İki boyutlu hareket tahmini için dönüşle değişmeyen hibrit grafik modeli ağı
İnsan vücudu hareket yörüngesinden uzamsal hiyerarşi ile ince taneli konum yerleştirmeyi öğrenme
Orta düzeyde kıyafet değişiklikleri altında kontur çizimlerine dayalı yaya yeniden tanımlama
Karşılaştırmalı görüntüleme sistemlerinin kapsamlı veritabanı
Çift yönlü dil modeline dayalı yarı denetimli sıra etiketleme
Kağıt adı: 2D El Pozisyonu Tahmini için Dönme-değişmez Karma Grafik Model Ağı
Yazar: Kong Deying / Ma Haoyu / Chen Yifei / Xie Xiaohui
Gönderme süresi: 2020/2/5
Kağıt bağlantısı: https://paper.yanxishe.com/review/10869?from=leiphonecolumn_paperreview0217
Önerilen neden
Bu makale WACV 2020'de yayınlandı ve iki boyutlu el poz tahmini problemini ele alıyor.
Bu makale, tek bir kamera tarafından toplanan RGB görüntülerde iki boyutlu el poz tahmini problemini çözmek için Rotation Invariant Mixed Graphics Model Network (R-MGMN) adlı bir ağ mimarisi önermektedir. Dönen bir ağı entegre ederek, R-MGMN görüntüdeki elin dönüşüyle başa çıkabilir. R-MGMN ayrıca giriş görüntüsüne göre grafik modellerin kombinasyonunu seçebilen bir grafik model kitaplığına sahiptir. R-MGMN, her grafik modelde güven yayılımı gerçekleştirerek bir dizi marjinal dağılım oluşturur ve daha sonra bu marjinal dağılımları ellerin kilit nokta pozisyonlarının güven haritaları olarak kullanır ve son olarak tüm güven haritaları birleştirilerek nihai güven elde edilir. Haritalama. Bu makale R-MGMN'yi iki genel hareket veri seti üzerinde değerlendiriyor ve deneysel sonuçlar, R-MGMN'nin diğer algoritmalardan önemli ölçüde daha iyi olduğunu gösteriyor.
Bildiri Başlığı: İnsan Hareketliliği Yörüngelerinden Uzamsal Hiyerarşi ile İnce Taneli Yer Gömme İşlemlerini Öğrenme
Yazar: Shimizu Toru / Yabe Takahiro / Tsubouchi Kota
Gönderme süresi: 2020/2/6
Kağıt bağlantısı: https://paper.yanxishe.com/review/10868?from=leiphonecolumn_paperreview0217
Önerilen neden
Bu makale, konum yerleştirme sorununu ele almaktadır.
Önceki çalışmalar, personel akış yörüngeleri aracılığıyla konum yerleştirmeleri oluşturmuştur, ancak pratik uygulamalar, yüksek uzamsal çözünürlükle konum yerleştirmeyi gerektirir. Veri seyrekliği nedeniyle, birçok uygulamanın uzamsal çözünürlüğü düşürmesi gerekir, bu da konum gömme kalitesinde bir azalmaya yol açar. Bu sorunu çözmek için, bu makale, veri noktalarının gözlemlenen yerel yoğunluğuna dayanan uzamsal hiyerarşik bilgileri kullanarak ince taneli konum yerleştirmeleri oluşturmak için bir yöntem önermektedir. Japonya'daki üç şehrin gerçek dünya yörünge verilerine dayanarak, bu makale bir sonraki konumun tahmin görevini denedi ve önerilen konum yerleştirme yönteminin etkinliğini doğruladı.
Kağıt adı: Orta Düzeyde Kıyafet Değişikliği Altında Kontur Çizimi ile Kişiyi Yeniden Tanımlama
Yazar: Yang Qize / Wu Ancong / Zheng Wei-Shi
Gönderme süresi: 2020/2/6
Kağıt bağlantısı: https://paper.yanxishe.com/review/10867?from=leiphonecolumn_paperreview0217
Önerilen neden
Bu makale, yayaların yeniden tanımlanması sorununu çözmek içindir.
