eliminaron directamente la niebla, Cielo azul y nubes blancas, llamamos a esta llamada Shang Tang azul.
Este algoritmo, esta aplicación tenemos que hacerlo en los productos de la cámara de microblogging, y el año pasado ha estado en línea.
Si hemos estado hablando de ello, la gente de Ali puede estar ansiosa, somos Ali en la nube, no en la Oficina meteorológica de Ali. Por supuesto, hablamos de la nube virtual, la computación en la nube, que en realidad vivimos sin saberlo en medio de la nube, y Viviendo en la nube física a continuación, de hecho, también vivimos en la nube virtual de hoy para decirte cómo vives en la nube por un día, probablemente unas 8 horas.
El comienzo de la mañana para maquillarse es sostener que el teléfono puede ser un espejo, puedes hacer belleza, cambiarse de ropa, con una variedad de efectos para ver qué día usar este maquillaje hacia las 8 en punto, y finalmente Después del final de las 9, los términos generales de las chicas probablemente necesiten una hora de maquillaje y, finalmente, a través de la belleza, realzan la realidad (AR) estos efectos, no sé por qué la última foto de una niña de conejo.
Y luego, esta tecnología AR también se puede aplicar a otras escenas, como aplicaciones de escenas sociales, ahora ves esta aplicación de cámara, aplicación en vivo, hay muchos efectos de AR, de hecho, la mayoría de ellos se basan en la tecnología de inteligencia artificial que proporcionamos, Como la cara de los 106 puntos y el último análisis de seguimiento de 240 puntos, es nuestra definición de estándares de la industria.
No solo nos enfrentamos, reconocemos los gestos, y ahora hemos hecho efectos SLAM tridimensionales, y es posible que hayamos visto este efecto, el juego que puede ser objetos virtuales agregados al mundo real dentro, pero antes de que estén en una muy fuerte De la computadora en el cálculo, y ahora estamos en el lado del teléfono móvil, los cálculos del teléfono en tiempo real, esto es algo muy difícil.
¿Y por qué acaba de pasar una hora cambiando la ropa? Para cambiar una por una, no es adecuada para otra, es muy problemática. Podemos usar la computadora para ayudarlo a cambiar la ropa y la ropa generada por computadora. ? Con la tecnología de generación de imágenes de procesamiento de lenguaje natural, por ejemplo, quiero un pájaro, un cofre blanco, una cabeza gris para producir un pájaro así, y luego un pájaro rojo, negro Alas, y luego se corresponden para generar la imagen. Esta es la computadora generada automáticamente de acuerdo con la descripción de su idioma, o gastar lo mismo, puede generar algunas flores diferentes.
Una aplicación más práctica es qué? Sí, ropa. Puedo decir que quiero usar un vestido azul claro con un vestido azul claro, o una chaqueta sin mangas negra para darte poner, así que la velocidad de cambiar la ropa Muy rápido, unos minutos para escapar.
A las diez en punto de salir. Cuando sales a caminar, puede que no haya ningún sentimiento, pero en realidad cada ciudad, solo habla de cientos de miles o incluso millones de cámaras, estas cámaras hacen cosas, personas, automóviles, Los objetos se detectan, identifican y analizan.
Hoy, muchas preguntas sobre el cerebro de la ciudad.
Tenemos que resolver estos problemas o la necesidad de tecnología central, para hacer lo mismo con la misma tarea. En primer lugar, nos enfrentamos al reconocimiento, ha podido hacer sin ninguna cooperación artificial con la identificación en tiempo real de personajes, arrestar prisioneros, en Guangzhou, Shenzhen, Chongqing Decenas de ciudades han comenzado a ayudar a la seguridad pública a resolver una gran cantidad de casos, han capturado a muchos prisioneros.
Gente, podemos en el Bund de Shanghai para lugares públicos, en tiempo real para determinar la densidad de cada grupo, el número de personas que entran, cuántas personas, personas que no han retrocedido y otras circunstancias especiales, esto puede evitar los eventos de estampida.
