XiaoMi-AI文件搜索系统
World File Search SystemVisual
使用转移学习和注意力的高级种族分类：实时指标，错误分析和可视化的轻量级学习
背景和目标：深度学习技巧极大地推动了面部图像的种族分类进步。尽管取得了这些进步，但许多现有方法依赖于复杂的模型，这些模型需要大量的计算成本并表现出缓慢的处理速度。本研究旨在通过利用转移学习以及结合了基于注意力的学习的改进的有效网络模型来介绍一种有效，强大的种族分类方法。方法：在这项研究中，有效的网络被用作基本模型，应用转移学习和注意机制来增强其在种族分类任务中的功效。有效NET的分类器组件在战略上进行了修改，以最大程度地减少参数计数，从而在不损害分类精度的情况下提高处理速度。为了解决数据集不平衡，我们实施了广泛的数据增强和随机的过采样技术。修改模型经过严格培训和在全面的数据集上进行了评估，并通过准确性，精度，召回和F1得分指标进行了评估。结果：修改后的有效网络模型表现出显着的分类精度，同时显着降低了UTK-FACE数据集的计算需求。具体来说，该模型的准确度为88.19％，反映了基本模型的增强2％。此外，它证明记忆消耗和参数计数减少了9-14％。此外，提出的方法增强了培训样本少约50％的班级测试准确性约5％。实时评估显示，处理速度的速度比基本模型快14％，并且达到了最高的F1得分结果，这强调了其对实际应用的有效性。结论：本研究提出了一个基于改进的有效网络体系结构的高效种族分类模型，该模型利用转移学习和基于注意力的学习来实现最先进的表现。所提出的方法不仅持有高精度，还可以确保快速处理速度，使其非常适合实时应用。调查结果表明，这种轻巧的模型可以有效地与更复杂和计算密集的最新方法相抗衡，从而为实践种族分类提供了宝贵的资产。
基因序列可视化 - HAL lirmm
从 DNA 微阵列分析中获得的大量生物数据中提取知识的技术可以发现以前未知的知识。然而，这些技术通常会产生许多专家不易操作的结果。我们提出了一种工具，专门用于支持这些专家在提取过程后获取知识的过程中进行使用和利用。该工具基于 3 种可视化技术（云、太阳系和树形图），使生物学家能够捕获大量模式（有序的基因序列）。
视觉知觉学习在虚幻的远距离空间中有效，但在近距离空间中无效
摘要 在近体空间 (PPS) 中，与远离身体的物体相比，靠近身体的物体的视觉形状辨别速度更快。当感知深度基于 2D 图像提示时，PPS 中的视觉处理也会增强。从相对低级（检测、大小、方向）到高级视觉特征（面部处理），都观察到了这种优势。虽然多感官联想也显示出近端优势，但 PPS 是否影响视觉感知学习仍不清楚。在这里，我们研究了感知学习效果是否会根据视觉刺激与观察者的距离（近或远）而变化，这是通过利用庞佐错觉幻觉诱导的。参与者执行了视觉搜索任务，他们报告了干扰项中是否存在特定目标物体方向（例如，指向下方的三角形）。在近距离（近组）或远距离（远组）练习视觉搜索任务（每天 30 分钟，持续 5 天）之前和之后评估表现。结果表明，在近距离空间进行训练的参与者没有进步。相比之下，在远空间进行训练的参与者在远空间和近空间的视觉搜索任务中都表现出了进步。我们认为，远空间训练后的这种进步是由于在远空间中更多地部署了注意力，这可以使学习更有效，并可以跨空间推广。
未接受治疗的糖尿病性黄斑水肿的视力结果预测因素：来自“FOVEA”临床研究的初步结果。
1 萨萨里大学生物医学系，07100 萨萨里，意大利 2 遗传与生物医学研究所 (IRGB)，CNR，Cittadella Universitaria di Cagliari，09042 蒙塞拉托，意大利 3 Centre Ophtalmologique de l'Odéon，113 bd Saint Germain，75006 Paris，France 4 生物医学系眼科，巴黎第六大学，361 rue Clément Ader，Bâtiment C，27000 Evreux，法国 5 Instituto de Oftalmologia Dr. Gama Pinto，1150-255 Lisboa，葡萄牙 6 里尔天主教医院眼科，里尔天主教大学，INSERM U1172，59000 Lille，法国 7 眼科医学、外科和药学，意大利萨萨里大学眼科中心，邮编 07100 萨萨里 8 意大利安科纳 60121 马尔凯理工大学实验与临床医学系眼科诊所 * 通信：作者：rita.serra@ymail.com (RS)；coscas.f@gmail.com (FC)；电话：+1-43295659 (RS 和 FC)；传真：+1-43291456 (RS 和 FC) † 团体成员名称见附录 A。
用于音乐复音生成系统的脑机接口、视觉追踪器和人工智能
系统架构如图2所示。左侧的音高剖面生成器模块基于一种算法，该算法将Leap Motion 设备检测到的作曲家手指坐标转换为音符音高。结果是音高剖面，即一系列没有关于其持续时间的音符。右侧模块的特点是前馈网络分类器，它采用深度网络算法，分析作曲家佩戴的Emotiv 耳机的五个电极发出的脑电图信号，并将其心理状态分类为“专注”或“放松”。这里的心理状态是从脑电图信号获得的一系列功率谱值。该算法先前已通过特定作曲家的心理状态数据集进行训练。复音结构生成器：1）接收音高轮廓，2）将其乘以四以获得复音草案，3）根据作曲家的心理状态，为四个音高轮廓的音符赋予持续时间，并通过乱序方法进行区分。
将视觉原型与 BERT 嵌入对齐以进行少量...
