Anormal solunum paterni sınıflandırıcısı, COVID-19 enfeksiyonlarının doğru ve göze batmayan bir şekilde geniş ölçekli taranmasına yardımcı olabilir. Tek ve çift cümle puanlarına dayalı üretken bir özet
MFFW: Yeni bir çok odaklı görüntü füzyon veri kümesi
Birbirine bağlı evrişimli sinir ağlarına dayalı uçtan uca yüz analizi
AAAI2020 | Çok görevli sürüş özelliği modeline dayalı termal kızılötesi hedef izleme
Anormal solunum düzeni sınıflandırıcısı, COVID-19 ile enfekte olmuş kişilerin doğru ve göze batmayan bir şekilde büyük ölçekte taranmasına yardımcı olabilir.
Makale Başlığı: Anormal solunum paternleri sınıflandırıcısı, COVID-19 ile enfekte olmuş kişilerin doğru ve göze çarpmayan bir şekilde geniş ölçekli taranmasına katkıda bulunabilir.
Yazar: Wang Yunlu / Hu Menghan / Li Qingli / Zhang Xiao-Ping / Zhai Guangtao / Yao Nan
Gönderme süresi: 2020/2/12
Kağıt bağlantısı: https://paper.yanxishe.com/review/11537?from=leiphonecolumn_paperreview0220
Bu makale, yeni koronavirüslü hastaların solunum özelliklerine göre taranmasını önermektedir. En son klinik araştırmalara göre, COVID-19'un solunum modeli, grip ve soğuk algınlığından farklı. COVID-19 ile enfekte kişiler apneye sahiptir ve daha hızlı nefes alır. Bu makale, bu tarama görevini tamamlamak için derinlik kameraları ve derin öğrenmenin kullanılmasını önermektedir, ancak gerçek dünyadaki veri miktarı derin model eğitimi için yeterli değildir. Bu makale ilk olarak eğitim verilerinin eksikliğini telafi etmek için yeni bir solunum simülasyon modeli önermiştir. Daha sonra, bu makale ilk olarak klinik olarak önemli 6 solunum modelini sınıflandırmak için iki yönlü dikkat mekanizmasının GRU modelini kullandı. Bu yazıda önerilen yöntem, mevcut tarama yöntemlerini destekleyerek büyük ölçekli uygulama senaryolarına genişletilebilir.
Kağıt adı: Soyutlayıcı Özetleme için Puanlama Cümle Tekilleri ve Çiftleri
Yazar: Logan Lebanoff / Kaiqiang Song
Gönderme süresi: 2019/6/7
Kağıt bağlantısı: https://paper.yanxishe.com/review/11534?from=leiphonecolumn_paperreview0220
1. Bu makalenin özü: Bu makale, üretken yöntemlerin mevcut keşfinde metin içeriği seçimi ile soyut üretmeyi ayırma konusuna odaklanan, üretken otomatik metin özetleme yöntemlerinin kullanımının bir araştırmasıdır. Bunlar arasında, bu makalede önerilen model, birinci bölümde tek cümleleri ve cümle çiftlerini puanlamak için BERT kullanır, ikinci bölümde yazarlar metin özetleri oluşturmak için MMR kriterlerine göre yüksek puanlı cümle ve cümle çiftlerini puanlar.
2. Bu makalenin yeniliği: Şu anda üretken formülde araştırılan metin içeriği seçimi ile soyut üretimi ayırma problemine dayanan bu makale, yenilikçi bir şekilde tek cümleleri ve eşleştirilmiş cümleleri sıralama için birleşik bir alana eşlemek için bir yöntem önermektedir. Şu anda en popüler BERT modelini, örneğin özelliklerini öğrenmek için kullanma fikri, sıralama için karşılık gelen olasılıkları oluşturmak için öğrenilen temsillerde ince ayar yapmak için bir sınıflandırma görevi kullanın ve ardından bu sıralamaya göre, hedeflenen bir şekilde özeti seçin. Önemli değere sahip tek cümle ve eşleştirilmiş cümleler nihayet tek bir cümleye sıkıştırılır.Cümle çiftleri birleştirildiğinde, yazar tek cümleyi sıkıştırmak için işaretçi-üreteci (PG) ağlarını seçer ve sonunda ihtiyacımız olan metin özetini elde eder.