Y luego, la estructura del video, puede poner a todas las personas dentro del video, automóviles, vehículos no motorizados, detección de bicicletas, seguimiento, identificar las propiedades, como esta persona para usar qué ropa, hombres y mujeres, cuántos años, qué automóvil de marca, qué año La producción, estas cosas se procesan desde el video en un archivo de texto, usted puede llevar a cabo el objeto correspondiente de la búsqueda rápida.
De hecho, cuando caminas por la carretera, toda esta información puede grabarse, por lo que si el futuro será cada vez más difícil de hacer cosas malas. Si no hay nada que hacer ahora hazlo rápidamente, entonces el futuro será difícil Mucho de eso
A las 12 en punto, podemos salir con amigos para jugar. Tomar un autorretrato, de hecho, al disparar, es utilizar algo de nuestra tecnología de procesamiento de video, como una cámara de teléfono móvil que filma el efecto de la SLR, que es lo que hacemos la tecnología Antes de tomar fotos del enfoque, apunte hacia dónde enfocarse en qué lugar. Además de la película anterior, me gustaría ver cómo se ve el efecto de la vista previa del SLR, de modo que cuando se mueva, se mostrará el efecto, Esto es para lidiar con el nivel de video en tiempo real. El video puede ser en tiempo real para calcular la profundidad de la información, previsualizarla. Estas tecnologías han estado en el OPPO R9S y R11 con mucho tiempo, incluida la tecnología de la cara es el uso de nuestra tecnología Soporte
Hay teléfonos móviles que pueden hacer algunos efectos de álbum inteligentes, procesamiento. Reconocimiento de computadora de su contenido fotográfico, y luego de acuerdo con el contenido de la etiqueta, gestión de clasificación.
Estos efectos, que ahora estamos en el teléfono, también se pueden usar durante el día festivo, algunas de estas aplicaciones, como la imagen de dibujos animados de la cara en la cara de sus propios hijos, pero te doy a demostrar que somos lo que hicimos hace diez años, hace diez años. Ha hecho este efecto, por supuesto, en ese momento se hace en la computadora, y ahora estas tecnologías se pueden hacer por teléfono.
Cooperamos con mijo para hacer el álbum inteligente mijo, con Huawei para hacer el álbum Huawei Smart, con la cooperación de microblogging, la gran gestión de fotos V para hacerlo.
A las dos, terminaste, terminaste la comida, la foto me gustaría tratar, haz un poco de arte nuevo del filtro.
Siente que las personas de nuestra empresa no trabajan, tocando el teléfono todo el día.
Trata estos efectos, que se hace a imagen de los efectos especiales, de hecho, esto es lo que hacemos hace dos años, ahora llenos de calles, ahora hemos hecho un nuevo trabajo, el video también puede hacer efectos en tiempo real , Y puede hacer una variedad de efectos especiales.
A las 4 en punto, podemos salir a jugar, puedes hacer algunos deportes, podemos imaginar, a las 4 en punto de la compañía en el momento en que dejamos el trabajo, y comenzamos a jugar.
Esta es nuestra estructura en tiempo real del cuerpo puede rastrearse, podemos pensar que esto no es nada nuevo, porque hace unos años la cámara somatosensorial de Kinect puede hacerlo, pero el original es un equipo especial muy caro que hacer, el equipo tiene Dos cámaras y proyección láser, estamos usando unos pocos dólares una sola cámara web, puede hacer esto en tiempo real, por lo que esta aplicación puede ser una variedad de hogar inteligente, conducción automática, una variedad de lugares para ser práctico.
Y luego usar estas tecnologías también puede hacer análisis de deportes. En el pasado, le dije a la Comisión Olímpica y a la cooperación de Ali, que también estamos con la Administración General de Deportes del Estado para hacer esto, podemos ver que utilizamos un análisis inteligente de la manera de rastrear los movimientos de los atletas. Y luego también puede ayudar a los atletas a hacer entrenamiento de rehabilitación. Así que ayer, los amigos del COI dicen que los Juegos Olímpicos son más altos, más rápidos, más fuertes, más inteligentes, que de hecho ahora les digo cómo hacerlos más inteligentes.
