行业资讯

AI编码助手能否编写高效的CUDA代码？为了更准确地衡量并提升其能力，我们构建了ComputeEval，一个可靠且开源的..._新浪网

2024年是百度发力生成式人工智能的第二年。在从以互联网为中心转向人工智能优先、推进文心大模型重构全业务的过程中，百度“..._新浪网

2026 AI获客智能体“数据喂养”效率榜：五强模型PK,算法,信号,模态,智能体,数据源,大模型,数据喂养

中国环境网：《中国环境报》官网、国内第一家环保专业网站《中国环境报》是全球唯一一张国家级的环境保护报纸，是生态环境部直属新闻单位。中国环境网依托优势资源，以环境领域报道的专业性、权威性、多样性、及时性为特色，打造成为当今最大、最具影响力的环境互联网平台。

本文介绍了人群计数任务中主流数据集的技术选型指南，重点分析了ShanghaiTech、NWPU-Crowd和JHU_CROWD++等五大数据集的特性与适用场景。文章指出，数据集的核心差异体现在场景复杂度、密度等级和标注精细度三个方面，并建议根据实际应用需求（如密度高低、环境复杂性、是否需精确定位）选择合适数据集。ShanghaiTech适合入门，Part A为街头中等密度场景，Part B为高密度封闭环境；NWPU-Crowd提供超高分辨率图像，适合显存充足的高阶训练，并支持多任务学习；JHU_CROWD++则聚焦极端天气和遮挡等挑战性场景，标注信息丰富，适用于鲁棒性研究。

本文详细介绍了ModelNet40数据集从.off到.hdf5的完整转换流程，包括点云采样、归一化处理和HDF5高效存储方案。通过实战示例和PointNet代码演示，帮助研究者优化3D深度学习数据管道，提升训练效率。特别适合需要处理CAD模型和点云数据的研究者参考。

文章主要介绍了PyTorch新手在使用torchvision加载MNIST数据集时常遇到的三类问题及解决方案：1）数据下载失败，建议使用国内镜像源或手动下载后离线加载；2）Transform配置不当，强调必须包含ToTensor()、Resize()（可选）和Normalize()三个关键步骤，并注意归一化需在张量转换之后；3）DataLoader参数配置误区，提醒合理设置批大小等参数以平衡内存与训练效率。

文章介绍了四个基于无人机与特定数据集的林业与城市治理应用案例：1）PDT数据集提升松材线虫病等病虫害识别准确率至89%，减少农药使用，但雨季性能下降；2）WildBe数据集降低北欧浆果资源勘探成本70%，提升采收效率3倍，但覆盖浆果种类有限；3）FLAME 3与FIReStereo多模态数据组合在野火救援中提升火势预测准确率40%，显著减少误入危险区，但需高负载设备；4）DroneVehicle数据集支持城市交通流分析，用于缓解拥堵。

文章介绍了使用Middlebury预标定数据集进行双目视觉深度信息提取的优势与实践方法。选择该数据集可大幅减少传统相机标定的时间成本，因其具备工业级标定精度、完整参数文件、多场景覆盖和标准评估体系。以“artroom1”场景为例，提供了数据下载与解压步骤、关键参数解析（如基线、焦距、视差偏移量）、基于OpenCV SGBM算法的视差图生成推荐配置及常见问题解决方案，并简要提及深度图转换需进行视差值过滤等五个关键步骤。

AI算力爆发前夜,宇宙,算力,电力,服务器,机器人,供应链成本