Sadece aynı elbiseyi ele alan önceki yaya yeniden tanımlama probleminin aksine, bu makale çapraz giyimli yaya yeniden tanımlama problemini, yani yayaları farklı kıyafetler altında yeniden tanımlama görevini tanımlamaktadır. Bu yazıda, kısa sürede hava koşullarında bir değişiklik olmadığı, bu nedenle yayaların giydiği giysilerin kalınlığının fazla değişmediği, bu nedenle giysilerin renk bilgileri yerine yaya görüntüsünün taslak çizimi işlenerek özellikler çıkarılmıştır. Bu yaklaşım, giysideki değişikliklere karşı daha sağlam olabilir. Bu makale ayrıca bu sorun için 221 yayadan 33698 görüntüden oluşan bir veri seti oluşturdu. Yeni bir veri seti üzerinde deneyler yoluyla, bu makale önerilen yöntemin etkinliğini doğrulamaktadır.
Kağıt adı: Görüntüleme Sistemlerini Kıyaslamak için Kapsamlı Bir Veritabanı
Yazar: Karen Panetta / Qianwen Wan / Sos Agaian / Srijith Rajeev / Shreyas Kamath / Rahul Rajendran / Shishir Paramathma Rao / Aleksandra Kaszowska / Holly A. Taylor / Arash Samani / Xin Yuan
Yayın zamanı: 2018/11/30
Kağıt bağlantısı: https://paper.yanxishe.com/review/10866?from=leiphonecolumn_paperreview0217
Önerilen neden
Bu makale, Tufts Üniversitesi tarafından toplanan ve 15'ten fazla ülkeden / bölgeden 113 kişinin farklı cinsiyet kimlikleri, yaşları ve etnik geçmişleri de dahil olmak üzere 10.000'den fazla görüntüsünü içeren yüz veritabanına katkıda bulundu. Bu yüz görüntüleri Tufts Üniversitesi öğrencilerinden, öğretim üyelerinden ve çalışanlarından ve ailelerinden toplanır ve yüz tanıma ile ilgili araştırmalar için daha sağlam algoritma testleri sağlayabilir. Bu makale aynı zamanda diğer mevcut yüz tanıma ile ilgili veri setlerini de incelemektedir.
Kağıt adı: Çift yönlü dil modelleriyle yarı denetimli sıralı etiketleme
Yazar: Matthew E. Peters / Waleed Ammar / Chandra Bhagavatula / Russell Power
Düzenlenme zamanı: 2017/4/29
Kağıt bağlantısı: https://paper.yanxishe.com/review/10865?from=leiphonecolumn_paperreview0217
Önerilen neden
Bu yazıda çözülen problem: Bu makale, yetersiz eğitim külliyatının problemini hedeflemektedir.Bu problemi çözmenin özü, transfer öğrenme fikrini ve yarı denetimli bir yöntemi kullanmaktır.
İnovasyon: Bu makale, iki yönlü bir sinir ağı dil modelini eğitmek için büyük bir etiketlenmemiş külliyat kullanır ve daha sonra etiketlenecek kelimenin dil modeli vektörünü (LM gömme) elde etmek için bu eğitimli dil modelini kullanır ve ardından vektörü bir özellik olarak ekler. Orijinal iki yönlü RNN-CRF modelinde.
Araştırmanın önemi: Deneysel sonuçlar, bu dil modeli vektörünün az miktarda etiketli veriye eklenmesinin NER etkisini büyük ölçüde iyileştirebileceğini göstermektedir.Yüksek miktarda etiketli eğitim verisinde bile, bu dil modeli vektörünün eklenmesi orijinal RNN-CRF modelinin etkisini hala sağlayabilir.
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 yaygın olarak yayılmasına ve tanınmasına izin vermeye kararlıdır.
Akademisyenleri sevenlerin, makale yazarları 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 yorumunu 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