随着人工智能技术的突破性进展, 人工智能与可视化的交叉研究成为当前的研究热点之一, 为人工智能和大数据分析领域的若干核心难题提供了启发式的理论、方法和技术. 一方面, 人工智能技术的创新应用提升了可视化的分析效率, 拓展了分析功能, 为大数据可视分析提供了强有力的工具. 另一方面, 可视化技术增强了以深度学习为代表的人工智能的可解释性和交互性, 为可解释人工智能提供了可靠的技术基础.
2021-11-23 11:07:32
3.22MB
1
注意力机制是深度学习方法的一个重要主题。清华大学计算机图形学团队和南开大学程明明教授团队、卡迪夫大学Ralph R. Martin教授合作，在ArXiv上发布关于计算机视觉中的注意力机制的综述文章[1]。该综述系统地介绍了注意力机制在计算机视觉领域中相关工作，并创建了一个仓库.
2021-11-23 11:07:31
5.26MB
1
博文「https://blog.csdn.net/SunJW_2017/article/details/119982634」中用到的图片
2021-11-22 18:09:22
12.63MB
1
近年来，零样本学习（ZSL，zero-shot learning）已经在大量的任务中受到了广泛的关注。本文为大家带来了南洋理工大学的零样本学习最新综述，希望对大家有所帮助。
A Survey of Zero-Shot Learning: Settings, Methods, and Applications
2021-11-22 17:07:35
858KB
1
毕业文献该生对待论文写作态度认真端正，积极配合老师的指导安排进行写作相关任务，收集阅读大量……有关的文献资料后，形成该文献综述，文献综述思路清晰，层次分明，语言流畅。该文献综述为后续的论文正文撰写奠定理论基础。
2021-11-22 16:32:14
36KB
1
机器学习，图形处理技术和医学成像数据的可用性的快速发展导致在医学领域深度学习模型的使用迅速增加。基于卷积神经网络（CNN）的体系结构的快速发展加剧了这种情况，医学成像社区采用了该体系结构来帮助临床医生进行疾病诊断。
2021-11-22 11:28:58
1.11MB
1
为了更好地了解人工智能最新发展状况，从多个方面对人工智能进行分析和介绍。首先，简要介绍人工智能的研究内容，大致了解人工智能的概念；其次，概括人工智能的知识体系，介绍当下人工智能的热门技术领域，如计算机视觉、自然语言处理等；然后，分析了浅层学习和深层学习中的神经网络的发展；最后，探讨了人工智能对环境的影响，介绍我国人工智能的发展趋势，并进一步说明发展人工智能对我国科技发展的远大意义。
2021-11-21 15:06:32
446KB
语义分析是图像理解中高层认知的重点和难点,存在图像文本之间的语义鸿沟和文本描述多义性两大关键问题.以图像本体的语义化为核心,在归纳图像语义特征及上下文表示的基础上,全面阐述生成法、判别法和句法描述法3种图像语义处理策略.总结语义词汇的客观基准和评价方法.最后指出图像语义理解的发展方向.
2021-11-21 10:38:10
1.99MB
1
机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要利用计算机来模拟人或再现与人类视觉有关的某些智能行为,从客观事物的图像中提取信息进行处理,并加以理解,最终用于实际检测和控制。近年来，随着计算机技术尤其是多媒体技术和数字图像处理及分析理论的成熟，以及大规模集成电路的迅速发展，机器视觉技术得到了广泛的应用研究，取得了巨大的经济与社会效益。笔者在阅读大量文献的基础上，对国内外机器视觉技术的发展及应用做以概述
2021-11-21 09:26:13
127KB
1