imagenet

ImageNet 的出现极大推动了计算机视觉领域的发展。在通往强人工智能的路上，我们还需要考虑物体的外观、结构、物理性质、语义等因素。为此，上海交大卢策吾组近日重磅推出了大型真实世界铰接物体知识库 AKB-48！编译 | OGAI编辑 | 陈彩娴铰接物体在我们的生活中无处不在。全面理解这些铰接物体的外观、结构、物理性质

作者 | 杏花 编辑 | 青暮在日常生活中，我们需要一些「标准」来衡量个人的行为。而在科研工作中，研究人员也需要一些「基准」来评估模型的性能。因此，不管是普遍的「标准」还是特定的「基准」，它们都有一定的参考意义。然而，如果有一天我们发现这些「参照物」与实际生活渐行渐远时，它们该往何处去？

德国人文地理学家F.拉采尔曾指出“交通是城市形成的力”。而拥堵的交通环境，则能让一个城市“乏力”，处于亚健康的状态。 在人口密度大、城市集聚效应明显的亚洲和拉美地区，交通拥堵更是阻碍城市发展的“老大难”问题。“交通是一个城市的尊严，数据挖出看不见的路”。2018年的云栖大会上，中国工程院院士王坚这样表

作者 |  青暮 、陈大鑫 编辑 | 丛末麻省理工学院（MIT）已永久删除包含8000万张图像的Tiny Images数据集。此举是论文《Large image datasets: A pyrrhic win for computer vision?》中的发现导致的结果。论文作者

近日，麻省理工学院研究团队发表了一篇论文指控知名数据集ImageNet存在系统性Bug，该论文被国际机器学习大会ICML2020接收。 同时，这篇论文名为《From ImageNet to Image Classification: Contextualizing Progress on Benchmarks》

雷锋网 AI 科技评论按： 图神经网络（GNN）是当下风头无两的热门研究话题。然而，正如计算机视觉的崛起有赖于 ImageNet 的诞生，图神经网络也急需一个全球学者公认的统一对比基准。 近日，Bengio 大神带领其团队发布了新的图神经网络对比基准测试框架以及附带的 6 个标准化数据集。大家可以开始尽情

使用ImageNet、CIFAR、MNIST 或 IMDB 这些数据集时，你是不是会潜意识中假设，这些数据集中的类标签都是正确的？然而，你可能不知道：ImageNet数据集中至少有十万个标签是存在问题的。尽管大量的研究都在使用ImageNet，但却没有发现数据集存在如此多的标签错误。原因在于，想从海量数据中寻找并描述标

三十五亿张照片，树立 人工智能 新标杆 上周日，Facebook人工智能研究院（Facebook Artificial Intelligence Research）首席科学家，人工智能界的先驱 Yan Lecun（杨立昆）宣布开源了他们在图像识别以及整个计算机视觉领域的最新模型——“在I

雷锋网 AI 科技评论按，2018 年 11 月，何恺明在 arxiv 上提交论文 「 Rethinking ImageNet Pre-training 」，这篇论文由他与 Ross Girshick，Piotr Dollar 合作，系统地对预训练模型是不是必须的问题进行了研究，在坊间引起诸多讨论。两个