独立进化的视觉系统中普遍存在幻觉轮廓感知能力,表明它在生物视觉处理中具有基础和关键的作用,因此,幻觉轮廓感知也应该是人工智能视觉系统所必须具备的能力。 此前,深度学习模型的幻觉轮廓感知相关研究相对较少,研究深度学习模型对幻觉轮廓感知的鲁棒性比图像干扰鲁棒性更加复杂,主要障碍是幻觉轮廓的样本有限。...
他们开发了一种名为“ImmunoSEIRA”的新型生物传感器,能够检测和识别与NDD相关的错误折叠的蛋白质生物标记物。 12日发表在《科学进展》杂志上的这项研究还利用了人工智能(AI)技术,使用神经网络来量化疾病的阶段和进展。为了创建这种先进的NDD生物标志物传感器,研究人员将蛋白质生物化学、光流变学、纳米技术和AI等多个学科和多种技术整合在一起。 ...
如今,“人工智能视觉算法主要是基于有限的数据量并对其进行标注来训练和实现的,显然无法适应现实世界各种视觉认知任务的复杂性,相关算法对哪些不常见的但后果严重的情况,经常缺乏足够的鲁棒性和泛化能力,也对其他场景不具有可推广性。”约翰霍普金斯大学认知科学系和计算机科学系特聘教授艾伦·尤尔表示。 ...
在追踪任务中,本文使用残差网络(ResNet)作为主干网络,并引入多任务学习(multi-task learning)增强网络提取特征信息的鲁棒性(稳健性)。IoU是衡量位置检测准确度的一种常见方法。在本文中,用于衡量其神经网络对图片中类器官细胞位置检测的准确度。如图所示,红色是神经网络预测的边界框, 绿色是由专家手动标记的真实边界框。...
Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号