有监督学习
有监督学习的相关文献在1999年到2022年内共计148篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术
等领域,其中期刊论文104篇、会议论文1篇、专利文献82282篇;相关期刊73种,包括中国图象图形学报、光学精密工程、电子与信息学报等;
相关会议1种,包括第19届全国计算机新科技与计算机教育学术大会等;有监督学习的相关文献由394位作者贡献,包括刘俊俍、田雨农、郑忠龙等。
有监督学习—发文量
专利文献>
论文:82282篇
占比:99.87%
总计:82387篇
有监督学习
-研究学者
- 刘俊俍
- 田雨农
- 郑忠龙
- 冯海亮
- 张展鹏
- 朱善安
- 李见为
- 杨杰
- 王万良
- 郑建炜
- 韩普
- 黄鸿
- 丁伯川
- 储华珍
- 关毅
- 刘博
- 刘占辉
- 喻军
- 夏明旗
- 夏明飞
- 孙亚楠
- 崔兆林
- 张东
- 张明淘
- 张济昭
- 张玉玲
- 张玥杰
- 张翀
- 彭渝
- 徐波
- 徐锐
- 施铭铮
- 李凯
- 李凯悦
- 李明爱
- 杨凯
- 杨毅
- 杨金福
- 杨黎明
- 林明峰
- 梁礼明
- 江岭
- 王燕
- 王荣全
- 祝磊
- 苏艳霞
- 范渊
- 荆晓远
- 董喜双
- 董效宇
-
-
杨永胜;
邓淼磊;
李磊;
张德贤
-
-
摘要:
行人重识别主要研究在不同摄像机拍摄的图形中检索目标行人的任务,是计算机视觉领域一个极具挑战性的研究课题。传统依赖手工特征的行人重识别方法性能低且鲁棒性差,不能适应数据爆炸增长的信息时代。近年来,随着大规模行人数据集的出现和深度学习的迅速发展,行人重识别研究取得了许多突出成果。梳理了性能接近饱和的有监督学习研究方法,并探讨近几年研究热度较高的弱监督学习、跨模态数据和端到端的行人重识别现状;对不同类型行人重识别方法比较分析,列举了常用数据集,并将部分经典算法在Market-1501、DukeMTMC-ReID等数据集上进行性能比较;对行人重识别的未来研究方向进行了展望。
-
-
董柏岩;
王树祺;
金鑫
-
-
摘要:
由于便携拍摄设备的普及,以及社交媒体平台的推广,互联网上的视频数量呈爆炸式增长。视频精彩集锦生成技术可以分析给定的视频内容,自动剪辑出视频中的精彩片段,减轻人工处理视频的资源压力和成本。本文整理了视频精彩集锦生成技术的相关研究工作,介绍了有监督学习方法和无监督学习方法,分析了这些技术的优缺点,最后介绍了其在现实生活中的应用价值。
-
-
邢苏霄;
陈金玲;
李锡超;
陈彤
-
-
摘要:
图像超分辨率重建是用于提高图像质量的一项重要技术,得益于深度学习在计算机视觉领域的成功应用和快速发展,单图像超分辨率重建的效果得到了显著提升.因此,本文针对基于深度学习的单图像超分辨率重建方法展开深入研究,首先综合介绍了用于该领域的基准数据集、性能评价指标、损失函数等相关知识,然后对有监督学习和无监督学习下单图像超分辨率重建技术的最新算法进行分类讨论,并且比较分析了不同模型之间的异同点与优缺点,最后对该领域面临的问题和未来的发展方向进行了总结与展望.
