粉丝1777获赞6195
相关视频
02:56查看AI文稿AI文稿上期我们讲完了图像标注的四大工种，很多新手私信问我，刚开始入行，到底先练哪个项目最合适？今天直接给大家精讲全网需求量最大、上手最快、接单最多的基础项目。二 d 举行框选标注。 可以这么说，百分之九十的标注，新手第一单接触的都是二 d 框选，它门槛最低，应用最广，项目最稳定，也是所有视觉标注项目的基础工。 首先一句话讲懂什么是二 d 框选标注，就是在图片和视频画面里，用标准的矩形方框，精准把需要识别的目标物体框出来，让 ai 自动识别，自动捕捉、自动预警。 我们生活中所有的智能监控，道路违章抓拍、自动驾驶障碍无识别，全部靠海量二 d 匡选数据训练出来的。我给大家举几个最直观的例子，自动驾驶场景里，我们要匡出路上的汽车、电动车、行人、红绿灯、路标护栏、智能安防场景里，我们要匡出画面里的陌生人、 徘徊、人员掉落、杂物、违规堆积物，甚至商超人流统计、工地安全识别，全部都是二 d 框选的应用范围。很多新手以为画框很简单， 随便框住就行，这是最大的误区。真正合规的二 d 框选，有一套严格的行业标准，也是大家最容易扣分返工的地方。 今天把新手高频错误一次性讲透。第一，框体必须紧贴物体边缘，不能框太大，留白过多， ai 会识别不准，也不能框太小，切掉物体边角，属于严重标错。标准就是严丝合缝包住目标物体边缘，不留白布裁切。第二，遮挡物体必须完整框出 很多画面里的车辆、行人会被树木、栏杆遮挡，新手容易漏标或者纸框。可见部分行业标准是，只要能判断是完整目标，哪怕局部遮挡，也要按照完整轮廓完整框出。第三，不重复，不漏标，不多标。一个目标只能对应一个方框， 重叠画框、空框、多余框，漏掉目标都是直接判不合格，也是新手反光率最高的点。第四，模糊远景小目标不能直接放弃， 只要项目规则里要求标注，哪怕画面模糊，距离很远，物体很小，也要精准框出，随意跳过小目标会直接整批扣分。讲到这里，大家应该明白为什么二、 d 框选是新手必练的基本功，它看起来是最简单的标注方式， 但最考验细心和规范度。框选标准练扎实了，后续的分割关键点等高新项目，你上手速度会快一倍。最后总结一下，二、低矩形框选是视觉 ai 的 基础，也是标注行业永远刚需，不愁没单的核心项目。 新手不用好高骛远，先把画框练标准，练规范，你的合格率和效率提上来，收入自然稳定。下一期我们精讲比画框更容易翻车的图像分类标注，看着最简单，实则坑最多，想少走弯路，记得持续关注更新。
112郑州云燚传媒科技有限公司
01:16查看AI文稿AI文稿语义，分割如果你只想发篇二区三区或者 b 会 c 会，那真的太简单了。很多搞 cv 的 同学天天盯着 cityscapes 或者 voc 这种被大肠卷烂的公开数据集，你拿实验室那几张卡拼了老命去跑自动驾驶的街景分割，调了两个月 i o u 死活提不上那零点五个百分点，绝望得想退学。 听鱼哥的，想拿偏 b 会 c 会保底的，千万别碰自动驾驶，直接掉头去做医学影像或者工业微小分割。街景分割大厂早就做透了，但在医疗领域，比如某个罕见肿瘤切片或者工业领域，比如某种特定材质的裂纹，极其缺乏高精度的分割模型， 你随便找一个最新的轻量级分割网络，在他的解码器里加一个边缘感知模块或者跨切片。注意力机制论文里写针对该特定组织边缘模糊及难分割的痛点，论文提出了强化边界特征的新架构， 你避开了算力红海，解决了极其垂直的痛点。二区三区七堪最喜欢这种脚踏实地的医学工业交叉应用。如果你自己找不到这种冷门又好出图的医疗或工业分割数据集，于哥手里目前刚好压了几个特定病灶。 工业分割加新型注意力机制的现成课题核心的对比实验，我已经小规模跑通边缘分割，效果极其丝滑，急需一 v 一 直接定题开干，不想再痛苦调餐的同学可以来找我，带你降维拿分。
73鱼哥不水论文