3. Bu makalenin araştırmanın önemi: Bu makale, mevcut üretken metin özetlerindeki tek cümleler ve cümle çiftleri arasında etkili bir kaynaşma olmadığı sorununu hedefliyor ve metin özetlerinde hedeflenmiş bir cümle çifti kaynaştırma yöntemi öneriyor. Bunlar arasında, bu makalede önerilen cümle füzyonu, bu açıdan en anlamlı girişim olan metin özetine tanıtılmıştır.
Kağıt adı: MFFW: Çok odaklı görüntü füzyonu için yeni bir veri kümesi
Yazar: Xu Shuang / Wei Xiaoli / Zhang Chunxia / Liu Junmin / Zhang Jiangshe
Gönderme süresi: 2020/2/12
Kağıt bağlantısı: https://paper.yanxishe.com/review/11536?from=leiphonecolumn_paperreview0220
Bu makale, çok odaklı görüntü birleştirme problemi için yeni bir veri seti sağlar.
Önceki çok odaklı görüntü birleştirme yöntemleri, simüle edilmiş görüntü kümeleri veya Lytro veri kümeleri üzerinde değerlendirildi, ancak odak dışı dağılma etkisi bu veri kümelerinde açık değildir. Bu makale MFFW adında yeni bir veri seti oluşturdu. Bu veri seti, İnternette toplanan 19 çift çok odaklı görüntü içerir. Bu makale tüm kaynak görüntü çiftlerini toplar ve bazı çift odak haritaları ve referans görüntüler sağlar. Lytro veri kümesiyle karşılaştırıldığında, MFFW'deki görüntüler net bir şekilde bulanıklaştırma etkisinden etkilenir. Ek olarak, MFFW sahnesi daha karmaşıktır. Deneyler, MFFW veri kümesindeki mevcut en iyi yöntemlerin çoğunun tatmin edici bir şekilde tatmin edici füzyon görüntüleri üretemediğini göstermektedir. Yeni bir kıyaslama veri seti olarak MFFW, çok odaklı görüntü füzyon algoritmasının odak dışı dağılma efektini işleyip işlemediğini test etmek için kullanılabilir.
Kağıt adı: Birbirine Bağlı Evrişimli Sinir Ağları aracılığıyla Uçtan Uca Yüz Ayrıştırma
Yazar: Yin Zi / Yiu Valentin / Hu Xiaolin / Tang Liang
Gönderme süresi: 2020/2/12
Kağıt bağlantısı: https://paper.yanxishe.com/review/11535?from=leiphonecolumn_paperreview0220
Bu makale yüz analizi problemini çözmek içindir.
Yüz analizi, daha fazla yüz analizi, modifikasyon ve diğer uygulamalar için bir temel sağlamak üzere yüzlerin (gözler, burun, ağız vb. Gibi) hassas piksel segmentasyonunu gerektirir. Bu makale, iki bağımsız aşama arasına Uzamsal Transformatör Ağı (STN) ekleyerek birbirine bağlı evrişimli sinir ağlarını genişleten STN-iCNN adlı basit bir uçtan uca yüz analizi çerçevesi önermektedir. Ağ (birbirine bağlı Evrişimli Sinir Ağı, iCNN). STN-iCNN, orijinal iki aşamalı iCNN boru hattına eğitilebilir bağlantılar sağlamak için STN'yi kullanır ve uçtan uca ortak eğitimi mümkün kılar. STN ayrıca orijinal kırpmadan daha hassas kırpılmış görüntü bölümleri sağlar.
