ICMLJul, 2022

大数据的轻盈承载：走向大规模科学机器学习的公共数据集

PDF
TL;DR通过在一个 petascale CFD 模拟的数据上进行实验，我们证明了深度学习模型可以通过有损压缩的数据来训练和测试。我们构建和评估了一个大数据框架的要求，以展示有损压缩算法对于科学数据建立社区数据集的现实途径。
deep learninglossy compressionscientific databig data frameworkmachine learning
发现论文，激发创造
  • 实时揭示印度人的属性的智能城市监控

    这篇论文关注于为印度城市创建一个智能监控系统，该系统可以实时识别和分析人们的属性。通过使用人工智能和机器学习等先进技术，该系统可以识别上半身颜色、穿着、配饰以及头饰等属性，并通过城市周围安装的摄像头来分析人们的行为。

    Jul, 2024

  • IM-MoCo: 使用运动引导的隐式神经表示的自监督磁共振成像运动校正

    本研究中，我们提出了一种基于实例的运动校正流程，利用运动引导的隐式神经表示来减轻运动伪影对解剖结构的影响，通过使用 NYU fastMRI 数据集对不同程度模拟的运动严重性进行评估，纯粹的校正方法可以将结构相似性指标（SSIM）提高 5％，峰值信噪比（PSNR）提高 5 dB，以及 HaarPSI 提高 14％，在随后的实验中，我们的方法相对于受运动干扰的图像，至少可以将分类准确度提高 1.5 个百分点以上。

    Jul, 2024

  • 现代邻域分析：二十年后的深度表格基线

    使用深度学习方法改进传统的基于树的表格数据预测方法，并通过集成深度学习架构和邻域抽样策略，显著提高现代邻域组件分析的性能，超过了现代深度表格模型，在分类和回归任务中取得最先进的结果，同时减少训练时间和模型大小。

    Jul, 2024

  • 众多是否更好？导航在集成学习系统中准确性与能效设计权衡

    从绿色人工智能的角度出发，我们建议使用机器学习的小规模集合（2 个或最多 3 个模型），利用基于子集的训练、多数投票和能源高效的 ML 算法（如决策树、朴素贝叶斯或 KNN）来设计更加高效的机器学习模型组合。

    Jul, 2024

  • 基于知识蒸馏和量化的边缘设备统一异常检测方法

    在工业 4.0 中，随着深度学习和智能制造的快速发展，高吞吐量、高性能和完全集成的视觉检测系统呼之欲出。我们的实验研究表明，多类模型在标准 MVTec AD 数据集上的性能与单类模型相当，进一步证明了当物体类别之间差异显著时，学习单独的物体 / 类别模型可能是不必要的。我们还通过在 CPU 和边缘设备（NVIDIA Jetson Xavier NX）上部署三种不同的统一轻量级架构来分析量化的多类异常检测模型在边缘设备上的延迟和内存需求，并比较了量化感知训练（QAT）和后训练量化（PTQ）在不同精度位宽下的性能。此外，我们探索了后训练场景中所需的两种不同的校准方法，并且表明其中一种性能明显更好，突出了它在无监督任务中的重要性。由于量化，PTQ 的性能下降通过 QAT 得到进一步补偿，在考虑的两种模型中，QAT 以与原始 32 位浮点数相当的性能呈现。

    Jul, 2024

  • 自监督视觉 Transformer 是可扩展的领域泛化生成模型

    我们提出了一种新颖的生成方法用于组织病理学图像的领域泛化，通过使用一种生成的自监督视觉转换器从图像片段中提取特征，并将它们无缝地融合到原始图像中，从而创建具有不同属性的新颖的合成图像，丰富数据集，从而提高深度学习模型在未见领域中的泛化能力。

    Jul, 2024

  • 增强乳腺癌分割和识别的多注意力集成深度学习框架

    本研究提出了多注意力增强的深度学习框架，用于从超声图像中进行乳腺癌肿瘤的分类和分割，实验结果显示其在分割和分类任务上取得了优异的性能。

    Jul, 2024

  • GMM-ResNext: 结合生成和判别模型进行说话者验证

    基于深度学习的 GMM-ResNext 模型结合语音特征和基于 ResNext 网络的说话人嵌入，通过将生成模型和判别模型相结合，提高了深度学习模型的泛化能力，也提出了基于两个性别相关的 GMM 的两通道 GMM-ResNext 模型。在 VoxCeleb1-O 测试集上，相比于 ResNet34 和 ECAPA-TDNN，提出的 GMM-ResNext 模型实现了 48.1% 和 11.3% 的相对改进。

    Jul, 2024

  • 利用人工智能和机器学习生成的假设（使用 TxGraffiti）

    TxGraffiti 是一种基于机器学习和启发式方法的人工智能，旨在自动完成数学猜想的任务，并生成许多令人惊讶的猜想，已发表在权威的数学期刊上。本文概述了 TxGraffiti 所实施的机器学习和启发式技术，并宣布了一个新的在线版本，供对图论中的猜想感兴趣的人探索使用。

    Jul, 2024

  • YOLOv8 中的全局上下文建模用于儿童腕部骨折检测

    深度学习在儿童尺骨骨折检测中的应用研究，通过 YOLOv8+GC 模型对 X 射线图像进行分析与诊断，提高了模型性能达到国际先进水平。

    Jul, 2024