携手创作，共同生长！这是我参与「日新计划 8 月更文挑战」的第24天，点击检查活动概况

ShowMeAI日报系列全新升级！掩盖AI人工智能 东西&结构 | 项目&代码 | 博文&共享 | 数据&资源 | 研讨&论文 等方向。点击检查 历史文章列表，在大众号内订阅话题 #ShowMeAI资讯日报，可接纳每日最新推送。点击 专题合辑&电子月刊 快速阅读各专题全集。

脉脉发布人工智能人才数据图鉴 , 最难招岗位TOP10算法占7席（附下载）

www.toutiao.com/article/713…

脉脉本周发布《2022人工智能顶尖人才数据图鉴》。数据显示，科技大厂仍是人工智能招聘主力，小巨头Shopee、小红书人工智能招聘需求增加最快，杭州的人工智能人才数是上海深圳的总和，传统互联网正在为人工智能造血——多个岗位均能转向数据科学家 ，自动驾驶范畴岗位需求有巨大缺口。

新一轮人才流动已经开端，互联网的行业光环逐步消失，人工智能的兴起为技能人才带来新的作业盈利期。从互联网到以人工智能为代表的新式行业，成为能够预见的人才迁徙必经之路。（大众号『ShowMeAI研讨中心』回复『日报』，获取PDF高清文件）

东西&结构

『OcrPy 』OCR辨认、归档、索引和查找

github.com/maxent-ai/o…

maxentlabs.com/ocrpy/

OcrPy 是一个 OCR 强壮东西，能够协助用户轻松地对任何文件进行 OCR(光学文字辨认)、归档、索引和查找，它包括简略直观的界面和一个强壮的管道 API。Ocrpy 内置各种 OCR 引擎，如 Tesseract OCR、Aws Textract、Google Cloud Vision 和 Azure Computer Vision，统一了由各种云东西和其他开源库供给的众多接口，并为用户供给了一个简略、易于使用的界面。

『Sunmao UI』前端低代码结构

github.com/smartxworks…

sunmao-ui.com/

Sunmao (榫卯)是一个前端低代码结构。经过 Sunmao，您能够轻松将各种前端 UI 组件库和自己开发的前端组件，封装成低代码组件库，然后搭建您自己的低代码 UI 开发东西，使前端开发变得如榫卯般严丝合缝。

『gpytoolbox』Python 几许处理东西箱

github.com/sgsellan/gp…

gpytoolbox.org/

gpytoolbox 是一个东西箱，包括用Python制作几许图形处理研讨原型的有用函数调集。

『NITorch』聚焦神经成像的PyTorch深度学习医学图画处理剖析库

github.com/balbasty/ni…

NITorch 是一个用 PyTorch 编写的库，旨在进行医学图画处理和剖析，重点是神经印象学。它是一个多功能的软件包，为深度学习和根据优化的算法完成了初级东西和高档算法。它完成了初级别的可微分函数、层、主干、优化器，但也完成了注册和逆向问题的高档算法，以及一套用于操作医学图画的命令行东西。

博文&共享

『Linear Algebra for Everyone』线性代数的艺术 图形化笔记

github.com/kenjihirana…

作者尝试对『适用于所有人的线性代数』中介绍的重要概念进行直观的可视化，从矩阵分化的角度促进对向量/矩阵核算和算法的了解，包括列行 (Column-Row CR)、高斯消除 (Gaussian Elimination LU)、Gram-Schmidt 正交化 (QR)、特征值和对角化 (Q \Lambda Q^T) 和奇异值分化 (U \Sigma V^T)。

『李沐深度学习论文精读』系列视频合辑

github.com/mli/paper-r…

视频也在B站和知乎更新。论文选取的原则是10年内深度学习里有影响力文章（必读文章），或者近期比较有意思的文章。

数据&资源

『CVPR2022 Autonomous Driving』CVPR 2022 自动驾驶资源合集

github.com/yolofeng/CV…

资源合辑包括以下部分：

• 自动驾驶数据集
• end-end自动驾驶
• BEV感知算法
• Corner Case(Anomaly Detection)处理方案
• 障碍物轨道预测
• 建图与定位
• 多模态数据融合算法
• 多使命学习网络
• 2d/3d目标检测算法
• 多目标盯梢算法
• 场景切割算法
• 车道线/可行驶区域
• 深度估量

研讨&论文

大众号回复关键字日报，免费获取整理好的论文合辑。

科研发展

• 2022.08.11 『数据扩增』Towards Sequence-Level Training for Visual Tracking
• 2022.08.07 『量子物理』Artificial Intelligence and Machine Learning for Quantum Technologies
• 2022.07.02 『机器学习』DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps
• 2022.08.04 『核算机视觉』Vision-Centric BEV Perception: A Survey

⚡ 论文：Towards Sequence-Level Training for Visual Tracking

论文时刻：11 Aug 2022

范畴使命：Data Augmentation, reinforcement-learning, 数据扩增，强化学习

论文地址：arxiv.org/abs/2208.05…

代码完成：github.com/byminji/SLT…

论文作者：Minji Kim, Seungkwan Lee, Jungseul Ok, Bohyung Han, Minsu Cho

论文简介：Despite the extensive adoption of machine learning on the task of visual object tracking, recent learning-based approaches have largely overlooked the fact that visual tracking is a sequence-level task in its nature; they rely heavily on frame-level training, which inevitably induces inconsistency between training and testing in terms of both data distributions and task objectives./虽然机器学习在视觉物体盯梢使命上被广泛采用，但最近根据学习的方法在很大程度上疏忽了一个现实，即视觉盯梢在本质上是一个序列级的使命；它们严峻依赖帧级练习，这不可避免地在数据散布和使命目标方面引起了练习和测验的不一致。

