计算机视觉中基于图神经网络和图Transformers的方法和最新进展
在本文中,我们首先介绍了图神经网络的发展史和最新进展,包括最常用、最经典的图神经网络和图Transformers。然后,我们以任务为导向对计算机视觉中基于图神经网络(包括图Transformers)的方法和最新进展进行了全面且详细的调研。具体来说,我们根据输入数据的模态将图神经网络在计算机视觉中的应用大致划分为五类:自然...
【广发金工】2024精选深度报告系列之四:基于卷积神经网络的ETF...
在完成卷积神经网络的训练后,标准化价量数据图表对模型进行输入,分别对模型中的4个卷积神经网络结构的输出在特征维度随机抽取9张特征图进行可视化。从特征可视化结果来看,卷积层1和卷积层2作为低维度特征提取器,其关注到了整幅标准化价量数据图表中的信息,均同时涵盖了k线图、移动平均线、交易量以及MACD信息。而卷...
...| 计算机视觉中基于图神经网络和图Transformers的方法和最新进展
然后,我们以任务为导向对计算机视觉中基于图神经网络(包括图Transformers)的方法和最新进展进行了全面且详细的调研。具体来说,我们根据输入数据的模态将图神经网络在计算机视觉中的应用大致划分为五类:自然图像(二维)、视频、视觉+语言、三维数据(例如,点云)以及医学影像。在每个类别中,我们再根据视觉任务的不同对...
三维卷积神经网络(3D-CNN)解码运动过程的脑电图
研究人员提出了一种神经生理学可解释的三维卷积神经网络(3D-CNN),它捕捉了运动过程中大脑区域的时空依赖性。该3D-CNN使用保留地形的EEG输入,能够预测手部运动的复杂特征,如反应时间、运动模式和方向。在新数据集上的测试中,3D-CNN在这些任务中的准确率分别为79.81%、81.23%和82.00%,优于二维卷积神经网络...
晶圆表面缺陷检测方法综述【下】
YuJ等提出了一种基于二维主成分分析的卷积自编码器的深度神经网络PCACAE,并设计了一种新的卷积核来提取晶圆缺陷特征。产品自动编码器级联,进一步提高特征提取的性能。针对晶圆数据采集困难、公开数据集少等问题,Ssu-HanChen等首次采用生成对抗网络和目标检测算法YOLOv3相结合的方法,对小样本中的晶圆缺陷进行检测。GAN...
上理工团队开发超快速的卷积光学神经网络,助力人工智能成像
这不仅颠覆传统光学成像技术,也证明了卷积网络在人工智能领域的应用潜力(www.e993.com)2024年10月23日。该成果于6月14日以“基于超快卷积光学神经网络的非记忆效应散射成像”为题发表于《科学》子刊《科学进展》(ScienceAdvances)上,智能科技学院张雨超特聘研究员为第一作者,顾敏和张启明为共同通讯作者。张雨超介绍,CNN作为目前为止应用最为...
视野扩大271倍,上海理工大学开发超快卷积光学神经网络
卷积神经网络(CNN)凭借其出色的图像识别能力,在人工智能领域表现出色,尤其是在ChatGPT等平台中。近日,上海理工大学团队成功将CNN概念引入光学领域,实现卷积全光神经网络,为人工智能成像技术带来了革命性的进步。研究团队开发了一种超快卷积光学神经网络(ONN),该网络无需依赖光学记忆效应,即可实现对散射介质后方...
对话七乐康石榴云医:连接数据与未来,打造AI智慧医疗的“梦想蓝海”
人工智能以硅基技术实现人类碳基生命的类脑智能,已在向强人工智能时代演进,从人工智能基础设施如类脑脉冲式AI芯片算力,到算法模型演进的卷积神经网络深度学习、大模型等,均与人类大脑神经系统脉冲式思考、神经突触生物细胞机制高度相似,不仅实现硅基碳基科技融合助力神经突触衰退改善及活跃度提升,改善记忆力及老年人A....
卷积神经网络(CNN):如何高效的识别图像?
上文介绍了神经网络的基础概念,今天我们在神经网络的基础上,看看卷积神经网络(CNN)是如何完成图像识别任务的。一、图像识别的痛点问题在CNN出现之前,图像识别有两个大难题:图像需要处理的数据量太大:图片是由像素构成的,每个像素又由颜色(R、G、B三个数值)构成,用720p的手机摄像头随便拍张照片,就是1280*720...
车路协同感知技术研究进展及展望丨中国工程科学
随着深度学习技术的快速发展,深度神经网络因其高效、准确等特性,在特征训练与提取方面正日益超越传统的基于手工特征的识别方法。在毫米波雷达点云数据处理方面,卷积神经网络能够自动提取点云数据特征,省去了人工设计和选择特征的环节,既提高了准确性又优化了处理流程。