Al mismo tiempo, podemos utilizar el algoritmo de seguimiento, y luego el análisis completo de la imagen con claridad, con una descripción en lenguaje natural del video, al final, lo que los atletas al final.
Y luego nos vamos a casa cuando el auto se va a casa. Esta vez puedes conducir con nuestra tecnología de conducción automática para apoyar el automóvil. Conducción automática dentro de nosotros hicimos seis grandes rumbos, treinta técnicos, actualmente con los cinco mejores precios de autos del mundo que Un proveedor de nivel superior para cooperar.
Mire la siguiente cara para pagar la escena, porque se va del trabajo y siempre quiere comprar cosas. Puede usar el cepillo para pagar, Ali nadie puede usar estas tecnologías. Hay algunos sistemas de control de acceso, hoteles, aeropuertos, etc., todos estos lugares La realización de estos está utilizando nuestra tecnología de reconocimiento facial, y ahora la tasa de precisión del año en que la primera vez más allá del límite del ojo humano, del 97.5% al 99.15%, al 99.55%, ha sido una decena mil Una diez milésima de millón, hoy hemos hecho cien millones, de hecho, ha alcanzado la precisión de la contraseña de ocho dígitos, puede hacer una variedad de aplicaciones.
Por la noche, en este video, analizamos la dirección del movimiento humano, que también es una técnica muy importante para analizar la estructura de todo el video.
Podemos sintetizar las técnicas anteriores, puede hacer que todo el análisis de la escena de video haga todo lo que pueda ver, la esquina inferior izquierda le dirá dónde, qué tipo de actividades, todo el mundo es qué persona, qué actor, qué ropa usar, Lo que detrás de qué objetos, montando qué motocicleta, todas estas estructuras se pueden hacer, vemos que muchas compañías usan estos dos videos de demostración de resultados para hacer publicidad, este es el original que hacemos, el análisis de video es también lo que hacemos Esta es la "alegría de la canción", he querido hacer una actualización, quiero usar "mi primera mitad de vida", luego pensé que la primera mitad de mi vida también pasó o hice "un juramento feliz".
Solo muchos de nuestros productos han aterrizado, somos más de 400 socios para usar realmente el piso. Aquí hay algunos nuevos avances tecnológicos, puede salir mañana de inmediato, porque estos nuevos avances tecnológicos Continuar empujando nuevas aplicaciones.
En primer lugar, hablar sobre el monitoreo deportivo. O volver a los Juegos Olímpicos esta aplicación, de hecho, podemos en el video deportivo dentro de la toma de estos disparos, dos horas del juego se pueden reducir rápidamente a unos pocos minutos, puedes hacerlo completamente automáticamente.
O la competencia de pista y campo, realmente muy larga, pero la lente maravillosa, 100 metros, salto alto que unos pocos disparos, es decir, algunas piezas, podemos identificar automáticamente la extracción, y también puede describir, preguntar cómo extraer, Te interesa la parte.
Y luego puede buscar. Por ejemplo, desea buscar interpretaciones de música de video, escenas de guerra del video, puede buscar automáticamente.
O quiere que la película entienda automáticamente. Por ejemplo, puede entender que la lente al final es una lente de desastre o una lente romántica, con la tecnología que dijimos delante de toda la escena, al final, qué tipo de línea roja en nombre del romántico, el azul es un desastre , O el análisis en tiempo real de la lente, o que están peleando o lentes románticas pueden analizarse en tiempo real.
Puede usar el lenguaje natural para describir la escena para buscar la película, es decir, puede decir un pasaje, poner esa una escena de la lente para descubrirlo, mientras se detectan todos los objetos y objetos.
Además del análisis de la escena deportiva, es decir, directamente a la descripción del video deportivo, automáticamente se describe el lenguaje natural, al final lo que sucedió, esta vez, de hecho, no necesitamos locutor, la máquina automáticamente analiza la escena deportiva para hacer, directamente a Lo explicamos, como un locutor profesional.
