英特尔强调人工智能可以看到角落，自闭症谱系教育儿童，等等

 
本周标志着计算机视觉和模式识别会议(CVPR)的开始，这是由电气和电子工程师协会计算机学会和计算机视觉基金会共同发起的学术会议。自1983年成立以来，它已经大幅增长，现在每年都有成千上万的研究人员提交了成千上万的研究论文。事实上，今年它首次接受了来自5,165人的超过1,000项研究。
英特尔的研究团队是众多提出工作需求的研究团队之一，今天上午在公司的人工智能博客上发表了一篇文章，其中突出了一些与会议组织者合作的文章。 “英特尔认为技术 – 包括我们在CVPR上展示的应用程序 – 可以解开新的体验，这些体验可以改变我们解决各个行业问题的方式，从教育到医药再到制造业，”英特尔实验室Rich Uhlig的总经理和高级研究员说道。在一份声明中。 “随着计算机视觉技术的进步，我们可以对我们的设备进行编程，以帮助我们识别隐藏的物体，甚至使我们的机器能够教授人类行为规范。”
英国实验室和斯坦福大学的科学家共同撰写的一篇论文“声学非视线成像”描述了一种能够构建数字图像的系统，揭示了即将到来的东西。他们所谓的非视距(NLOS)技术可以轻拍扬声器和现成的麦克风，捕捉返回声学回声的时间，从而为受地震成像启发的算法提供隐藏物体图像。这不是第一种类型的方法 – 2017年麻省理工学院详细介绍了一种类似于通过分析阴影来重建视野外场景的摄像机 – 但该论文的共同作者表示，他们的方法可以缩放到更远的距离并且拥有更短的曝光时间。
英特尔的第二篇论文 – “用于推进大卫深度卷积神经网络训练的深度监督的知识协同” – 为卷积神经网络提供了一种新的训练技术，卷积神经网络是一种常用于分析视觉图像的AI模型。通过创建“知识协同效应”，他们减少了与替代方案相比的培训时间，使模型能够将知识转移到其内部网络的其他组件，并在此过程中减轻噪声数据并提高模型的准确性和数据识别能力。
“可解释的机器学习，用于生成具有语义意义的形成反馈”，英特尔实验室与伊斯坦布尔科克大学之间的合作，描述了一个框架，可能为机器学习系统提供信息，能够教导自闭症谱系儿童如何表达和识别情绪。科学家们引用的研究表明，如果专家提供反馈意见，自闭症儿童通常很难收集面部和声带提示背后的意图，就像他们的神经典型同伴一样。该团队报告说，在对儿童语音数据集进行的实验中，表达式存在差异，所提出的机制产生的反馈“符合临床预期”。
英特尔重点关注的第四项也是最后一项研究 – “PartNet：细粒度和层次化零件级3D对象理解的大规模基准” – 除了居民外还包括斯坦福大学，西蒙弗雷泽大学和加州大学圣地亚哥分校的研究人员英特尔AI实验室的科学家，他描述了一个用细粒度信息注释的大型3D对象数据集。正如共同作者所解释的那样，识别物体及其部件对于人类和机器人如何与世界相互作用至关重要，但是包含实例级别的分层部分信息的相对较少的3D注释语料库是公开可用的。为了解决这个问题，团队编制了自己的(在24个对象类别中为26,671个形状提供了超过573,585个部分注释)并建立了三个用于评估3D零件识别的基准测试任务，并在四个最先进的3D AI上测试了他们的语料库算法并引入了一种新的零件实例分割方法。
他们报告的优于现有方法的“优越”表现。