the commons，我们社区的领导者可以在这里自愿创建解决方案并与他人分享。在 the commons 项目的贡献者中，96% 的人认为他们的解决方案将提高效率和/或改善非营利和教育领域的工作方式！
trailblazer 社区的 hub，是一个供客户、认证合作伙伴和员工学习、交流和分享的在线社区。目前全球共有 143 个 trailblazer 社区小组。
我们直接从客户和员工处收集了定量和定性数据，以编写今年的社区影响报告。本报告中的数据来自 2022 年客户成果调查；客户访谈；针对公益支持、impact labs 参与度和社区冲刺参与度的客户和员工调查；以及 salesforce.org 内部数据。在我们依依不舍地告别夏天之际（真是郁闷！），让我们回顾一下过去几个月 Salesforce AI 研究人员发布的一些杰出成果。（更多详情，我们建议您点击每个项目的链接阅读完整的博客文章。）
使用伪边界框标签的开放词汇对象检测：迈向通用对象检测器
由于训练数据的边界框标注需要人工参与，大多数 AI目标检测方法仅适用于有限的目标类 手机号数据库列表 别。陈星团队开发了一种新方法，可以从大规模图像-字幕对中自动生成不同目标的伪边界框标注，从而消除了人工标注带来的瓶颈。
实验结果表明，他们的方法优于最先进的开放词汇对象检测器。
以下是“全局”结果：他们的方法的 AI 生成的伪边界框标签，加上其在新数据集上的强大泛化性能，使我们更接近通用物体检测器的梦想。
先前的方法（左图）在训练过程中依赖于人工提供的预定义基类的框级标签，并在推理过程中尝试推广到新类别的对象。我们的方法（右图）从大规模图像-字幕对中生成伪边界框标签（无需人工干预），然后使用这些伪标签来改进我们的开放词汇对象检测器。