Çift yönlü grafik evrişimli sinir ağına dayalı sosyal medyada söylenti tespiti
Sürekli işaret dili tanıma için mekansal-zamansal çoklu işaret ağı
Özniteliğe özgü gömülü ağa dayalı ince taneli giyim benzerliği öğrenimi
Kalabalık Saymada Karma Grafik Sinir Ağının Uygulanması
Yorumlanabilir yoksulluk haritaları oluşturmak için uydu görüntülerinde nesne algılamayı kullanın
Kağıt adı: Söylenti Tespiti > Yazar: Bian Tian / Xiao Xi / Xu Tingyang / Zhao Peilin / Huang Wenbing / Rong Yu / Huang Junzhou
Gönderme süresi: 2020/1/17
Kağıt bağlantısı: https://paper.yanxishe.com/review/9323?from=leiphonecolumn_paperreview0218
Önerilen neden
Son yıllarda insanlar yavaş yavaş sosyal medyadaki yalan haberlere ve söylentilere dikkat ettiler. Bazı yalan haberlerin / söylentilerin sosyal medyada daha da genişledikten sonra daha büyük bir etkisi olacak ve hatta halkın paniğine neden olacak. Algılama etkisini iyileştirmek için derin model Bu makale, söylentileri yukarıdan aşağıya + aşağıdan yukarıya eşzamanlı olarak algılamak için başka bir iki yönlü grafik evrişimli sinir ağı tasarlar Deneysel sonuçlar ayrıca bu algoritmanın etkinliğini doğrulamaktadır.
Kağıt adı: Sürekli İşaret Dili Tanıma için Uzamsal-Zamansal Multi-Cue Ağı
Yazar: Zhou Hao / Zhou Wengang / Zhou Yun / Li Houqiang
Gönderme süresi: 2020/2/8
Kağıt bağlantısı: https://paper.yanxishe.com/review/11180?from=leiphonecolumn_paperreview0218
Önerilen neden
Bu makale, sürekli işaret dili tanıma sorununu çözmek içindir.
Önceki derin öğrenme modelleri, el şekilleri, yüz ifadeleri ve vücut duruşları gibi diğer görsel ipuçlarını göz ardı ederken, sürekli işaret dili tanıma görevlerinde yalnızca en ayırt edici özelliklere dikkat ediyordu. Bu makale, çoklu işaret öğrenmeyi ve sinir ağlarını birleştirir ve bu sorunu çözmek için STMC adı verilen bir uzay-zamansal çoklu işaretli ağ önerir. STMC ağı, bir uzaysal çoklu işaret (SMC) modülü ve bir geçici çoklu işaret (TMC) modülünden oluşur.SMC modülü, uzamsal temsil için kullanılır ve farklı ipuçlarının görsel özelliklerini ayrıştırmak için bağımsız bir poz tahmin modülü kullanır. TMC modülü iki paralel boyunca çalışır Yol, zaman bağımlılıklarını modeller. Bu makale aynı zamanda STMC'nin uçtan uca öğrenimini gerçekleştirmek için ortak bir optimizasyon stratejisi önermektedir. Üç büyük ölçekli CSLR karşılaştırmasına ilişkin deneysel sonuçlar, bu belgede önerilen yöntemin en iyi performansı sağladığını göstermektedir.
Kağıt adı: Nitelik Özgü Gömme Ağına Göre İnce Taneli Moda Benzerliği Öğrenimi
Yazar: Ma Zhe / Dong Jianfeng / Zhang Yao / Long Zhongzi / He Yuan / Xue Hui / Ji Shouling
Gönderme süresi: 2020/2/7
Kağıt bağlantısı: https://paper.yanxishe.com/review/10992?from=leiphonecolumn_paperreview0218
Önerilen neden
Bu makale, ince taneli giyim benzerlik ölçümü problemini çözmek içindir.
