零样本学习相关论文
随着现代社会的数据量与信息量急剧增长,以机器学习为代表的系列人工智能技术取得了重要突破,特别是有监督学习模型,其泛化性能在......
齿轮箱作为大型机械设备中被广泛运用的集成部件,能够保证其拥有健康的机体及保持良好的运转情况,是机械设备正常运行的重要保障。......
零样本学习旨在解决样本缺失情况下的分类问题。以往嵌入式零样本学习算法通常只利用可见类构建嵌入空间，在测试时不可避免会出现过......
安全是一切工作的前提与基础。通过视频监控对人体行为进行识别和理解一直是智慧安全管控领域的重点研究内容。目前,对单一人体动......
滚动轴承作为旋转机械设备中的关键部件,其运行状态关乎整个旋转机械设备的正常运转。实时监测滚动轴承的健康状态,对预防旋转机械......
为了实现无人机侦察应用时智能识别能力的持续演进提升,针对无人机智能识别应用中面临的未知陌生目标检测识别的主要问题,创新地设......
目前人体动作识别研究已经取得了显著成果,并且广泛应用于各行各业,如视频监控、自动驾驶等。其中基于深度学习的人体动作识别发展......
现有算法不具备识别出未在训练过程出现的新类别目标能力，文中首次提出针对逆合成孔径成像雷达隐身目标零样本识别问题，首先基于飞机......
零样本学习借助语义信息,在缺乏带标记训练数据的情况下对未知图像进行分类。早期零样本学习的主流方法是使用视觉语义嵌入空间,通......
不完备视觉数据指的是视觉样本类别信息不完备或其本身信息不完备的数据。随着科技的进步,越来越多的视觉数据被收集储存起来。但......
当前,深度神经网络模型通常由大规模数据驱动,模型训练需要海量的标签数据样本。模型只能识别训练集里出现过的样本类别,无法对训......
深度学习方法的提出使得机器学习研究领域得到了巨大突破,但是却需要大量的人工标注数据来辅助完成.在实际问题中,受限于人力成本,......
关系网络作为深度度量学习的一个重要方法,在图像分类、关系分析等任务中都有着十分广泛的应用。本质上来讲,关系网络的目的是训练......
图像分类任务在实际生活中有着许多的应用场景。得益于近年来出现的具有人工标注的大型数据集,深度神经网络在图像分类任务上取得......
在图像处理与计算机视觉迅猛发展的过程中,大规模数据及标签的监督学习是人工智能的关键因素,然而,在实际场景中,有些类别难以获取......
零样本学习是在可见类别图像与不可见类别图像没有交集条件下,通过学习可见类别图像信息,旨在将可见类别语义知识迁移到不可见类别......
随着机器学习和深度学习的飞速发展,图像识别技术已经在多个领域取得了令人瞩目的成就。这些技术训练模型时通常需要大量的有标签......
零样本学习由于具有人类的“联想”能力,能够根据一些过往学习到的知识,完成对不断出现的新事物和新样本的分类。基于生成对抗网络......
传统的有监督图像识别已经时候一个很成熟的领域,在很多场景下已经有可以匹敌人类鉴别能力甚至超过人类的水平。然而有监督的图像......
近年来,随着对深度神经网络的巨大潜力的开发,基于深度神经网络的目标识别模型取得了巨大的成功,一些模型对物体的识别正确率甚至......
人工智能在近些年已经取得了巨大的成就,并且未来相当长一段时间,依然会是社会关注的主要领域。训练出更加智能的网络模型,给人们......
传统的图像分类任务需要大量的有标签数据进行训练,但是在现实生活中,数据的收集与标注是非常困难的,因此,如何在样本不足甚至没有......
在海量数据的互联网时代,如何对庞大的数据进行快速、有效地分类和检索成为近年来研究的热点。传统的图像分类技术通常为了识别某......
零样本学习作为机器学习中的一项新的挑战,越来越多的研究者将注意力放在了这一项新的任务上。零样本学习指的是利用类别辅助信息,......
传统的图像分类任务在很大程度上取决于大规模的数据集,该数据集可为所有类别提供经过标记的样本。但是,在现实世界中,图像的类别......
图像语义分割作为计算机视觉领域的一个像素粒度核心研究问题,其目标是为输入图像的每一个像素预测一个预先定义的语义类别。图像......
伴随着人工智能领域的快速发展,日常生活中的方方面面都有了深度学习的身影。其在计算机视觉,自然语言处理,多智体强化学习等方面......
随着计算机科学的不断发展,以及对个性化人机交互需求的不断增强,情感计算在人机交互中的重要性日益显著。传统的人机交互,主要通......
近年来,随着深度学习复兴,机器学习和计算机视觉领域的很多研究都取得了极大的进展,如目标检测,物体识别,人群密度估计等。这些研......
近年来,随着机器学习技术的发展,特别是深度神经网络的出现,目标识别研究取得了巨大的进步。当提供充足的有标签数据之后,这些识别......
近年来,以深度学习为代表的图像识别技术已经取得了许多突破性进展,但是,当面临非理想训练集时,现有图像识别算法和模型的性能将会......
机器学习是人工智能领域发展最迅速的一个分支之一,传统的机器学习方法和深度学习大都需要大量人工标注的训练数据才能发挥作用.然......
随着机器学习技术的不断发展,深度学习在许多研究领域取得了巨大的突破.然而,多数深度学习方法需要大量的有标注数据进行模型拟合,......
有监督学习作为机器学习中最基本的任务之一,一直受到计算机视觉、自然语言处理、语音识别等多个研究领域的广泛关注。近年来随着......
受益于计算能力的提升和大数据时代的到来,机器学习在计算机视觉和语音识别等领域已经取得了显著的成果。但随着机器学习的发展,人......
传统的零样本学习方法大多采用一个分离的两步管道,从预先训练的CNN模型中提取图像特征,再利用固定的图像特征来学习嵌入空间,导致......
近年来随着大规模图像数据的涌现以及对图像分类任务的细化,为满足越来越复杂的视觉分类任务,卷积神经网络模型得到了快速的发展。......
随着图像内容在互联网上的爆炸式增长,如何在大规模图像数据中快速检索出用户所需的图像已经成为人们关注的重点。传统的图像检索......
零样本图像分类是一种借助图像的视觉特征以及语义特征,从已见类别中学习得到分类信息,并在未见类别中完成分类目的图像分类方法,......
在现代信息电子科技高速发展的今天,随着智能触屏移动设备广泛的普及,人们越来越愿意用手去记录眼睛看到的人、事物和风景,这就产......
随着深度网络的快速发展和各类数据的日益膨胀,人们越来越倾向于利用大规模数据训练一个深度模型来解决现实生活中的一些视觉任务,......
零样本图像识别旨在解决在没有标注数据的情况下完成目标类别的识别问题。受启发于人类的学习范式,零样本图像识别方法借助类别之......
随着计算机视觉领域的飞速发展,图像识别作为其中的经典任务取得了惊人的成绩,人脸识别、物体识别都被广泛地应用到了实际的生活场......
随着互联网设备和移动终端的普及,大数据时代已经深刻地改变了人们的生活方式,人们利用互联网便捷地进行教育、医疗、购物、娱乐等......
互联网、物联网和云计算等技术的发展促生了以个体为中心的健康大数据,智能手机以及各种可穿戴设备所记录的以自我为中心的数据连......
