Gracias por compartir la plataforma-http: //bjbsair.com/2020-04-10/tech-info/53247.html
Directorio
Mapa de aplicaciones de inteligencia artificial para COVID-19
COVIDX-NET: un marco clasificador de aprendizaje profundo para diagnosticar COVID-19 en imágenes de rayos X
COVID-NET: un diseño personalizado de red neuronal convolucional profunda para detectar casos de COVID-19 a partir de imágenes de rayos X de tórax
Red de interés profundo para la predicción de la tasa de clics
CVPR 2020 | SwapText: migración de texto de escena basada en imágenes
Mapa de aplicaciones de inteligencia artificial para COVID-19
论文 名称 ： Mapeo del paisaje de aplicaciones de inteligencia artificial contra COVID-19
Hora de publicación: 2020/3/25
Enlace de tesis: https://arxiv.org/abs/2003.11336v1
Razón recomendada
Este es un documento de revisión que describe las aplicaciones de tecnología relacionadas con la inteligencia artificial y la computadora recientemente utilizadas en la investigación de nuevos coronavirus. El enfoque de investigación actual del nuevo coronavirus incluye el seguimiento de la transmisión del virus, la promoción de la detección del virus, el desarrollo de vacunas, la búsqueda de nuevos tratamientos y la comprensión del impacto socioeconómico de la epidemia. La tecnología de inteligencia artificial ayuda a resolver la crisis de COVID-19 en diferentes niveles, incluidas las aplicaciones moleculares, médicas y epidemiológicas, entre ellas, el nivel molecular incluye la extracción de drogas y otras investigaciones relacionadas, el nivel médico incluye el diagnóstico y el tratamiento individual del paciente, y el nivel social incluye la epidemia. Investigación de enfermedades y medicina de la información. Finalmente, este documento también discute posibles direcciones futuras de investigación y las herramientas y recursos necesarios para promover la investigación de inteligencia artificial.
COVIDX-NET: un marco clasificador de aprendizaje profundo para diagnosticar COVID-19 en imágenes de rayos X
论文 名称 ： COVIDX-Net: un marco de clasificadores de aprendizaje profundo para diagnosticar COVID-19 en imágenes de rayos X
Hora de publicación: 2020/3/24
Enlace de tesis: https://arxiv.org/abs/2003.11055v1
Razón recomendada
Este documento propone un marco de aprendizaje profundo llamado COVIDX-Net para ayudar a los radiólogos a diagnosticar automáticamente COVID-19 en imágenes de rayos X. Este documento validó 7 modelos diferentes de redes neuronales convolucionales profundas en 50 imágenes de rayos X de tórax, incluidos VGG19 y MobileNet. Basado en la partición del conjunto de prueba de entrenamiento del 80% -20%, este documento encontró que VGG19 y DenseNet funcionan mejor, con puntajes f1 de 0.89 y 0.91 respectivamente. Este es solo un trabajo de investigación preliminar, y a medida que surgen más conjuntos de datos abiertos, se pueden realizar más evaluaciones.
[Falló la transferencia de la imagen de la cadena externa, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-Oue6hEeN-1586505406653) (http://p3.pstatp.com/large/pgc-image/RvS3F8S6CZ7sS)
COVID-NET: un diseño personalizado de red neuronal convolucional profunda para detectar casos de COVID-19 a partir de imágenes de rayos X de tórax
论文 名称 ： COVID-Net: un diseño de red neuronal convolucional profunda a medida para la detección de casos de COVID-19 a partir de imágenes de radiografía de tórax
Hora de publicación: 2020/3/22
Enlace de tesis: https://arxiv.org/abs/2003.09871v1
Razón recomendada
Este documento abierto originó una red neuronal convolucional profunda, COVID-Net, diseñada para detectar casos de COVID-19 a partir de imágenes de rayos X de tórax. El conjunto de datos de imagen radiográfica de tórax utilizado para entrenar COVID-Net se llama COVIDx y contiene 5941 imágenes radiográficas de tórax de frente a frente de 2839 pacientes de dos bases de datos abiertas. Este documento también analiza cómo COVID-Net utiliza métodos interpretables para hacer predicciones, con el fin de obtener una comprensión más profunda de los factores clave asociados con los casos de COVID, que pueden ayudar a los médicos a realizar una mejor detección. Los datos y el código abiertos ayudan a desarrollar soluciones de aprendizaje profundo de alta precisión y prácticas para la detección de casos de COVID-19.