01:17查看AI文稿AI文稿语域分割，你是不是还在像素级标注？一张图要花半小时，标了几百张，眼睛都快瞎了。其实三四区 cs i 根本不需要你搞几十万张精细标注，审稿人心里清楚，你没有标注团队，也没经费重包，他们只要求你用偷懒的方法把分割任务做完整，就能过。下面三个方向，标注量少、代码限程不准、精度 照着做就能发。方向一，弱监督分割，用框标注代替像素标注，你不需要画每个像素的边界，只需要在目标周围画一个矩形框，然后用弱监督方法从框标注中生成伪像素标签。在公开数据级用框标注训练对比全像素标注模型，你的精度只低五到百分之十，但标注时间节省了百分之九十。方向二，半监督分割， 用少量标签加大量无标签数据，你只标注了一百张图，但手头有一千张无标签图，用这一百张训练一个教师模型，给无标签图生成伪标签，再挑高致性度的一起训练，迭代两轮，你的模型就能接近全监督五百张标注的性能。方向三，类别不平衡分割 只关注少数类，医学分割中并造区域往往只占图像的极小比例，比如百分之零点一，你不需要改进整个分割模型，只需要在损失函数里加一个类别权重或 foco loss， 让模型更关注那些稀少的类别。 对比标准交叉商，你的模型在罕见类别的上的代词技术能提升十到十五个百分点。如果你还不知道怎么做弱监督分割，怎么搭半监督叠带，怎么结合自己课题落地，别再瞎琢磨了，我把这些方向的选择题思路、论文结构、内外缝合技巧全都放进了顶会论文缝合新法里，直接套用出符合你方向的顶会论文。大屏大分割，七哥陪你少走弯路，直接弯道超车。
36七哥聊论文
00:25查看AI文稿AI文稿做二 d、 三 d 融合标注，全程双视图同步操作，先看左侧二维图像，分清车辆行人，避开遮挡，锁定目标，系统自动匹配对应点云 切换，俯视测试，多角度拉三 d 立方框对照图片纹理调整长宽高摆正物体朝向，全部标完，三百六十度旋转点云全景自检，双向核对轮廓点位严控才切框偏移问题精度达标才能提交，大幅减少反攻。
28数据标注小妍
00:25查看AI文稿AI文稿做二 d、 三 d 融合标注，全程双视图同步操作，先看左侧二维图像，分清车辆行人，避开遮挡，锁定目标，系统自动匹配对应点云 切换，俯视测试，多角度拉三 d 立方框对照图片纹理调整长宽高摆正物体朝向，全部标完，三百六十度旋转点云全景自检，双向核对轮廓点位严控才切框偏移问题精度达标才能提交，大幅减少反攻。
02:16
02:54查看AI文稿AI文稿快使用双节！ 快使用双节棍，哼哼哈嘿！快使用双节棍，哼哼哈嘿！如果我 外面的马马上排绳有三段，来，老板，有服务器搞大数据，老板自我切关，从小就二入牡丹 os 干中国 啥子算法最喜欢极其学习，用处都连深度神经网络还样条，偶尔发狗， 数据清晰莫走开， 所有话题都来翻钱 三年你喜欢啥子？我就推荐找不到方向的人走路线。一张图片来一次三位重建，一句瓜娃子，我可以随便放言。 快使用节气宣泄。
105LMAI_SC
08:18查看AI文稿AI文稿哈喽，大家好，我是司马。今天八月九号了，这个成套的 facebook ai 的 课程呢啊，要花一些时间才能把它给讲完啊，它是一套完整的逻辑。上一节课呢，我们讲了机器人数据的清洗。我们知道机器人采集的数据呢，并不能直接用于训练， 必须经过时间同步、异常过滤、轨迹平滑和数据整理。但是呢，即使我们拥有了一批干净的数据啊，还有一个关键的问题， 机器人知道这些动作代表什么吗？例如我们给机器人一段数据啊，视频里呢，一只手拿起一个杯子，那机器人看到的是手移动，杯子移动，机械臂移动。 但机器人不知道为什么要这样做，这个动作对应的任务是什么？他不知道这是拿杯子还是移动一个物体，还是在整理桌面。所以我们需要进一步建立语言、视觉、动作之间的对应关系。 这就是今天的主题， data annotation 啊，也就是数据标注与语义对齐。为什么机器人数据需要标注呢？我们先理解一个概念， grounding 啊，中文通常翻译落地对齐，它的核心意思呢，是让 ai 把抽象的概念连接到真实的世界去。例如人说拿起红色的苹果，机器人需要知道红色的苹果对应现实中的哪个物体， 这就是 language grounding。 对 于机器人来说呢， grounding 主要是包含了三个链接，第一呢是语言啊，也就是任务。第二呢是视觉 物体，第三呢是动作结果。机器人训练数据包含什么？一个完整的机器人训练样本啊，通常会包括第一个部分啊， language isolation 啊，语言指令，例如把桌上的蓝色杯子放到盒子里， 它告诉机器人目标是什么。