Hay segmentación de imágenes, antes de que hablemos de la segmentación de imágenes es la separación de fondo y de fondo, y ahora no solo la separación de las perspectivas y el fondo, sino también el nivel de píxeles en el primer plano de cada objeto por separado, frente a una gran cantidad de baile, Todos están marcados, cada objeto y el fondo están separados, puedes hacer muchos efectos especiales.
Hay que juzgar la relación entre dos personas, si usted pone una foto en Internet, de acuerdo con la postura de sus dos personas y la expresión de dos personas, analice la relación entre ustedes dos. ¿Cuál es el uso de esto? Por ejemplo, si tiene una El hombre rico es fotografiado, el resultado del análisis es muy amigable, que conoces a los ricos para que tu credibilidad aumente, puedo prestarte dinero, puedes hacer una dimensión de crédito. Tengo una foto de mi hijo, su novia más, quiero saber cuál es su verdadera novia, puedes analizar e identificar, y más tarde descubrí que cada uno es, me dijo lo mismo, cada uno es muy específico.
Le di a los estudiantes un poco más difícil para hacer frente a la relación entre las fotos, como Ming Ming 6 meses con la foto de su primera novia, la primera relación también se puede analizar, y la segunda también se analiza. Dos fotos en las más difíciles, y, finalmente, básicamente, no saben lo que estaba haciendo, por supuesto, el último de este tipo de espíritu de exploración o digno de admiración.
Solíamos ir a Microsoft cuando el tiempo de espera para jugar fotos, también tomé el análisis de la máquina, que es mis dos colegas de acuerdo con nuestras fotos en Jiuzhaigou, el análisis de máquina de los resultados no entiende cuál es el significado real (Los dos colegas masculinos en la parte posterior de la foto) el significado real es que estamos en la interpretación de los siguientes algunos más difíciles de dejar el análisis de la máquina. La espalda de una persona es buena, dos personas pueden entender , Las tres personas de la parte de atrás, la máquina confundida, y cuatro personas pueden estar más confundidas cuando las cinco personas no pueden aceptarlas, por lo que es difícil entender la máquina, para nosotros, estamos muy contentos Quiero venir aquí, me gustaría presentar un nuevo tema de investigación, presentar un desafío, llamado XO Challenge, es cómo podemos dejar que la máquina se ríe? Es cómo puedes dejar que la máquina identifique una imagen, es gracioso, nosotros La gente puede decir, la máquina no puede hacer? Espero que nuestros investigadores puedan probar más tarde para ver si no podemos permitir que la máquina vea estas imágenes, sabrá sonreír.
Finalmente, utilizo un estudio de nuestro ejemplo para hablar de la dificultad original, acabo de hablar sobre cada tecnología no es tan simple, por no decir una cabeza sobre qué hacer, hay muchas cosas que hacer, Este ejemplo es la mejora de la resolución de la imagen, es decir, ¿cómo podemos poner una imagen de una imagen grande, capaz de restaurarla muy claramente? Esta es una película en los Estados Unidos, capturada por el FBI. Finalmente captó una imagen de imagen muy vaga Acércate para hacer una imagen clara, luego piensa que el FBI es muy poderoso, muy bueno. Usamos tecnología tradicional también tratamos de restaurar esta imagen. Cuando queremos restaurar el pequeño mapa en esto, con el algoritmo tradicional para hacer el mayor esfuerzo, el resultado final Es así, entonces estamos muy insatisfechos.
¿Cuál es el uso de esta aplicación? De hecho, se pueden realizar imágenes, amplificación de video, puede poner la señal de TV normal en señal de alta definición de 4K, señal de alta definición de 8K, que es nuestros últimos resultados, puede ver si la señal directa Zoom es muy vago, y ahora con los nuevos resultados básicamente lograr el efecto de alta definición, ha llegado a una etapa práctica.
En Japón hay un trabajo llamado WAIFU2X, usan nuestra tecnología para hacer una demostración, es la esposa (segundo elemento hermana) zoom dos veces, y luego usan esta cifra, el efecto final es muy claro.
