


Alibaba DAMO Academy lance un grand modèle d'IA de télédétection, permettant à l'IA de pénétrer davantage dans les domaines
Le 20 octobre, l'Alibaba DAMO Academy a publié le premier modèle d'IA de télédétection à grande échelle du secteur. Un modèle peut identifier les terres agricoles, les cultures, les bâtiments et autres objets de surface, permettant à l'IA de pénétrer davantage dans les champs et d'améliorer considérablement la prévention des catastrophes et les ressources naturelles. gestion. , estimation du rendement agricole et autres applications de télédétection, ce modèle a été ouvert pour une utilisation sur la plateforme cloud géoscientifique AI Earth.
La technologie de télédétection est largement utilisée dans l'économie nationale et dans les moyens de subsistance des populations, comme les opérations urbaines, la protection des terres agricoles, les secours d'urgence en cas de catastrophe, etc. L'IA de télédétection peut considérablement augmenter la profondeur d'utilisation des données existantes et produire des analyses plus raffinées et plus précises. Les résultats, tels que la combinaison de photos satellite et de conditions météorologiques historiques, peuvent être utilisés pour « calculer » l'état de croissance des cultures sur une certaine parcelle de terre agricole, de sorte que l'agriculture ne soit plus passive, mais plus proactive, « en fonction de la météo ».
Dans le passé, en raison de l'énorme échelle des données d'images satellite de télédétection et de la classification complexe des objets au sol, pour identifier différents objets de surface, plusieurs modèles de télédétection dédiés devaient être entraînés séparément, et un seul modèle présentait des problèmes tels que faible précision de reconnaissance et mauvaise généralisation. En avril 2023, l'article « Segment Anything » publié par Meta a introduit la vision par ordinateur dans un moment d'itération rapide de grands modèles et a également favorisé le développement de l'IA de télédétection dans le sens « un modèle résout plusieurs tâches ».
Le modèle de segmentation universel d'interprétation de l'IA de télédétection (AIE-SEG) proposé par la DAMO Academy est le premier à réaliser la tâche unifiée de segmentation d'images dans le domaine de la télédétection. Un modèle peut réaliser l'extraction rapide de « zéro échantillon de tout ». " et peut identifier Il peut classer près d'une centaine de types d'objets de télédétection tels que les terres agricoles, les plans d'eau et les bâtiments, tout en conservant une reconnaissance de haute précision dans le cadre d'un traitement multitâche. Il peut également ajuster automatiquement les résultats de reconnaissance en fonction de l'interaction de l'utilisateur. retour. Dans certains scénarios spécifiques, par rapport aux modèles de télédétection traditionnels, la précision de l'extraction des instances peut être augmentée de 25 % et la précision de la détection des changements peut être augmentée de 30 %.
Légende : Ce modèle prend en charge l'interaction multimodale. Par exemple, si vous entrez "Extraire les terres agricoles des images", la cible sélectionnée sera automatiquement identifiée
Sur la base des capacités de base ci-dessus, le grand modèle d'IA de télédétection. fournit un service d'appel API « prêt à l'emploi », les utilisateurs peuvent personnaliser différentes fonctions d'interprétation de l'IA de télédétection en fonction de différents besoins, tels que l'extraction d'eau, la surveillance des changements dans les terres agricoles, l'identification photovoltaïque, etc.
L'Institut provincial d'arpentage et de cartographie du Shandong coopère avec l'Institut Damo dans les domaines de l'étude des ressources naturelles et de la protection des terres cultivées depuis 2022, en utilisant un grand modèle d'IA de télédétection pour mener des recherches sur la surveillance de la croissance du blé d'hiver dans la province du Shandong. la précision de l'identification a atteint plus de 90 %, ce qui est efficace. Elle améliore l'efficacité de l'interprétation de la télédétection du blé d'hiver, aide les gestionnaires agricoles à mieux prédire la production céréalière et améliore l'efficacité de la production agricole.
L'Institut national de prévention et de contrôle des catastrophes naturelles utilise un grand modèle d'IA de télédétection pour identifier les glissements de terrain et les bâtiments effondrés. Lors du test d'images de télédétection de zones de catastrophes naturelles historiques, il ne faut que plus de dix minutes pour extraire ces informations sur les catastrophes. Par rapport aux méthodes d'identification manuelles, l'efficacité est augmentée des dizaines de fois, fournissant un support d'analyse de télédétection efficace et précis pour les secours scientifiques en cas de catastrophe.
Luo Hao, responsable de l'algorithme AI Earth du Laboratoire de technologie de vision de la DAMO Academy, a déclaré que la multimodalité de télédétection est le seul moyen d'encourager les êtres humains à mieux comprendre la Terre. La DAMO Academy continuera à promouvoir la recherche sur la Terre. télédétection de grands modèles d'IA et utilisation de l'IA pour aider la Terre à l'exploration et aux applications.
AI Earth est une plateforme cloud unique pour les sciences de la Terre lancée par la DAMO Academy en 2022. Basée sur l'accumulation d'apprentissage profond, de vision par ordinateur, d'analyse géospatiale et d'autres technologies, elle fournit des services d'analyse de cloud computing pour les données d'observation multi-sources. Actuellement, il coopère avec 50 universités nationales et a établi une coopération, et les technologies associées ont été appliquées à des institutions telles que le ministère des Ressources en eau, le Centre météorologique national et le ministère de l'Écologie et de l'Environnement.
Ci-joint : Entrée pour utiliser le grand modèle d'IA de télédétection de la DAMO Academy
https://engine-aiearth.aliyun.com/#/app/aie-seg
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com Dans le processus de développement de l'intelligence artificielle, le contrôle et le guidage des grands modèles de langage (LLM) ont toujours été l'un des principaux défis, visant à garantir que ces modèles sont à la fois puissant et sûr au service de la société humaine. Les premiers efforts se sont concentrés sur les méthodes d’apprentissage par renforcement par feedback humain (RL