第二部分， observation， 观察数据包括了 rgb， depth， point and close， 告诉机器人环境是什么样子的。第三部分呢，就是 action， 动作，包括机械臂的位置，姿态，夹爪的状态，告诉机器人应该怎么做，最终呢，就形成了 enriches direction 到 observation action， 这就是 v l a 模型学习的基础。第一类标注，语言与动作的绑定。首先呢，机器人需要知道一句话对应哪个动作，例如语言是拿起苹果对应 episode， episode 零零一啊，机器人移动到苹果，抓取抬起 appstore 零零二，机器人移动到苹果啊，抓取失败， appstore 零零三，机器人拿起苹果。那么训练的时候呢，我们就需要告诉某些，这个指令对应的是 appstore 的 零零三， 这个过程呢就叫做轨迹语义绑定。我们上一节课学了 appstore 的是机器人数据里面的基本单位啊，上一节我们有提到，它代表的就是一次完整的任务， 例如任务是整理桌面啊， episode 呢，第一步看到桌面，第二步识别物品，第三步呢，机械臂移动，第四步呢，抓取，第五步呢，放置，这整个过程呢，就是一个 episode。 那 为什么需要 episode 呢？因为机器人不是预测单个动作，而是学习完成的任务逻辑，例如他看到杯子之后，下一步应该移动，移动以后呢，应该去抓取，抓取以后呢，应该去放置 啊，这就是第一类标注。第二类标注呢，是视觉与空间的标注，机器人不仅需要知道这是苹果，还需要知道苹果在哪里，所以需要视觉的标注，常见的包括二 d bundy box， 也就是二维框啊，就把它框起来， 例如图片中框出苹果高速模型，苹果的区域。第二种呢，就是三 d bounding box 啊，三维框啊，相比二维框呢，增加了深度信息，例如苹果的中心坐标 x y z 啊，尺寸长，框高啊，对于机器人去抓取的时候呢，三 d 信息呢，会更加的重要。 第三个呢， segmentation 分 割啊，这就更加精细了，例如把苹果的这个轮廓画出来啊，适合比较复杂的环境。 grasp point 就是 抓取点， 这是机器人特别关注的数据啊，例如苹果哪里适合抓中心还是顶部还是侧面模型呢？是需要学习的，学习最佳抓取的一个位置， contact point 啊，接触点，除了抓取的位置，机器人还需要知道接触的关系，例如手指应该碰哪里，甲爪应该接触哪几个位置 啊，尤其是对于灵巧手和柔性物体啊，接触信息是非常重要的啊。未来机器人呢，不仅需要视觉，还需要力觉和触觉。多膜态对齐是最核心的问题啊， facebook ai 最大的特点呢，就是多模态啊，同时呢，存在了视觉语言动作，那问题是如何保证它们对应呢？例如视频零秒的时候，是看到杯子一秒，手一动两秒抓住杯子， 语言拿杯子，那么模型需要知道这句话对应的零到两秒的这个过程，因此非常重要的就是时间对齐，也就是 time step element 数据增强 data annotation， 机器人的数据呢，非常的昂贵，所以我们希望一份数据产生更多的价值，这就是数据增强。数据增强的方法有三种啊，方法一呢，视觉增强，例如改变亮度，颜色，噪声啊，模拟不同的环境。 方法二呢，就是视角的变化，例如改变摄像头的视角，让模型适应不同的安装方式。 三呢，就是动作的扰动，例如加入轻微的轨迹变化，让机器学习呢，不是唯一的一个动作，一个抓取任务的数据标注案例啊。回到我们的这个 demo， 把红色的苹果啊放到左边的篮子 啊，原始的一个数据，首先呢，原始数据是有 rgb 的 视频标注语言呢， pixelify， apple 到视觉苹果的位置到空间啊，苹果的三 d 坐标到动作机械臂的轨迹。 然后呢，是结果成功，最终形成呢，一个完整的训练样本啊。为什么数据标注是机器人公司的核心能力呢？ 很多人认为机器人的竞争呢，是拼模型，但实际上呢，未来的竞争可能会更加依赖数据的闭环，原因是模型可以开源嘛，算法可以共享嘛？但是呢，高质量的机器人数据需要什么？需要设备，场景和经验。例如一个机器人公司有一百万个真实操作的 app store 啊，它的模型能力呢，会不断的上升。