人工智能創(chuàng)新啟示錄：技術前沿

目　錄
CHAPTER01 計算機視覺 001
1.1　計算機視覺發(fā)展概述 / 002
1.1.1　計算機視覺的發(fā)展之路 / 002
1.1.2　計算機視覺 ：讓機器看懂世界 / 005
1.2　計算機視覺技術前沿 / 013
1.2.1　從感知到認知 ：全面構建“視覺+”智能體系 / 013
1.2.2　從識別到檢測 ：視頻中的人類動作理解研究 / 023
1.2.3　基于互聯(lián)網(wǎng)文本描述和深度對偶學習的圖像分割技術 / 028
1.2.4　基于深度學習的無人駕駛路徑規(guī)劃和控制 / 035
1.2.5　從海量監(jiān)控視頻中提取并展示目標活動線索 / 040
1.2.6　基于視覺的無人機地面目標自主跟蹤系統(tǒng) / 044
1.2.7　視覺內容自動描述的研究進展 / 050
1.3　計算機視覺技術的應用落地發(fā)展 / 052
1.3.1　從蜜棗網(wǎng)案例談微軟認知服務 / 052
1.3.2　深度學習在醫(yī)學影像分析中的應用進展 / 056
1.3.3　計算機視覺技術助力京東無人零售店 / 061
1.3.4　商湯科技助力中國移動在線打造移動端實名認證系統(tǒng) / 064
點評 / 066

CHAPTER02
智能語音語義 067
2.1　國內外智能語音產(chǎn)業(yè)的格局與趨勢 / 068
2.1.1　智能語音技術概述 / 068
2.1.2　智能語音產(chǎn)業(yè)發(fā)展情況 / 071
2.1.3　智能語音應用場景及發(fā)展趨勢 / 074
2.1.4　智能語音產(chǎn)業(yè)發(fā)展展望 / 075
2.2 　自然語言處理與語音識別的技術前沿 / 076
2.2.1　文本自動摘要研究進展 / 076
2.2.2　深度學習時代下的機器翻譯 / 085
2.2.3　人機對話系統(tǒng)綜述 / 092
2.2.4　基于結構化知識監(jiān)督的事件抽取研究 / 096
2.2.5　解讀“人機交互”的核心技術 / 102
2.2.6　基于 WaveNet 的語音合成聲碼器研究 / 113
2.2.7　 2017 年 TREC 任務賽 ：基于LSTM的問題相似度學習方法 / 117
2.3 　智能語音語義技術的應用落地發(fā)展 / 121
2.3.1　阿里巴巴的自然語言處理技術應用與發(fā)展 / 121
2.3.2　從網(wǎng)絡理論認識知識工程 / 129
2.3.3　利用自然語言處理技術控制金融風險 / 136
點評 / 140

CHAPTER03
人工智能芯片 141
3.1　人工智能芯片發(fā)展概述 / 142
3.1.1　人工智能芯片 ：從歷史看未來 / 142
3.1.2　人工智能芯片 ：加速智能時代的發(fā)動機 / 152
3.2　人工智能芯片的技術前沿與應用進展 / 160
3.2.1　Thinker ：可重構混合神經(jīng)網(wǎng)絡計算芯片 / 160
3.2.2　寒武紀 ：智能處理器和基準測試集 / 174
3.2.3　端側人工智能芯片的挑戰(zhàn)和展望 / 180
3.2.4　端側人工智能芯片和構筑華為終端智慧化之路 / 185
3.2.5　稀疏化 ：神經(jīng)網(wǎng)絡計算新范式 / 189
3.2.6 神經(jīng)形態(tài)計算發(fā)展現(xiàn)狀與展望 / 198
3.2.7　英特爾 Loihi 神經(jīng)擬態(tài)芯片 ：引領智能計算新突破 / 206
3.2.8　面向腦機接口的神經(jīng)擬態(tài)芯片 / 215
3.2.9　光子神經(jīng)網(wǎng)絡——重新定義人工智能芯片 / 219
3.2.10　從 AIoT 的人機交互需求看人工智能芯片的落地路徑 / 224
3.2.11 浪潮：面向多模態(tài)應用的超異構計算平臺 / 230
點評 / 243
參考文獻 244
作者介紹 251