深度学习中弱监督细粒度识别方法与应用综述

针对轨枕挡肩裂纹图像精细化分类问题,提出了改进双线性卷积神经网络(B-CNN)模型。该模型先通过全局平均池化链接图像特征中的全局信息以捕捉细微裂纹宽度特征;再通过不同层次特征融合增强特征表达能力,获得

本文主要介绍三种典型的弱监督:不完全、不确切和不准确监督。尽管三者可以分开讨论,但是实践中它们通常同时出现。由于篇幅限制,本文实际上扮演了更多文献索引而非文献综述的角色。

行人再识别的主要任务是利用计算机视觉对特定行人进行跨视域匹配和检索。相比于传统算法,由数据驱 动的深度学习方法所提取的特征更能表征行人之间的区分性。

手语识别涉及计算机视觉、模式识别、人机交互等领域，具有重要的研究意义与应用价值。深度学习技术的蓬勃发展为更加精准、实时的手语识别带来了新的机遇。本文综述了近年来基于深度学习的手语识别技术，从孤立词与连

训练速度更快、识别精准度更高的图像识别技术一直是智能技术的研究热点及前沿。针对物流分拣仓库环境复杂、照明度不高以及快递外包装区别不明显的特点,对基于深度学习的分拣图像快速识别进行了研究,设计了一个卷积

随着“平安城市”建设的不断推进，公共安全逐渐成为人们关注的热点间 题，税频监控技术也随之得到了越来越广泛的应用，传统的视频监控系统主要提供采集存储功能，这远远无法满足人们对其智能化的需求。要实现智能化

针对人脸表情识别鲁棒性差 ，容 易受身份信 息干扰的 问题 ，提 出一种具有局部 并行 结构的深度神 经网络识别算 法。首先使 用稀 疏 自编码 算法训练得到 不同尺度 的卷积核 ，然后提 取卷积核

弱监督学习在医学图像检测中的应用

东南大学计算机科学与工程学院张敏灵在CCAI 2017中国人工智能大会上做了主题为《弱监督机器学习范式》的分享,就大数据分析,传统的监督学习,MLL的挑战做了深入的分析。

针对弱监督机器学习方法，系统阐述了小样本学习、零样本学习、零—小样本学习的问题定义、当前主要方法以及主流实验设计，最后基于当前研究中出现的问题，对下一阶段研究方向进行了总结展望。