-
-
-
王志浩;
郗海龙;
许萌签;
刘晓东;
潘宁;
肖哲
-
-
摘要:
随着互联网技术的不断发展,AR,VR和自动驾驶等技术日渐成熟,丰富的应用为网络带来了爆炸式的流量增长,同时大量异构终端设备被接入到网络中,网络复杂度也在急剧上升。简单的路由策略已经无法适应复杂的网络环境和差异化的业务需求,学术界对于动态复杂网络的路由问题研究一直保持着高度关注。综合路由策略研究中各类算法的最新进展,从传统动态路由算法与智能路由算法等角度阐述了近年来各领域中路由算法的研究工作,对不同路由方法的应用场景及优劣进行了分析。结合人工智能领域的相关研究与发展方向,讨论了智能路由算法在未来研究中的机遇与挑战,并给出了智能路由算法未来的研究方向。
-
-
黄业文;
许智聪;
单纯
-
-
摘要:
行人重识别是指从不同的摄像机采集的大量行人图像中检索特定的人员,是计算机视觉领域继人脸识别之后的一个重要的研究子课题。近年来,将深度学习应用在行人重识别方面已经取得了很大的成就。为了让读者更加了解国内外行人重识别研究进展,文章介绍了近几年国内外的相关文献并进行分析总结。首先,对行人重识别进行介绍;然后,对基于深度学习的行人重识别的基本方法归纳为有监督学习、弱监督学习和跨模态学习等3个方向,并讨论它们的现状,列举了常用的性能指标,以及常用的数据集和目前在这些数据集上最优的性能,并对行人重识别现存的问题进行阐述;最后,对未来研究热门方向进行了展望。
-
-
-
-
摘要:
9月26日,以"共创产业智能新高度"为主题的多模态人工智能产业联合体第二次会议在武汉召开,会上发布了由中国科学院自动化研究所、武汉人工智能研究院、华为技术有限公司牵头的《多模态基础大模型技术白皮书》。“当前,人工智能正从单模态、有监督学习,迈向多模态、自监督学习的时代。"中国科学院自动化研究所研究员、武汉人工智能研究院院长王金桥表示,"多模态人工智能的未来必将风光无限。”
-
-
康培培;
林泽航;
杨振国;
张子同;
刘文印
-
-
摘要:
哈希表示能够节省存储空间,加快检索速度,所以基于哈希表示的跨模态检索已经引起广泛关注。多数有监督的跨模态哈希方法以一种回归或图约束的方式使哈希编码具有语义鉴别性,然而这种方式忽略了哈希函数的语义鉴别性,从而导致新样本不能获得语义保持的哈希编码,限制了检索准确率的提升。为了同时学习具有语义保持的哈希编码和哈希函数,提出一种语义保持哈希方法用于跨模态检索。通过引入两个不同模态的哈希函数,将不同模态空间的样本映射到共同的汉明空间。为使哈希编码和哈希函数均具有较好的语义鉴别性,引入了语义结构图,并结合局部结构保持的思想,将哈希编码和哈希函数的学习融合到同一个框架,使两者同时优化。三个多模态数据集上的大量实验证明了该方法在跨模态检索任务的有效性和优越性。
-
-
项丽萍;
杨红菊
-
-
摘要:
针对现实场景中遮挡人脸检测精度低的问题,提出了一种基于汇聚CNN和注意力增强网络的遮挡人脸检测方法.首先,在主网络的多层原始特征图上,通过有监督学习的方法增强原始特征图中人脸可见部分的响应值.然后,将多个增强特征图组合成附加增强网络与主网络汇聚设置,以加快对多尺度遮挡人脸的检测速度.最后,将有监督信息分散到各个尺寸的特征图上进行监督学习,为不同尺寸的特征图设置了基于锚框尺寸的损失函数.在WIDER FACE和MAFA数据集上的实验结果表明,该方法的检测精度高于当前主流人脸检测方法.
-
-
曲延云;
陈蓉;
李翠华;
王菡子
-
-
摘要:
单帧图像超分辨率重建(single image super-resolution reconstruction,SISR)是一类典型的不适定问题,具有广泛的实际应用价值.近年来,基于深度学习的SISR方法的研究已经取得长足的进展,其性能大大超越了传统的方法.本文将SISR研究归纳为两大挑战性问题:SISR的建模和面向真实场景的领域自适应问题.基于此,将当前基于深度学习的SISR方法划分为有监督的SISR和不成对的SISR.进一步简单介绍SISR的应用情况.最后,总结并探讨未来SISR研究的发展方向.