论文摘要：虽然机器学习在视觉物体盯梢使射中被广泛采用，但最近根据学习的方法在很大程度上疏忽了一个现实，即视觉盯梢在本质上是一个序列级的使命；它们严峻依赖帧级练习，这不可避免地引起了练习和测验在数据散布和使命目标方面的不一致。这项作业介绍了一种根据强化学习的视觉盯梢的序列级练习策略，并评论了数据采样、学习目标和数据增强的序列级设计怎么能够进步盯梢算法的准确性和鲁棒性。咱们在包括LaSOT、TrackingNet和GOT-10k在内的标准基准上的实验表明，四个有代表性的盯梢模型，SiamRPN++、SiamAttn、TransT和TrDiMP，经过在练习中参加所提出的方法，在不修正架构的情况下，持续地进步。

⚡ 论文：Artificial Intelligence and Machine Learning for Quantum Technologies

论文时刻：7 Aug 2022

范畴使命：Quantum Physics (quant-ph)，量子物理

论文地址：arxiv.org/abs/2208.03…

代码完成：github.com/ml4qtech/co…

论文作者：Mario Krenn, Jonas Landgraf, Thomas Foesel, Florian Marquardt

论文简介：In recent years, the dramatic progress in machine learning has begun to impact many areas of science and technology significantly./近年来，机器学习的巨大进步已经开端对许多科技范畴发生严重影响。

论文摘要：近年来，机器学习的巨大进步已经开端对许多科学和技能范畴发生严重影响。在本篇文章中，咱们探讨了量子技能是怎么从这场革射中获益的。咱们在说明性的比如中展现了科学家们在过去几年中怎么开端使用机器学习和更广泛的人工智能方法来剖析量子测量，估量量子设备的参数，发现新的量子实验设置、协议和反应策略，并遍及改进量子核算、量子通讯和量子模拟的各个方面。咱们讲到了开放的挑战和未来的可能性，并以对未来十年的一些推测性愿景作为完毕。

⚡ 论文：DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps

论文时刻：2 Jun 2022

范畴使命：机器学习

论文地址：arxiv.org/abs/2206.00…

代码完成：github.com/luchengthu/…

论文作者：Cheng Lu, Yuhao Zhou, Fan Bao, Jianfei Chen, Chongxuan Li, Jun Zhu

论文简介：In this work, we propose an exact formulation of the solution of diffusion ODEs./在这项作业中，咱们提出了分散ODEs处理方案的准确表述。

论文摘要：分散概率模型（DPMs）是新式的强壮生成模型。虽然它们具有高质量的生成性能，但DPMs依然受到缓慢采样的影响，因为它们通常需要对大型神经网络进行数百或数千次的连续函数评价（过程）才能得出一个样本。从DPM中取样能够被看作是处理相应的分散常微分方程（ODEs）。在这项作业中，咱们提出了一个处理分散ODEs的准确公式。该公式显式地核算了处理方案的线性部分，而不是像以前的作业那样留给黑盒ODE求解器。经过应用变量的变化，处理方案能够等效地简化为神经网络的指数加权积分。根据咱们的表述，咱们提出了DPM-Solver，这是一个快速的专用于分散ODE的高阶求解器，具有收敛次序保证。DPM-Solver适用于离散时刻和连续时刻的DPMs，无需进一步练习。实验结果表明，DPM-Solver在各种数据集上只需进行10到20次函数评价就能生成高质量的样本。在CIFAR10数据集上，咱们在10次函数评价中完成了4.70个FID，在20次函数评价中完成了2.87个FID，与之前最先进的免练习采样器相比，在各种数据集上的速度进步了4∼16倍。

⚡ 论文：Vision-Centric BEV Perception: A Survey

论文标题：Vision-Centric BEV Perception: A Survey

论文时刻：4 Aug 2022

范畴使命：核算机视觉

论文地址：arxiv.org/abs/2208.02…

代码完成：github.com/4dvlab/visi…

论文作者：Yuexin Ma, Tai Wang, Xuyang Bai, Huitong Yang, Yuenan Hou, Yaming Wang, Yu Qiao, Ruigang Yang, Dinesh Manocha, Xinge Zhu

论文简介：To stimulate its future research, this paper presents a comprehensive survey of recent progress of vision-centric BEV perception and its extensions./为了刺激其未来的研讨，本文对以视觉为中心的BEV感知及其扩展的最新发展进行了全面查询。

论文摘要：以视觉为中心的BEV感知由于其固有的优点，包括呈现世界的天然表征和对融合友好，最近受到工业界和学术界越来越多的关注。随着深度学习的快速发展，人们提出了许多方法来处理以视觉为中心的BEV感知问题。然而，对于这个新的和不断增加的研讨范畴，还没有最新的总述调研。为了促进其未来的研讨，本文对以视觉为中心的BEV感知及其扩展的最新发展进行了全面的查询。它收集和整理了最近的常识，并对常用的算法进行了体系的回顾和总结。它还供给了对几个BEV感知使命的深入剖析和比较结果，促进了对未来作业的比较并激发了未来的研讨方向。此外，还评论了经验性的完成细节，并显示出对相关算法的发展有所协助。

咱们是 ShowMeAI，致力于传达AI优质内容，共享行业处理方案，用常识加快每一次技能生长！点击检查 历史文章列表，在大众号内订阅话题 #ShowMeAI资讯日报，可接纳每日最新推送。点击 专题合辑&电子月刊 快速阅读各专题全集。

• 作者：韩信子@ShowMeAI
• 历史文章列表
• 专题合辑&电子月刊
• 声明：版权所有，转载请联系平台与作者并注明出处
• 欢迎回复，托付点赞，留言推荐中有价值的文章、东西或主张，咱们都会尽快回复哒~