Il s'agit également d'une vidéo Tusheng, mais PaintsUndo a emprunté une voie différente. L'auteur de ControlNet, LvminZhang, a recommencé à vivre ! Cette fois, je vise le domaine de la peinture. Le nouveau projet PaintsUndo a reçu 1,4kstar (toujours en hausse folle) peu de temps après son lancement. Adresse du projet : https://github.com/lllyasviel/Paints-UNDO Grâce à ce projet, l'utilisateur saisit une image statique et PaintsUndo peut automatiquement vous aider à générer une vidéo de l'ensemble du processus de peinture, du brouillon de ligne au suivi du produit fini. . Pendant le processus de dessin, les changements de lignes sont étonnants. Le résultat vidéo final est très similaire à l’image originale : jetons un coup d’œil à un dessin complet.

La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com Les auteurs de cet article font tous partie de l'équipe de l'enseignant Zhang Lingming de l'Université de l'Illinois à Urbana-Champaign (UIUC), notamment : Steven Code repair ; doctorant en quatrième année, chercheur

Si la réponse donnée par le modèle d’IA est incompréhensible du tout, oseriez-vous l’utiliser ? À mesure que les systèmes d’apprentissage automatique sont utilisés dans des domaines de plus en plus importants, il devient de plus en plus important de démontrer pourquoi nous pouvons faire confiance à leurs résultats, et quand ne pas leur faire confiance. Une façon possible de gagner confiance dans le résultat d'un système complexe est d'exiger que le système produise une interprétation de son résultat qui soit lisible par un humain ou un autre système de confiance, c'est-à-dire entièrement compréhensible au point que toute erreur possible puisse être trouvé. Par exemple, pour renforcer la confiance dans le système judiciaire, nous exigeons que les tribunaux fournissent des avis écrits clairs et lisibles qui expliquent et soutiennent leurs décisions. Pour les grands modèles de langage, nous pouvons également adopter une approche similaire. Cependant, lorsque vous adoptez cette approche, assurez-vous que le modèle de langage génère

