数据集
-
边缘AI工业缺陷检测：模型、延迟与体积三维优化策略
在工业缺陷检测中，将目标检测模型部署到边缘嵌入式工控机上，并同时满足95%以上检测准确率、50毫秒以内推理延迟以及100MB以内模型大小这三重严苛要求，确实是一个典型的工程挑战。这不仅仅是单一技术点的突破，更需要系统性的优化策略和权衡。 ...
-
ESP32除了人脸识别，还能在物体/场景识别中大显身手吗？
当然可以！ESP32 在图像识别领域的应用远不止人脸识别那么简单，它在物体识别和场景识别方面也有很大的潜力。不过，就像任何低功耗嵌入式设备一样，它有其固有的局限性，需要我们巧妙地平衡算力、内存和算法效率。 如果你想用 ESP32 实现...
-
“去标识化”数据真的安全吗？揭秘逆向识别与差分隐私
你最近看到的那些关于公共数据集“逆向识别”的案例，确实让人捏了一把汗，也难怪你会对“脱敏数据”产生怀疑。这恰恰说明，数据隐私保护是一个复杂且不断演进的战场，没有一劳永逸的银弹。 我们先来理解一下，为什么看起来“脱敏”或“去标识化”的数...
-
联邦学习图像识别模型的可解释性方法探索
问题： 我们使用联邦学习训练了一个图像识别模型，如何解释模型的决策过程？是否存在一些可解释性方法可以帮助我们理解模型是如何利用来自不同参与方的数据进行预测的？ 回答： 联邦学习（Federated Learning, FL...
-
AI如何安全“炼芯”？联邦学习与差分隐私来支招
在日新月异的芯片制造领域，人工智能（AI）正扮演着越来越重要的角色，从设计优化、生产过程控制到缺陷检测，AI的介入极大地提升了效率和良品率。然而，芯片制造过程中的数据，特别是设计图纸、工艺参数、测试结果等，往往包含高度敏感的商业机密和知识...
-
AI如何识别半导体晶圆纳米级缺陷？优势与挑战解析
在半导体晶圆检测中，AI（人工智能）正发挥着越来越关键的作用，尤其是在从海量图像数据中快速、准确地识别纳米级缺陷方面，它展现出了传统图像处理技术难以比拟的优势。 传统检测方法的局限性 在了解AI之前，我们先快速回顾一下传统方法。传...
-
AI能否颠覆药物研发：从效率工具到创新引擎的飞跃
在药物研发领域，人工智能（AI）的引入常常被首先提及其在提升效率和降低成本方面的潜力。然而，用户提出的问题更深入：AI是否能带来颠覆性的创新，比如设计全新的药物分子结构，或者发现传统方法难以触及的药物靶点？答案是肯定的，并且这种颠覆性创新...
-
AI制药：加速研发的利器，伦理与安全如何保障？
AI制药：加速新药研发的利器，伦理与安全如何保障？ Q：AI在生物制药领域有哪些应用？真的能加速新药研发吗？ A：AI在生物制药领域的应用非常广泛，主要集中在新药研发上。传统新药研发周期长、成本高，AI可以利用大数据和机器学习...
-
联邦学习：跨企业数据分析的安全解决方案
跨企业数据分析的安全港：联邦学习技术方案探讨 在跨行业研究项目中，整合来自不同企业的数据是一项挑战。这些数据往往包含商业机密和个人隐私，各企业又有严格的合规要求。如何安全、中立地进行联合分析和建模，成为项目成功的关键。 联邦学习 (F...