İnce taneli giyim benzerliği ölçümü, giysi telif hakkı koruması gibi kıyafetle ilgili uygulamalarda kullanılabilir. Bu makale, korelasyon alanında ince taneli benzerliğin ölçülebilmesi için birden çok belirtilen öznitelik yerleştirmesini uçtan uca birlikte öğrenmek için ASEN adı verilen özel bir öznitelik yerleştirme ağı önermektedir. Öznitelik tabanlı uzamsal dikkat ve öznitelik tabanlı kanal dikkat modüllerini kullandıktan sonra, ASEN ilgili alanı bulabilir ve belirli özniteliklerin rehberliğinde gerekli kalıpları yakalayabilir, böylece edinilen özniteliğe özgü gömülü bilgiler daha iyi olabilir. İnce taneli benzerliği gösterir. Bu makale AAAI 2020 tarafından kabul edildi ve yazar ayrıca verileri ve kodu yayınladı.
Kağıt adı: Kalabalık Sayımı için Hibrit Grafik Sinir Ağları
Yazar: Luo Ao / Yang Fan / Li Xin / Nie Dong / Jiao Zhicheng / Zhou Shangchen / Cheng Hong
Gönderme süresi: 2020/1/31
Kağıt bağlantısı: https://paper.yanxishe.com/review/10871?from=leiphonecolumn_paperreview0218
Önerilen neden
Bu makale kalabalık sayma sorununu ele almaktadır.
Bu makale, kalabalık yoğunluğunun çok ölçekli özelliklerini ve yardımcı görevlerini iç içe geçiren yeni bir hibrit grafik sinir ağı (HyGnn) modeli önermektedir. HyGnn, göreve özgü özellik grafiklerinin farklı ölçeklerini düğümler olarak ve iki tür ilişkiyi kenarlar olarak temsil etmek için hibrit bir grafiği entegre eder. Bu iki ilişki şunlardır: 1. Ölçek arası özellik bağımlılığını yakalamak için kullanılan çok ölçekli ilişki 2. Karşılıklı yarar sağlayan ilişki, sayma ve yerelleştirme arasında işbirliği için bir köprü oluşturur. HyGnn, mesaj aktarımı yoluyla, daha güçlü temsil özellikleri elde etmek için düğümler arasındaki zengin ilişkileri çıkarabilir ve böylece güvenilir ve doğru sonuçlar elde edebilir. HyGnn, ShanghaiTech Part A, ShanghaiTech Part B, UCF_CC_50 ve UCF_QNRF'nin dört zorlu veri setinde, mevcut son teknoloji yöntemlerini geride bırakarak iyi bir performans gösterdi.
Kağıt adı: Uydu Görüntülerinde Nesne Algılama Kullanarak Yorumlanabilir Yoksulluk Haritaları Oluşturma
Yazar: Ayush Kumar / Uzkent Burak / Burke Marshall / Lobell David / Ermon Stefano
Gönderme süresi: 2020/2/5
Kağıt bağlantısı: https://paper.yanxishe.com/review/10870?from=leiphonecolumn_paperreview0218
Önerilen neden
Bu makale, yoksul bölgelerdeki sorunları tahmin etmek için uydu görüntülerinin kullanımını ele almaktadır.
Önceki araştırmalar, politika yapıcılara açıklanabilecek özellikler üretemez ve bu da uygulamalarını sınırlar. Bu makale, yüksek çözünürlüklü uydu görüntülerinde hedef tespiti yaparak bölgesel düzeyde yoksulluğu doğru bir şekilde tahmin etmek için yorumlanabilir bir hesaplama çerçevesi önermektedir. Bu çerçeve, özellik olarak tanımlanan hedeflerin ağırlıklı sayılarını kullanır Uganda köylerinin yoksulluk düzeyini tahmin ederken, model mevcut kıyaslama yönteminden% 31 daha yüksektir ve daha iyi yorumlanabilirliğe sahiptir.
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