Red de interés profundo para la predicción de la tasa de clics
Nombre del documento: Red de interés profundo para la predicción de la tasa de clics
Hora de publicación: 2018/3/1
Enlace al documento: https://arxiv.org/pdf/1706.06978.pdf
Razón recomendada
La importancia de la investigación y el contenido central de este artículo:
[La transferencia de imagen de la cadena externa falló, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-oi9SGBnt-1586505406664) (http://p1.pstatp.com/large/pgc-image/RvS3FcfBsUe8Vn)]
CVPR 2020 | SwapText: migración de texto de escena basada en imágenes
Nombre del documento: SwapText: Transferencia de textos basados en imágenes en escenas
Hora de publicación: 2020/3/18
Enlace de tesis: https://arxiv.org/abs/2003.08152
Razón recomendada
Este artículo es de la Academia Alibaba Badamo y ha sido aceptado por CVPR2020. Resuelve principalmente el problema del reemplazo de texto en imágenes.
[La transferencia de la imagen de la cadena externa falló, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-vT13UfLR-1586505406665) (http://p1.pstatp.com/large/pgc-image/RvS3FeeHXVGSE6)] [Falló la transferencia de imagen de la cadena externa, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-oRdW9m4q-1586505406667) (http://p1.pstatp.com/large/pgc-image/RvS3Ff0DzLbYSM) [Falló la transferencia de la imagen de la cadena externa, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-TFMB2Tit-1586505406669) (http://p3.pstatp.com/large/pgc-image/RvS3FfIC9Ugdcw)] Gracias por compartir la plataforma-http: //bjbsair.com/2020-04-10/tech-info/53247.html
Directorio
Mapa de aplicaciones de inteligencia artificial para COVID-19
COVIDX-NET: un marco clasificador de aprendizaje profundo para diagnosticar COVID-19 en imágenes de rayos X
COVID-NET: un diseño personalizado de red neuronal convolucional profunda para detectar casos de COVID-19 a partir de imágenes de rayos X de tórax
Red de interés profundo para la predicción de la tasa de clics
CVPR 2020 | SwapText: migración de texto de escena basada en imágenes
Mapa de aplicaciones de inteligencia artificial para COVID-19
论文 名称 ： Mapeo del paisaje de aplicaciones de inteligencia artificial contra COVID-19
Hora de publicación: 2020/3/25
Enlace de tesis: https://arxiv.org/abs/2003.11336v1
Razón recomendada
Este es un documento de revisión que describe las aplicaciones de tecnología relacionadas con la inteligencia artificial y la computadora recientemente utilizadas en la investigación de nuevos coronavirus. El enfoque de investigación actual del nuevo coronavirus incluye el seguimiento de la transmisión del virus, la promoción de la detección del virus, el desarrollo de vacunas, la búsqueda de nuevos tratamientos y la comprensión del impacto socioeconómico de la epidemia. La tecnología de inteligencia artificial ayuda a resolver la crisis de COVID-19 en diferentes niveles, incluidas las aplicaciones moleculares, médicas y epidemiológicas, entre ellas, el nivel molecular incluye la extracción de drogas y otras investigaciones relacionadas, el nivel médico incluye el diagnóstico y el tratamiento individual del paciente, y el nivel social incluye la epidemia. Investigación de enfermedades y medicina de la información. Finalmente, este documento también discute posibles direcciones futuras de investigación y las herramientas y recursos necesarios para promover la investigación de inteligencia artificial.