少量学习 (FSL) 是从少量训练示例中学习识别以前未见过的图像类别的任务。这是一项具有挑战性的任务，因为可用的示例可能不足以明确确定哪些视觉特征最能体现所考虑类别的特征。为了缓解这个问题，我们提出了一种额外考虑图像类别名称的方法。虽然之前的工作已经探索过类名的使用，但我们的方法在两个关键方面有所不同。首先，虽然之前的工作旨在直接从词嵌入中预测视觉原型，但我们发现通过分别处理视觉和基于文本的原型可以获得更好的结果。其次，我们提出了一种使用 BERT 语言模型学习类名嵌入的简单策略，我们发现该策略大大优于之前工作中使用的 GloVe 向量。此外，我们提出了一种处理这些向量高维性的策略，该策略受到跨语言词嵌入对齐模型的启发。我们对 miniImageNet、CUB 和 tieredImageNet 进行了实验，结果表明我们的方法能够持续提高基于度量的 FSL 的最新水平。
rbiom：读/写，分析和可视化“生物元”数据
adiv_boxplot。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>3 ADIV_CORRKLOT。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 6 ADIV_MATRIX。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>3 ADIV_CORRKLOT。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>6 ADIV_MATRIX。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>6 ADIV_MATRIX。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。8 ADIV_STATS。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 9 adiv_table。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 11 as.list.rbiom。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。8 ADIV_STATS。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 adiv_table。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11 as.list.rbiom。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 as.matrix.rbiom。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 AS_RBIOM。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14个婴儿。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 bdiv_boxplot。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 BDIV_CLUSTERS。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>19 bdiv_corrklot。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>20 bdiv_heatmap。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 bdiv_ord_plot。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>26 bdiv_ord_table。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>29 bdiv_stats。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>31 bdiv_table。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>34 bdply。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37 biom_merge。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。38 convert_to_se。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。39 Distmat_ord_table。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>40 DISTMAT_STATS。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>41个宝石。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>42瞥见。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。43 HMP50。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。44 modify_metadata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>44 plot_heatmap。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>45 pull.rbi。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>49稀有。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>50个ramefy_cols。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>51 RARE_CORRKLOT。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>52 RAMED_MULTIPLOT。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。55 race_stacked。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。57 read_biom。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。58 read_fasta。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。60 read_tree。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。60个样本_sums。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。61 slice_metadata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。62 Stats_boxplot。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。65 Stats_corrplot。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。68 Stats_table。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>70子集。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>72 tuxa_boxplot。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>74个taxa_clusters。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>78 tuxa_corrklot。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>79 taxa_heatmap。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>82 div>
通过智能对象对视力障碍的感知帮助：概念，实现和实验场景
摘要最近几年在智能对象（SOS）领域取得了长足的进步：它们的数量，多样性，性能和普遍性都在迅速增加，预计这种演变将继续下去。据我们所知，几乎没有做出的工作来利用丰富的资源来开发视力障碍者（VIP）的辅助设备。但是，我们认为SOS既可以增强传统的辅助功能（即障碍物检测，导航）并提供与环境互动的新方法。在描述了SOS启用的空间和非空间感知功能之后，本文介绍了SO2Sees，该系统旨在成为其用户和相邻SOS之间的接口。SO2SEES允许VIP以直观的方式查询SOS，依靠在物联网（IoT）云平台上分发的知识库和SO2Sees自己的后端。为了评估和验证裸露的概念，我们使用语义Web标准开发了SO2SEES系统的简单工作实现。围绕该早期SO2SEES系统建立了一种受控的环境测试方案，以证明其可行性。作为未来的工作，我们计划使用VIP最终用户进行该第一个原型的现场实验。
ShodhKosh：视觉与表演艺术杂志
根据美国信息技术协会 (ITAA) 的定义，信息技术 (IT) 是“对基于计算机的信息系统（特别是软件应用程序和计算机硬件）的研究、设计、开发、实施、支持或管理”。IT 涉及使用电子计算机和计算机软件来转换、存储、保护、处理、传输和安全检索信息。信息技术 (IT) 在当代社会中发挥着至关重要的作用。它已将整个世界变成了一个地球村，全球经济越来越依赖于信息的创造性管理和分发。世界经济的全球化极大地提高了信息对商业组织的价值，并提供了新的商业机会。本文旨在强调信息技术 (IT) 对社会的影响。本文的结论是，印度政府一直在逐步成功地改善该国的 IT 政策环境。
视觉线索可能会影响脑电图深度学习模型
过去几年，深度学习 (DL) 在基于运动想象的脑机接口 (MI-BCI) 分类中的应用取得了显著增长，有望提高 EEG 分类准确率。然而，DL 的黑箱性质可能导致准确但有偏差和/或不相关的 DL 模型。在这里，我们研究在 DL 输入窗口中使用视觉提示 EEG（通常使用）对所学特征和最先进 DL 模型 DeepConvNet 的分类性能的影响。分类器在一个大型 MI-BCI 数据集上进行了测试，在视觉提示后有两个时间窗口：0-4 秒（有提示 EEG）和 0.5-4.5 秒（无提示 EEG）。从性能角度来看，第一个条件明显优于第二个条件（86.82% vs. 76.11%，p<0.001）。然而，显著性图分析表明，加入视觉提示 EEG 会导致提取提示相关诱发电位，这与没有视觉提示 EEG 训练的模型所使用的 MI 特征不同。