监控 AI 流程
本文提出了一种终端到终端的人工智能视频安全监控系统,其中融合了计算机视觉分析、统计数据分析、云原生服务以及终端用户应用,该系统能够更好地保护个人隐私,同时对人物识别、错误行为检测等方面具有高效性能和较高的安全性。
Feb, 2023
计算机视觉和机器学习在研究员、科学家和大众的感知力方面产生了革命性的转变。本文探讨了计算机视觉在安全监控方面的潜力,并提出了一种新颖的视频运动追踪方法,通过使用动态信息图像和块状主导运动数据将运动分类为弧形、车道、汇合 / 分散和随机 / 块状运动,并研究了不同的光流技术、CNN 模型和机器学习模型。通过取得有希望的准确性达到其目标,结果可以训练异常检测模型,基于运动提供行为洞察,并增强场景理解。
Aug, 2023
本篇论文旨在通过对视觉隐私问题的分析,系统地研究机器学习流程中的公平性、隐私、人类干预以及潜在的社会伦理问题,从而提高相关利益相关者(研究人员,模型构建者,企业等)的认识与责任意识。
Nov, 2021
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
本次调查聚焦于十项著名任务,介绍其问题形式、方法、现有数据集、评估措施,并与相应的最新方法进行比较。我们的工作超越早期的调查,既非任务特定的,也不仅针对一种类型的视觉内容,即图像或视频。此外,我们还提供了该研究领域的一些潜在未来方向,期望此次调查能激发革新性的思路和想法,以解决现有挑战并构建新的应用。
Jul, 2019
通过方法工程领域的实证研究构建了一个计算机视觉数据管道(CV data pipelines)的参考模型,从流程角度探索了数据集的创建、演化、使用等,探究流程角度如何支持研究人员发现未研究的问题,并帮助从业者使其进程更透明。
Jul, 2021
该论文探讨了人工智能的发展带来的挑战,提出了在系统、架构和安全方面的研究方向,以解决 AI 技术存储和处理数据量的限制,并提高数据隐私保护,以便这一技术能够更好地改善人们的生活和社会。
Dec, 2017
在综述了人工智能在实时摄像机内容采集领域的研究之后,本文旨在为研究人员和电影摄影师提供一个全面的视角,对智能摄影进行综合分析,涉及计算机视觉、智能摄影技术和虚拟制作等多个领域,并整合了对伦理和法律问题的探讨。
May, 2024
本文提供了一个综合的文献综述及九个半结构化采访,总结了 AI 模型持续开发中面临的挑战。作者提出了一种适用于 AI 持续开发的流水线,包含数据处理、模型学习、软件开发及系统运维四个阶段,并针对每个阶段的实施、适应和使用提出了具体挑战。
Jan, 2023