COVIDX-NET: un marco clasificador de aprendizaje profundo para diagnosticar COVID-19 en imágenes de rayos X
论文 名称 ： COVIDX-Net: un marco de clasificadores de aprendizaje profundo para diagnosticar COVID-19 en imágenes de rayos X
Hora de publicación: 2020/3/24
Enlace de tesis: https://arxiv.org/abs/2003.11055v1
Razón recomendada
Este documento propone un marco de aprendizaje profundo llamado COVIDX-Net para ayudar a los radiólogos a diagnosticar automáticamente COVID-19 en imágenes de rayos X. Este documento validó 7 modelos diferentes de redes neuronales convolucionales profundas en 50 imágenes de rayos X de tórax, incluidos VGG19 y MobileNet. Basado en la partición del conjunto de prueba de entrenamiento del 80% -20%, este documento encontró que VGG19 y DenseNet funcionan mejor, con puntajes f1 de 0.89 y 0.91 respectivamente. Este es solo un trabajo de investigación preliminar, y a medida que surgen más conjuntos de datos abiertos, se pueden realizar más evaluaciones.
COVID-NET: un diseño personalizado de red neuronal convolucional profunda para detectar casos de COVID-19 a partir de imágenes de rayos X de tórax
论文 名称 ： COVID-Net: un diseño de red neuronal convolucional profunda a medida para la detección de casos de COVID-19 a partir de imágenes de radiografía de tórax
Hora de publicación: 2020/3/22
Enlace de tesis: https://arxiv.org/abs/2003.09871v1
Razón recomendada
Este documento abierto originó una red neuronal convolucional profunda, COVID-Net, diseñada para detectar casos de COVID-19 a partir de imágenes de rayos X de tórax. El conjunto de datos de imagen radiográfica de tórax utilizado para entrenar COVID-Net se llama COVIDx y contiene 5941 imágenes radiográficas de tórax de frente a frente de 2839 pacientes de dos bases de datos abiertas. Este documento también analiza cómo COVID-Net utiliza métodos interpretables para hacer predicciones, con el fin de obtener una comprensión más profunda de los factores clave asociados con los casos de COVID, que pueden ayudar a los médicos a realizar una mejor detección. Los datos y el código abiertos ayudan a desarrollar soluciones de aprendizaje profundo de alta precisión y prácticas para la detección de casos de COVID-19.
[Falló la transferencia de imagen de la cadena externa, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-OBfcsc5r-1586505406940) (http://p3.pstatp.com/large/pgc-image/RvS3F9O9TVuMB3)]
Red de interés profundo para la predicción de la tasa de clics
Nombre del documento: Red de interés profundo para la predicción de la tasa de clics
Hora de publicación: 2018/3/1
Enlace al documento: https://arxiv.org/pdf/1706.06978.pdf
Razón recomendada
La importancia de la investigación y el contenido central de este artículo:
[Falló la transferencia de la imagen de la cadena externa, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-Jgz9Jrnq-1586505406948) (http://p1.pstatp.com/large/pgc-image/RvS3FcfBsUe8Vn)]
CVPR 2020 | SwapText: migración de texto de escena basada en imágenes
Nombre del documento: SwapText: Transferencia de textos basados en imágenes en escenas
Hora de publicación: 2020/3/18
Enlace de tesis: https://arxiv.org/abs/2003.08152
Razón recomendada
Este artículo es de la Academia Alibaba Badamo y ha sido aceptado por CVPR2020. Resuelve principalmente el problema del reemplazo de texto en imágenes.
[La transferencia de la imagen de la cadena externa falló, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-zW2IXcFw-1586505406949) (http://p1.pstatp.com/large/pgc-image/RvS3FeeHXVGSE6)] [Falló la transferencia de la imagen de la cadena externa, el sitio de origen puede tener un mecanismo de cadena antirrobo, se recomienda guardar la imagen y cargarla directamente (img-ywmRLmCj-1586505406953) (http://p3.pstatp.com/large/pgc-image/RvS3FfIC9Ugdcw)]