acclamations! Qu’est-ce que ça fait lorsqu’une discussion sur papier se résume à des mots ? Récemment, des étudiants de l'Université de Stanford ont créé alphaXiv, un forum de discussion ouvert pour les articles arXiv qui permet de publier des questions et des commentaires directement sur n'importe quel article arXiv. Lien du site Web : https://alphaxiv.org/ En fait, il n'est pas nécessaire de visiter spécifiquement ce site Web. Il suffit de remplacer arXiv dans n'importe quelle URL par alphaXiv pour ouvrir directement l'article correspondant sur le forum alphaXiv : vous pouvez localiser avec précision les paragraphes dans. l'article, Phrase : dans la zone de discussion sur la droite, les utilisateurs peuvent poser des questions à l'auteur sur les idées et les détails de l'article. Par exemple, ils peuvent également commenter le contenu de l'article, tels que : "Donné à".

Actuellement, les modèles linguistiques autorégressifs à grande échelle utilisant le prochain paradigme de prédiction de jetons sont devenus populaires partout dans le monde. Dans le même temps, un grand nombre d'images et de vidéos synthétiques sur Internet nous ont déjà montré la puissance des modèles de diffusion. Récemment, une équipe de recherche de MITCSAIL (dont Chen Boyuan, doctorant au MIT) a intégré avec succès les puissantes capacités du modèle de diffusion en séquence complète et du prochain modèle de jeton, et a proposé un paradigme de formation et d'échantillonnage : le forçage de diffusion (DF ). Titre de l'article : DiffusionForcing:Next-tokenPredictionMeetsFull-SequenceDiffusion Adresse de l'article : https://

Récemment, l’hypothèse de Riemann, connue comme l’un des sept problèmes majeurs du millénaire, a réalisé une nouvelle avancée. L'hypothèse de Riemann est un problème mathématique non résolu très important, lié aux propriétés précises de la distribution des nombres premiers (les nombres premiers sont les nombres qui ne sont divisibles que par 1 et par eux-mêmes, et jouent un rôle fondamental dans la théorie des nombres). Dans la littérature mathématique actuelle, il existe plus d'un millier de propositions mathématiques basées sur l'établissement de l'hypothèse de Riemann (ou sa forme généralisée). En d’autres termes, une fois que l’hypothèse de Riemann et sa forme généralisée seront prouvées, ces plus d’un millier de propositions seront établies sous forme de théorèmes, qui auront un impact profond sur le domaine des mathématiques et si l’hypothèse de Riemann s’avère fausse, alors parmi eux ; ces propositions qui en font partie perdront également de leur efficacité. Une nouvelle percée vient du professeur de mathématiques du MIT, Larry Guth, et de l'Université d'Oxford

Montrez la chaîne causale à LLM et il pourra apprendre les axiomes. L'IA aide déjà les mathématiciens et les scientifiques à mener des recherches. Par exemple, le célèbre mathématicien Terence Tao a partagé à plusieurs reprises son expérience de recherche et d'exploration à l'aide d'outils d'IA tels que GPT. Pour que l’IA soit compétitive dans ces domaines, des capacités de raisonnement causal solides et fiables sont essentielles. La recherche présentée dans cet article a révélé qu'un modèle Transformer formé sur la démonstration de l'axiome de transitivité causale sur de petits graphes peut se généraliser à l'axiome de transitivité sur de grands graphes. En d’autres termes, si le Transformateur apprend à effectuer un raisonnement causal simple, il peut être utilisé pour un raisonnement causal plus complexe. Le cadre de formation axiomatique proposé par l'équipe est un nouveau paradigme pour l'apprentissage du raisonnement causal basé sur des données passives, avec uniquement des démonstrations.