AAAI2020 | Çok görevli sürüş özelliği modeline dayalı termal kızılötesi hedef izleme
Kağıt Başlığı: Termal Kızılötesi İzleme için Çok Görevli Özellikli Modeller
Yazar: Qiao Liu / Xin Li / Zhenyu He / Nana Fan / Di Yuan / Wei Liu / Yonsheng Liang
Yayın zamanı: 2019/11/26
Kağıt bağlantısı: https://paper.yanxishe.com/review/5848?from=leiphonecolumn_paperreview0220
Önerilen neden
Çözülmesi gereken temel sorun: Derinlik özelliklerine dayalı mevcut termal kızılötesi izleme yöntemi genellikle görünür ışık izleyicide kullanılan özellik modelini kullanır. Bu özellik modelleri genellikle görünür ışık görüntülerinden öğrenilir, ne termal kızılötesi görüntülerin benzersiz ayırt edici modunu öğrenmez, ne de termal kızılötesi görüntü hedeflerinin ince taneli özelliklerini dikkate alır. Bu nedenle, bu mevcut özellik modelleri termal kızılötesi hedefleri etkili bir şekilde temsil edemez, özellikle aynı türden termal kızılötesi hedefleri ayırt etmek zordur.
Yenilik noktası: Daha etkili bir termal kızılötesi hedef gösterimi elde etmek için, termal kızılötesi için özel bir özellik modeli öneriyoruz. Model, termal kızılötesine adanmış ayırt edici bir özellikten ve ince taneli bir korelasyon özellik modelinden oluşur. Bu iki tamamlayıcı özelliği entegre etmek için, aynı anda optimize etmek için çoklu görev eşleştirmeye dayalı bir çerçeve tasarladık. Ek olarak, önerilen modeli eğitmek için büyük ölçekli bir termal kızılötesi görüntü dizisi veri seti oluşturduk. Bu veri seti şu anda termal kızılötesi görüş alanındaki en büyük ve en zengin hedef kategorilerine sahip veri setidir.
Araştırmanın önemi: Önerilen termal kızılötesi karakteristik model, termal kızılötesi hedef izleme alanı için yeni araştırma fikirleri sağlar. Önerilen termal kızılötesi eğitim veri seti, derin öğrenmeye dayalı termal kızılötesi izleme yöntemi için veri temel taşı sağlar.
AI Araştırma Enstitüsü, yapay zeka gençlerinin çoğuna daha iyi hizmet verebilmek için resmi olarak yeni bir "Tez" bölümü başlattı ve tezleri, önerileri, yorumları ve yorumları sıralayan makaleler aracılığıyla yapay zeka öğrencilerini ve gençleri bir araya getirmek için "ilgi çekici noktalar" olarak kullanmayı umdu ve kod yeniden üretildi. Yurtiçinde ve yurtdışında en son araştırma sonuçlarının incelenmesi, tartışılması ve yayınlanması için bir buluşma yeri olmaya ve mükemmel bilimsel araştırmaların daha geniş çapta yayılmasına ve tanınmasına izin vermeye kararlıdır.
Akademisyenleri sevenlerin, makale yazarlarından oluşan ekibimize katılmanızı umuyoruz.
Alabilirsiniz
1. Adınızın yazdığı bir makale sizi en göz kamaştırıcı akademik yıldız yapacak
2. Zengin ücret
3. AI ünlü şirketleri, konferans bileti avantajları, özel çevre birimleri vb.
Bildiri yazarı ekibine katılmak için ihtiyacınız olan:
1. Favori makalelerinizi araştırma kulübü üyelerinin çoğuna önerin
2. Tez yorumu yazın
AI Araştırma Enstitüsü'nün yarı zamanlı makale yazarı ekibine katılmaya hazırsanız, operasyon kadının WeChat hesabını ekleyebilir ve "Yarı zamanlı makale yazarı" notunu yazabilirsiniz.
Lei Feng Ağı Lei Feng Ağı Lei Feng Ağı