FaceBoxes: A CPU Real-time Face Detector with High Accuracy. https://arxiv.org/abs/1708.05234

روز گذشته نخستین آلبوم تولید شده هوش مصنوعی با نام "I AM AI" که تقریبا همه‌ی کارهای آن از آهنگسازی و تنطیم گرفته تا اجرا را "هوش مصنوعی" انجام داده است منتشر شد. https://goo.gl/AWJBQH

هوش مصنوعی پیش از اینکه به زوال عقل مبتلا بشوید را پیش بینی می کند https://goo.gl/Baqyrq #ArtificialIntelligence #DeepLearning #Alzheimers

Godfather of artificial intelligence" Geoffrey Hinton wants states to ban lethal autonomous weapons systems


https://www.telegraph.co.uk/technology/2017/08/26/godfather-ai-making-machines-clever-whether-robots-really-will/ … #CCWUN

#new #Review on Computer Vision Techniques in Emergency Situation. https://arxiv.org/abs/1708.07455

Best paper at #KDD2017 idea: Android malware detection using API call relationships in a Machine-Learned system https://goo.gl/G7hGfC

همکاری گوگل و دانشگاه ام آی تی نتیجه داد

🔵انقلابی در تصویربرداری با تلفن همراه

همکاری غول فناوری یعنی گوگل با دانشگاه MIT به شکل گیری امکان منحصربفردی منجر شده که طی آن می توان از سیستمی منحصربفرد برای ثبت باکیفیت ترین تصاویر و پردازش مورد نیاز پیش از ثبت تصویر توسط تلفن همراه هوشمند استفاده کرد.
این روزها استفاده از تلفنهای همراه هوشمند و ثبت تصاویر توسط دوربین این گجتهای همراه اقدامی همه گیر و برای بسیاری یک عادت غیرقابل ترک شده است. اما حتی افراد عادی هم می دانند که ثبت تصویر به مقوله ای متفاوت از قبل تبدیل شده و حالا همه دوست دارند تصاویر باکیفیت و با وضوح بالاتری را ثبت کنند.
بدین منظور گوگل و دانشگاه MIT همکاری جالب توجهی را آغاز کرده اند که نتیجه آن ارایه سطحی پیشرفته از تصویربرداری محاسباتی است. در واقع در این سطح از تصویربرداری از هوش مصنوعی جهت انتخاب بهترین وضعیت تصویر استفاده می شود.
پیشتر گوگل توانسته بود الگوریتمهایی موسوم به HDR را برای ثبت تصاویر با ویژگی دینامیک بالا ارایه کند اما این ویژگی با یک محدودیت چشمگیر همراه شد و آن از تخلیه سریع شارژ باتری تلفن همراه.
حالا اما محققان دانشگاه MIT وارد عمل شده تا با استفاده از تازه ترین یافته های عرصه هوش مصنوعی، ضمن از بین بردن این محدودیت، امکان ثبت باکیفیت ترین تصاویر را برای کاربران تلفنهای همراه هوشمند فراهم کنند. در این پروژه گروهی از محققان آزمایشگاه هوش مصنوعی و علوم رایانه دانشگاه MIT حضور دارند.
در این نوآوری از سطح پیشرفته ای از یادگیری ماشینی استفاده می شود که به اصلاح رنگمایه پیکسلهای تصویر آن هم در کسری از از زمان می پردازد.


مقاله
Deep Bilateral Learning for Real-Time Image Enhancement":

https://groups.csail.mit.edu/graphics/hdrnet/
مترجم : مهدی پیرگزی

منبع :
https://newatlas.com/google-mit-instant-photo-retouching/50739/

Understanding and Comparing Deep Neural Networks for Age and Gender Classification. https://arxiv.org/abs/1708.07689

چگونه نوروساینس به پیشرفت یادگیری ماشین کمک کرد
لینک خبر : https://goo.gl/tQcC8N
Article :https://arxiv.org/abs/1705.03821

Videos are now available for the 2017 Deep Learning (and RL) Summer Schools in Montreal https://videolectures.net/deeplearning2017_montreal/

Deep Learning In The Brain. #BigData #DeepLearning #MachineLearning #DataScience #AI #NeuroScience
https://buff.ly/2vuFkZy

Learning to see through fog by synthetically adding fog to regular data. Evaluates on real foggy data. Useful in SF. https://arxiv.org/abs/1708.07819

Neural network trained to rate how much pain someone is in just by looking at their face could
https://ow.ly/PfIw30eRLbD article:https://arxiv.org/abs/1708.04670

‍ (https://axnegar.fahares.com/axnegar/WKEoRIjWleJ7Eb/5529567.jpg)



scientists have for the first time used artificial neural networks to analyze complex distortions in spacetime called gravitational lenses, demonstrating that the method is 10 million times faster than traditional analyses

🔷link: https://goo.gl/info/JMepdr


🌒 Article:https://goo.gl/info/ST1fwZ

ohai a machine learning system that can identify ~69% of protesters who are wearing caps AND scarfs to cover their face. Article: https://goo.gl/3nCuWU

Machine Learning with TensorFlow (GDD Europe '17) https://buff.ly/2gGPKLr In this video, Andrew Gasparovic gives you an introduction to TensorFlow and goes through new things that have been developed

BAIR blog post on our new NIPS paper on deep multi-view stereo. Check out how to train your stereo machine
https://bair.berkeley.edu/blog/2017/09/05/unified-3d/
Article:https://arxiv.org/abs/1708.05375

Adversarial Discriminative Domain Adaptation" CVPR2017: combines discriminative modeling, weight sharing & GAN loss https://arxiv.org/abs/1702.05464

Interesting blog post by Giorgio Patrini from University of Amsterdam about learning from unlabeled data and self https://fb.me/29GRl8Pwz

Understanding Black-box Predictions via Influence Functions #ICML2017 best paper https://goo.gl/Buk3Cx

Best Paper award #EMNLP2017 idea: reduce gender bias in visual recognition problems by using Lagrangian relaxation https://arxiv.org/abs/1707.09457