Super resolución Este trabajo es muy importante, porque hay muchas ocasiones que tienen aplicaciones. Por lo tanto, Google, Twitter también es muy importante para esto, se enviaron en 2016 se emitieron cuatro artículos para hacer este trabajo. Como en el pasado, todos podemos seguir Google está detrás de hacer, y no lo somos, publicamos el primero en el mundo con la profundidad del artículo de super-resolución de aprendizaje, es decir, en 2014, ya en Google dos años, 2015 hizo dos, 2016 dos, 2017 hizo Tres, no solo hacemos lo primero, lo primero que hacemos, sino también lo mejor. ¡Así que Google está con nosotros!
Para hacer este trabajo para tener éxito, participar en el trabajo es mucho, hay una variedad de tecnologías, que involucran a más de una docena de artículos en docenas de artículos para lograr el efecto ahora, así que ahora podemos hacer Prácticas, imágenes tomadas en las calles, las fotos borrosas realmente pueden ver a los criminales.
Y ha sido para la seguridad pública de Shenzhen, la seguridad pública puede usar el teléfono para tomar fotos, se pueden buscar imágenes muy vagas en la biblioteca, criminales de detención en tiempo real.
A través de nuestros esfuerzos, todos estos juntos, desde el efecto original, ahora pueden hacer este efecto.
Por lo tanto, hay un montón de trabajo detrás de cada trabajo que se necesita hacer, hay muchos artículos principales. No estamos solo unos años antes de que comenzara a funcionar la inteligencia artificial, sino quince años de acumulación, de 04 a 08 En las dos reuniones de alto nivel, tenemos un laboratorio de 57 artículos, mientras que el MIT es 51, la Universidad de Berkeley es 33, la Universidad de Oxford tiene 45 años, tenemos más de diez años en los principales artículos de la conferencia El número ha estado en el líder mundial en los últimos dos años, las tres conferencias principales contamos los datos, Microsoft ha compuesto hasta 124, CMU es 86, clasificamos el tercero es 76, es la única entrada en Asia Los diez primeros, así que tenemos este gran talento y experiencia de la acumulación, solo para hacer estos productos de aterrizaje reales.
En 2011 a 2013, cuando comenzó la profundidad del aprendizaje, estas dos conferencias principales, 29 artículos contabilizamos 14, la mitad del mundo, que dentro de la tecnología 16, es nuestro primer éxito en la profundidad Aprender a aplicar a estas áreas técnicas.
Así que estamos en la profundidad de aprender la compañía de tecnología original, estamos realmente haciendo la plataforma, y la cara del libro Torch, Google TensorFlow, creamos nuestra propia plataforma original, Parrots, para desarrollar nuestra tecnología de aprendizaje profunda.
En julio, tuve el honor de ser el editor de la revista internacional IJCV, convocando a la Cena Nocturna de IJCV en Hawai, y muchos de los mejores eruditos en el campo de la visión por computadora asistieron a nuestra cena. Estaremos en octubre en la conferencia de ICCV en Venecia Abra a uno de estos mejores eruditos internacionales de la fiesta, bienvenidos a participar.
Finalmente, ¿qué pasa con los puntos comunes de estas imágenes en esta página? Michelangelo, Beethoven, Van Gogh, Steve Jobs, diseñador jefe de diseño de Lamborghini, estas personas tienen una característica común que en realidad es dos China es la que más falta es la original, ahora lo hacemos es la original, hacer el original es una cosa muy difícil, pero no hacer un país es siempre el desarrollo original no está listo.
Realizamos el análisis de la película, vemos a estas viejas películas, "Shangganling", "héroes y niños", el "soldado Zhang Ga", nuestro equipo de 120 doctores como el "Shangganling" en el último para fortalecer incluso la fortificación de un médico Pero somos una fuerza fuerte para fortalecer incluso ser muy poderoso, pero el oponente es Google, Microsoft, IBM, un oponente tan fuerte, necesitamos refuerzos, necesitamos soporte para el fuego, con "héroes y niños" dentro de las palabras de Wang Cheng, Es a mí despedido, generación de buenos esfuerzos, creo que nuestra próxima generación, el soldado Tang Ga que será más que la generación anterior de soldados Zhang Ga, la vida es mejor. ¡Gracias!