亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

圖像缺損修復研究旨在通過計算機自動修復圖像中的缺損內容。近年來，深度神經網絡技術的出現有效 促進了相關研究的發展。本文針對該類研究進行了系統梳理和綜合介紹。依據網絡架構類型，具體將方法分為五 類：Context-Encoder 類、U-Net 類、CGAN 類、DCGAN 類以及 StackGAN 類。我們具體分析了每類方法的思路、 特點、優勢和缺陷，并基于系統性實驗，在公開大規模數據集上客觀對比評價每一類方法的精度和性能。最后對 目前相關工作中存在的問題和挑戰進行了闡述和介紹。

//cjc.ict.ac.cn/online/onlinepaper/10-lyl-y-202.pdf

軟件缺陷是軟件開發和維護過程中不可避免的.隨著現代軟件規模的不斷變大，軟件缺陷的數量以及修復難度隨之增加，為企業帶來了巨大的經濟損失.修復軟件缺陷，成為了開發人員維護軟件質量的重大負擔.軟件缺陷自動修復技術有希望將開發者從繁重的調試中解脫出來，近年來成為熱門的研究領域之一.搜集了94篇該領域最新的高水平論文，進行了詳細的分析和總結.基于缺陷修復技術在補丁生成階段所使用的技術手段不同，系統性地將軟件自動修復技術分為4大類，分別是基于啟發式搜索、基于人工模板、基于語義約束和基于統計分析的修復技術.特殊地，根據對近幾年最新研究的總結，首次提出了基于統計分析的技術分類，對已有分類進行了補充和完善.隨后，基于對已有研究的分析，總結了該領域研究所面臨的關鍵挑戰及對未來研究的啟示.最后，對缺陷修復領域常用的基準數據集和開源工具進行了總結.

摘要: 圖像異常檢測是計算機視覺領域的一個熱門研究課題, 其目標是在不使用真實異常樣本的情況下, 利用現有的正常樣本構建模型以檢測可能出現的各種異常圖像, 在工業外觀缺陷檢測, 醫學圖像分析, 高光譜圖像處理等領域有較高的研究意義和應用價值. 本文首先介紹了異常的定義以及常見的異常類型. 然后, 本文根據在模型構建過程中有無神經網絡的參與, 將圖像異常檢測方法分為基于傳統方法和基于深度學習兩大類型, 并分別對相應的檢測方法的設計思路、優點和局限性進行了綜述與分析. 其次, 梳理了圖像異常檢測任務中面臨的主要挑戰. 最后, 對該領域未來可能的研究方向進行了展望.

//www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200956

目標檢測是一種廣泛應用于工業控制、航空航天等安全攸關場景的重要技術。近年來，隨著深度學習在目標檢 測領域的應用，檢測的精度得到了較大提升，但由于深度學習固有的脆弱性，使得基于深度學習的目標檢測技術的可靠性 和安全性面臨新的挑戰。本文通過對近幾年面向目標檢測的對抗樣本生成及防御的研究進行分析和總結，致力于為增強目 標檢測模型的魯棒性和提出更好的防御策略提供思路。首先，介紹了對抗樣本的概念、產生原因以及目標檢測領域對抗樣 本生成常用的評價指標和數據集。然后根據對抗樣本生成的擾動范圍將攻擊分為全局擾動攻擊和局部擾動攻擊。在這個分 類基礎上，又分別從攻擊的目標檢測器類型、損失函數設計等六個方面對目標檢測的對抗樣本生成方法進行了分析和總結， 并通過實驗對比了幾種典型目標檢測對抗攻擊方法的性能，同時比較了這幾種方法的跨模型的遷移攻擊能力。此外，本文 還對目前目標檢測領域常用的對抗防御策略進行了分析和歸納。最后，總結了目標檢測領域對抗樣本的生成及防御所面臨 的挑戰，并對未來發展方向做出了展望。

//www.cjig.cn/jig/ch/reader/download_new_edit_content.aspx?edit_id=202001&file_no=2024&journal_id=jig