一个完整的 facebook ai 的 数据流程啊，我们现在已经走到了这里啊， 第一步呢，就是数据的采集到，第二步呢，数据的清洗，第三步呢，数据的标注，第四步呢，训练数据集。第五步呢，模型的训练。后面呢，我们会进入如何把这些数据啊，组成一个模型真正能读的格式。 那今天我们学习。第一，为什么机器人需要数据标注？第二，三个核心对齐啊，语言，任务，视觉，空间，动作。结果。第三呢，机器人常见的标注， bending box， 三 d， pulse， press point， contact point。 第四呢，就是多模态的数据呢，必须时间同步，语义绑定。那总结一下啊，数据采集呢，让机器人获得经验，数据标注呢，让机器人理解经验，只有把语言，视觉动作连起来，机器人才能真正的学习技能。 下一节课我们的标题是格式化训练级构建从原始数据到 r， l， d， s 以及 lay robot 的 数据格式。 我们会讲机器人训练数据如何标准化，为什么 open ai， google， mate 等团队啊，都关注统一的数据格式，以及如何把 r， g， b， d 动作语言封装成模型，可以直接训练的数据集。我们下一课见，拜拜！
16失控的PM
00:22查看AI文稿AI文稿新手入门必看二 d、 三 d 融合标注该怎么操作？我们优先在左侧二 d 图像画面锁定标注目标，依靠二维画面看清物体轮廓，分辨遮挡区域，再联动右侧三 d 点云，切换多个视角，调整立方框， 对照二 d 图像纹理，照准框体尺寸，还有物体朝向。全部标注完成后，三百六十度旋转点云全景自检，双向试图交叉合影，就能有效降低标注反光率。
01:06查看AI文稿AI文稿做遥感分割的同学应该感受到了，多模态融合着，摊子里冒头最快的是屏域融合。先说为什么难，光学 s a r 红外各是各的成像原理，一个被动反射，一个主动散射，数据天生不对齐。老办法在空间域硬融，融进去的是融鱼， 漏掉的是互补。尤其小目标细分的类别，精度怎么都上不去。最近 t g r s 二零二五那篇 f d m f net 思路挺刁，他不急着融，先把特征拆到屏域，低屏，留的是模态特有细节，拆完再用户信息，把融鱼压掉， 把低频对齐，最后拿低频当毛，去高频里挑有用的细节，合起来效果很直接。四个主流数据集刷到 s u t a w h o o p t s a r 上， m i o u 到百分之七十一点五七道路其他这种平时难分的类， 精度大概提了百分之十。欧洲城区 wakandan 百分之八十三点八二， pochdam 百分之八十六点四五。最讨喜的是好落地，它用 sega former 做出实化 单卡 a 一 零零就驯得动。代码 get up， 开源赋现不难。要是你想做小论文，不用从零搭，看个模块下手就行。屏域野马怎么姿势硬调户信息权重怎么设？地平引导怎么换，替换轻量化组合着来都能成文。论文资料包我整理好了，需要的同学我发你。
18遥感图像工坊
01:04查看AI文稿AI文稿抖音被拉黑后，还有办法看对方视频吗？好，现在这两个是正常的好友关系。拉黑之前是可以进入对方的主页的，就是可以看到他的作品，现在我们直接把他给拉黑，右上角三个点，然后这边有一个拉黑，确认拉黑 好，我们再重新返回，然后进入他的主页，拉黑过后对方的主页是这样的，那么还有什么办法能够看到他主页的视频呢？我们先返回进入抖音设置， 然后往下边翻最下边一项退出登录退出。 好，现在我们点击右上角的放大镜，搜索一下对方的昵称，当然如果是抖音号更好， 好，又能看到他的作品了，我们点击进去就是这么简单，有这方面困扰的朋友可以去试一下。
8110设置侠
01:11查看AI文稿AI文稿露露，这个数会读吗？个位？十位，百位。哎，停停停，这样读太慢了。大数的读法第一步要先分级。对，从右往左，每四个数为一级，我们一起来分一分，一、二、三、四， 那么这四个数就叫做个级。个级继续往前，一、二、三、四这四个数我们称为万级。一、二、三、四这四个数我们就称为一级。 读的时候我们只需要从最高位开始，一级一级的往下读，每一级的读法都是相同的，只不过一级和万级我们得加上吉名，也就是一和万。 跟着老师一起读。三千四百七十九亿四千六百三十二万五千七百六十三。看不就读出来了吗？怎么样，会读了吗？哇，老师，我会了。
1686素说数学
