Jul, 2023

体育应用中的深度学习调查：感知、理解和决策

PDF
TL;DR深度学习在运动表现中具有革命性的潜力，本文对深度学习在运动表现方面进行了全面的调查，重点关注算法、数据集和虚拟环境以及挑战。我们首先讨论了深度学习算法在运动表现中的层次结构，其中包括感知、理解和决策，并比较了它们的优势和不足。其次，我们列举了广泛使用的现有运动数据集，并强调了它们的特点和局限性。最后，我们总结了当前的挑战，并指出深度学习在运动领域的未来趋势。我们的调查为对深度学习在运动应用感兴趣的研究人员提供了有价值的参考资料。
发现论文，激发创造
  • 计算机视觉任务的深度学习综述

    本文旨在概述深度学习算法在计算机视觉领域的应用，包括图像分类，目标识别，图像提取和语义分割等方面，同时讨论了构建和训练深度神经网络面临的未来范围和挑战。

    Apr, 2018

  • 深度学习在电子游戏中的应用

    本文回顾了近期深度学习在不同类型的游戏中（例如第一人称射击、街机游戏和实时策略游戏）的应用，分析了不同游戏类型对深度学习系统的独特需求，并强调了应用这些机器学习方法到视频游戏领域的重要挑战，例如通用游戏演奏、处理极大的决策空间和稀疏回报等。

    Aug, 2017

  • 基于深度学习的计算机视觉在自动驾驶技术中的应用研究

    该研究探索了深度学习在自动驾驶计算机视觉技术中的应用及其对系统性能的改进影响。研究结果表明，深度学习技术可以显著提高自动驾驶系统的准确性和实时响应能力。尽管在环境感知和决策支持方面仍存在挑战，但随着技术的进步，预计未来能实现更广泛的应用和更大的潜力。

    Jun, 2024

  • 基于深度学习算法的人工智能与计算机视觉的集成与性能分析

    深度学习与计算机视觉技术的集成应用效果的分析，通过构建分层神经网络实现了历史性的突破，能够进行端到端的特征学习和图像的语义理解，提出了深度神经网络模型在图像分类等任务中的卓越性能，同时指出了其在泛化和可解释性方面的局限性，并提出了未来改进的方向。深度学习与大量视觉数据的高效集成和发展趋势将继续推动计算机视觉领域的技术突破和应用扩展，构建真正智能的机器视觉系统。这种融合模式将为计算机视觉中前所未有的任务和功能提供强大的推动力，为相关学科和产业提供更强的发展动力。

    Dec, 2023

  • 深度学习与最新应用的调查

    综述了深度学习在计算机视觉、自然语言处理、时间序列分析和普适计算领域的最新模型以及其在解决各个领域问题中的有效性，并介绍了深度学习的基础知识、各种模型类型以及重要的卷积神经网络架构，并讨论了深度学习研究的挑战和未来方向。

    Mar, 2024

  • 计算效率高的计算机视觉深度学习：综述

    过去十年来，深度学习模型在各种视觉感知任务中取得了显著进展，但其高计算资源需求限制了其在实际应用中的可行性。本综述通过四个关键领域的研究，即轻量级骨干模型的发展、面向特定计算机视觉任务的专用网络架构或算法、深度学习模型压缩技术以及在硬件平台上部署高效深度网络的策略，对计算效率高的深度学习进行了广泛分析，并讨论了该领域面临的关键挑战和未来研究方向。

    Aug, 2023

  • 机器学习：算法、模型和应用

    该论文介绍了机器学习和深度学习的一些创新研究工作以及实际应用，并涉及股票交易、医疗保健系统和软件自动化等领域。

    Jan, 2022

  • 教育数据科学的深度学习

    深度学习应用于教育数据科学的调查和讨论，主要涉及深度神经网络、知识追踪模型和自动情感与行为检测器等领域。

    Apr, 2024

  • 农业中的深度学习：调查

    本文对深度学习技术在农业和食品生产方面应用的 40 项研究进行了综述，考察了研究中使用的数据、模型和框架，比较了深度学习和其他常用图像处理技术在分类或回归性能上的表现，结果表明深度学习准确性高，优于现有的常用图像处理技术。

    Jul, 2018

  • 深度学习在预测维护应用中的潜力、挑战和未来方向

    本文评估了应用深度学习于 Prognostics 和 Health Management（PHM）领域，用于检测、诊断和预测复杂工业资产故障的现状、挑战、潜在解决方案和未来研究需求。

    May, 2020