醫學影像分割是計算機輔助診斷中的一項基礎且關鍵的任務，目的在于從像素級別準確識別出目標器官、組織或病變區域。不同于自然場景下的圖像，醫學影像往往紋理復雜，同時受限于成像技術和成像設備，醫學影像噪聲大，邊界模糊而不易判斷。除此之外，對醫學影像進行標注極大依賴于醫療專家的認知和經驗，因此可用于訓練中的標注數據少且存在標注誤差。由于上述的醫學影像邊緣模糊不清、訓練數據較少和標注誤差較大等特點，基于傳統圖像分割算法搭建的輔助診斷系統難以滿足臨床應用的要求。近年來隨著卷積神經網絡（CNN）在計算機視覺和自然語言處理領域的廣泛應用，基于深度學習的醫學影像分割算法取得了極大的成功。首先概述了近幾年基于深度學習的醫學影像分割的研究進展，包括這些醫學影像分割算法的基本結構、目標函數和優化方法。隨后針對醫學影像標注數據有限的問題，對目前半監督條件下醫學影像分割的主流工作進行了整理歸納和分析。此外，還介紹了針對標注誤差進行不確定度分析的相關工作。最后，總結分析了深度學習醫學影像分割的特點并展望了未來的研究趨勢。

//www.joca.cn/CN/abstract/abstract24596.shtml

主題模型是當下文本挖掘中最主要的技術之一，廣泛應用于數據挖掘、文本分類以及社區發現等。由于其出色的降維 能力和靈活地易擴展性，成為自然語言處理領域的一個熱門研究方向。Blei 等人提出了以 Lantent Dirichlet Allocation（LDA） 為代表的概率主題建模方法，在該模型中主題可以看作是單詞的概率分布，主題模型通過單詞項在文檔級的共現信息進而 提取出與文檔語義相關的主題，實現將高維的單詞空間映射到低維的主題空間來完成對目標文本數據的降維處理，開創了 文本挖掘研究的新方向。其中 LDA 作為一種概率生成模型很容易被擴展為其它各種形式的模型，鑒于層次主題模型的應 用價值、理論意義和未來的發展潛力，本文首先系統性的對 LDA 模型進行介紹，進而對基于 LDA 模型的各類擴展模型進 行詳細分類，并對其中各類的典型代表進行詳細介紹，指出了各個概率主題模型被提出的原因以及其模型的具體形式、所 具有的優缺點、適宜解決的問題等，進而又指出近年來，主題模型的典型的應用場景，此外，本文還對目前概率主題模型 常用的幾個公認的數據集、評測方法以及典型實驗結果進行詳細介紹，并在最后指明了概率主題模型進一步研究中需要解 決的問題以及未來可能的發展方向。

//cjc.ict.ac.cn/online/bfpub/hynx-202131103858.pdf

摘要： 作為人工智能領域的一個重要分支, 智能規劃被廣泛應用于機器人、工業生產、商業應用等領域。時態規劃是智能規劃的前沿子領域。本文從時態特征、規劃方法、應用等三個角度出發, 對時態規劃進行綜述。與規劃能力相比, 時態特征的發展已足夠成熟; 基于啟發式的狀態空間搜索是目前的最佳選擇; 研究人員仍在尋找更多更好的應用場景。本文旨在用通俗易懂的方式幫助入門學者快速認識時態規劃。

摘要： 基于視覺和語言的跨媒體問答與推理是人工智能領域的研究熱點之一,其目的是基于給定的視覺內容和相關問題,模型能夠返回正確的答案。隨著深度學習的飛速發展及其在計算機視覺和自然語言處理領域的廣泛應用,基于視覺和語言的跨媒體問答與推理也取得了較快的發展。文中首先系統地梳理了當前基于視覺和語言的跨媒體問答與推理的相關工作,具體介紹了基于圖像的視覺問答與推理、基于視頻的視覺問答與推理以及基于視覺常識推理模型與算法的研究進展,并將基于圖像的視覺問答與推理細分為基于多模態融合、基于注意力機制和基于推理3類,將基于視覺常識推理細分為基于推理和基于預訓練2類;然后總結了目前常用的問答與推理數據集,以及代表性的問答與推理模型在這些數據集上的實驗結果;最后展望了基于視覺和語言的跨媒體問答與推理的未來發展方向。

//www.jsjkx.com/CN/10.11896/jsjkx.201100176

為了解圖像分割領域的研究現狀，對圖像分割方法進行了系統性梳理，首先按照基于閾值、邊緣、區域、聚類、圖論及特定理論等6類方法介紹傳統圖像分割方法；然后介紹基于深度學習的分割方法，并探討了幾種常用的分割網絡模型，包括全卷積網絡（full convolutional network,FCN）、金字塔場景解析網絡（pyramid scene parsing network,PSPNet）、DeepLab、Mask R-CNN；最后在圖像分割的常用數據集上對同類方法進行了性能比較和分析。