RM新时代官方网站-首页

2023 NeurIPS （國際神經(jīng)信息處理系統大會(huì )）

全球AI學(xué)術(shù)會(huì )議之一NeurIPS（Neural Information Processing Systems神經(jīng)資訊處理系統大會(huì )）公佈了2023年論文接收結果。 創(chuàng )新奇智提出了一種從粗標籤進(jìn)行細粒度學(xué)習的新方法（PE-HCM），研究論文《Hyperbolic Space with Hierarchical Margin Boosts Fine-Grained Learning from Coarse Labels》被NeurIPS 2023成功接收。 根據NeurIPS官方網(wǎng)站統計，2023年一共收到有效投稿論文12343篇，接收率為26.1%。

CVPR 2021 （國際電腦視覺(jué)與模式識別會(huì )議）

全球電腦視覺(jué)頂級會(huì )議CVPR（IEEE Conference onComputer Vision and Pattern Recognition）公佈了2021年論文接收結果。來(lái)自創(chuàng )新奇智的論文《Zero-Shot Instance Segmentation》成功被CVPR 2021接收。根據CVPR官方網(wǎng)站統計，2021年一共收到有效投稿論文超過(guò)7500篇，最終1663篇論文被接收，接收率為27.3%。

ECCV 2020 （歐洲電腦視覺(jué)國際會(huì )議 ）

創(chuàng )新奇智有關(guān)少樣本學(xué)習（Few-shot Learning）的研究論文《Prototype Rectification for Few-Shot Learning》被全球電腦視覺(jué)頂會(huì )ECCV 2020接收為Oral論文，入選率僅2%。論文指出，少樣本學(xué)習的瓶頸在於資料稀缺引起的偏差，主要包括類(lèi)內偏差和跨類(lèi)偏差，並提出相應方法有針對性地減小兩項偏差。

2019 DAC（國際頂級設計自動(dòng)化大會(huì )）

創(chuàng )新奇智發(fā)表論文《E?cient GPU NVRAMPersistence with Helper Warps》，提出一種方法，通過(guò)在GPU上使用NVRAM存儲的的交易處理系統，提升GPU性能，突破AI時(shí)代算力瓶頸。

2019 ICCV （國際電腦視覺(jué)大會(huì )）

創(chuàng )新奇智發(fā)表論文《HM-NAS: Efficient Neural Architecture Search viaHierarchical Masking》並獲workshop最佳提名，論文提出使用層級遮罩的搜索方法，讓模型訓練更快、模型參數更少、模型的網(wǎng)路結構更優(yōu)、對算力要求更低，只需要1-2塊GPU一天的訓練，即可完成模型的訓練生成。

國際頂級雜誌《IEEE Transactions onNeural Networks and Learning Systems》

創(chuàng )新奇智研發(fā)團隊發(fā)表論文《DeepInception-Residual Laplacian Pyramid Networks for Accurate Single-ImageSuper-Resolution》提出了一種新的圖像超解析度演算法，能更快速提高圖像重建精度，在工業(yè)品瑕疵檢測、精密測量、商品識別等領(lǐng)域具有非常高的產(chǎn)業(yè)實(shí)用價(jià)值。