|
搜索
搜 索
高等教育领域数字化综合服务平台
AI画屏（The AI screen）
绘画作品的艺术风格包含画像的色彩、纹理、笔触等等，往往很难准确定义。基于深度学习的画像风格迁移让机器自行学习艺术家的作品，使得最终输出的合成图像呈现出与艺术家作品一致的风格。本演示可以把艺术家的风格迁移到摄像头捕捉的图像中，让平淡的图像呈现出不一样的艺术气息。
（The artistic style of a painting, which includes colors, textures, strokes, etc., is often difficult to define accurately. Deep learning-based portrait style transfer allows the machine to learn the artist's work by itself, so that the final output composite image presents a consistent style with the artist's work. This demo can transfer the artist's style to the image captured by the camera, so that the dull image presents a different artistic atmosphere.）
重庆海云捷迅科技有限公司
2022-06-17
关于征集北京市人工智能行业大模型应用案例和应用场景需求的通知
为加快推动以大模型为代表的人工智能技术赋能社会经济高质量发展，现面向本市人工智能创新主体和行业用户，征集人工智能行业大模型应用案例、行业应用场景需求，同时启动北京市大模型技术产业创新图谱梳理工作，有关事项通知如下
信息科技处
2023-06-27
华中农业大学人工智能教学设备购置（PC机更新）竞争性磋商公告
华中农业大学人工智能教学设备购置（PC机更新）竞争性磋商
华中农业大学
2022-06-23
科技部关于支持建设新一代人工智能示范应用场景的通知
为加快推动人工智能应用，助力稳经济，培育新的经济增长点，科技部15日公布了《关于支持建设新一代人工智能示范应用场景的通知》，启动支持建设新一代人工智能示范应用场景工作。
科技部
2022-08-15
浙江省人民政府办公厅关于加快人工智能产业发展的指导意见
为深入贯彻落实党中央、国务院关于发展新一代人工智能的决策部署，抢抓通用人工智能发展的重大战略机遇，推动产业高质量发展，经省政府同意，现提出如下意见。
浙江省人民政府办公厅
2024-01-11
【高教前沿】赵云山：坚持守正创新，勇于探索实践，人工智能助力新医科人才培养
为深入学习贯彻党的二十届三中全会和全国教育大会精神，落实立德树人根本任务，中国高等教育学会联合中国教育在线推出《高教前沿》系列访谈栏目，汇聚独家视角，分享真知灼见。
中国高等教育博览会
2024-12-17
江苏省教育厅关于印发《江苏高校人工智能赋能专业建设行动方案》的通知
为深入贯彻习近平总书记关于发展人工智能的重要论述，积极响应教育部人工智能赋能教育行动，加快人工智能理念、知识、方法和技术深度融入高等教育专业建设，推动课程教材、培养方式、实习实践、教学管理及评价机制等改革创新，打造一流“人工智能+”专业体系，特制定如下行动方案。
江苏省教育厅
2024-12-10
国家网信办等七部门联合公布《生成式人工智能服务管理暂行办法》
旨在促进生成式人工智能健康发展和规范应用，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益。
网信中国
2023-07-13
广东省人民政府关于加快建设通用人工智能产业创新引领地的实施意见
为贯彻落实习近平总书记关于人工智能的系列重要论述精神，落实国家发展新一代人工智能的决策部署，抢抓通用人工智能发展的重大战略机遇，充分发挥广东在算力基础设施、产业应用场景、数据要素等方面的优势，加快建设通用人工智能产业创新引领地，现提出以下意见。
广东省人民政府
2023-11-14
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10