Social media and messaging apps have become major communication platforms. Multimedia contents promote improved user engagement and have thus become a very important communication tool. However, fake news and manipulated content can easily go viral, so, being able to verify the source of videos and images as well as to distinguish between native and downloaded content becomes essential. Most of the work performed so far on social media provenance has concentrated on images; in this paper, we propose a CNN architecture that analyzes video content to trace videos back to their social network of origin. The experiments demonstrate that stating platform provenance is possible for videos as well as images with very good accuracy.
translated by 谷歌翻译
Associazione Medici Diabetologi（AMD）收集并管理着全球最大的糖尿病患者记录集合之一，也称为AMD数据库。本文介绍了一个正在进行的项目的初步结果，该项目的重点是人工智能和机器学习技术的应用，以概念化，清洁和分析如此重要且有价值的数据集，目的是提供预测性见解，以更好地支持糖尿病学家的诊断糖尿病学家和治疗选择。
translated by 谷歌翻译
自我监督的对比表示学习提供了从未标记的医学数据集中学习有意义的视觉表示的优势，以进行转移学习。但是，将当前的对比度学习方法应用于医疗数据而不考虑其特定区域的解剖学特征可能会导致视觉表示，这些视觉表示在外观和语义上是不一致的。在本文中，我们建议通过解剖学对比度学习（AWCL）改善医学图像的视觉表示，该学习结合了解剖学信息，以以对比度学习方式增强正/阴性对采样。为自动化的胎儿超声成像任务展示了所提出的方法，从而使从解剖学上相似的相同或不同的超声扫描实现了正对，这些扫描在解剖学上相似，可以将其拉在一起，从而改善了表示的学习。我们从经验上研究了与粗粒和细粒度的粒度纳入解剖信息的效果，以进行对比学习，并发现使用细粒度的解剖学信息的学习能够保留阶层内差异比其对应物更有效。我们还分析了解剖比对我们的AWCL框架的影响，发现使用更独特但解剖学上的样品构成阳性对的影响会带来更好的质量表示。大规模胎儿超声数据集的实验表明，我们的方法对学习表征有效，可以很好地转移到三个临床下游任务，并且与受监督的Imagenet和当前的先进对比度学习方法相比，取得了优越的性能。特别是，在跨域分割任务上，AWCL的表现优于Imagenet监督方法，高于13.8％，基于最先进的对比度方法的方法为7.1％。
translated by 谷歌翻译
眼睛跟踪器可以在超声（US）扫描期间为超声检查员提供视觉指导。对于经验丰富的运营商来说，这种指导可能是有价值的，可以提高他们在操纵探测器以实现所需飞机方面的扫描技能。在本文中，提出了一种多模式的指导方法（多模式形式的指导方法）来捕获现实世界中的视频信号，同步注视和统一框架内的探测运动之间的逐步依赖性。为了了解目光运动与探测运动之间的因果关系，我们的模型利用多任务学习共同学习了两个相关任务：预测经验丰富的超声仪将在常规产科扫描中执行的凝视运动和探测信号。这两个任务通过模态感知的空间图关联，以检测多模式输入之间的共发生并共享有用的跨模式信息。多模式形式的扫描路径不是确定性的扫描路径，可以通过估计实际扫描的概率分布来扫描多样性。通过三个典型的产科扫描检查进行的实验表明，新方法在探针运动指导和凝视运动预测方面都优于单任务学习。多模态偏见还提供了一个视觉引导信号，对于224x288 US图像，错误率小于10像素。
translated by 谷歌翻译
深度神经网络（DNNS）在现代应用中被大量使用，并将能量构成设备投入了测试。为了绕过高能消耗问题，已在DNN加速器中采用了近似计算，以平衡准确的能量降低权衡。但是，近似诱导的精度损失可能很高，并且会大大降低DNN的性能。因此，需要一种细颗粒机制，该机制将特定的DNN操作分配给近似值以保持可接受的DNN精度，同时还可以达到低能消耗。在本文中，我们提出了一个自动化框架，用于重量到附属映射，以实现近似DNN加速器的正式属性探索。在MAC单位级别上，我们的实验评估在能源收益方面超过了$ \ times2 $的能源效率映射，同时还支持对引入近似值的更细粒度控制。
translated by 谷歌翻译
我们为交互式数据探索设置中的下一个查询建议提出了一种算法，例如信息收集的知识发现。最先进的查询建议算法基于利用历史交互数据的顺序到序列学习方法。由于学习过程中涉及的监督，这种方法无法适应立即的用户反馈。我们建议使用基于变压器的因果语言模型来查询建议，以适应使用多臂强盗（MAB）框架的直接用户反馈。我们使用来自流行的在线文献发现服务中的日志文件进行大规模的实验研究，并证明我们的算法在基于最先进的变压器的查询建议模型方面大大改善了每轮遗憾，该模型不要使用立即的用户反馈。我们的数据模型和源代码可从https://github.com/shampp/exp3_ss获得
translated by 谷歌翻译
3D扫描技术的最新进展使得在数字双胞胎，远程检验和逆向工程等各种工业应用中部署了3D模型。尽管他们不断变化的性能，3D扫描仪，仍然在所获取的密集模型中引入噪音和伪影。在这项工作中，我们为密集3D扫描工业模型提出了一种快速且坚固的去噪方法。所提出的方法采用条件变化自动化器来有效地滤除面正线。在滑动补丁设置中执行培训和推理，从而减少所需培训数据和执行时间的大小。我们使用3D扫描和CAD模型进行了广泛的评估研究。结果验证了合理的去噪结果，与其他最先进的方法相比，展示了类似或更高的重建准确性。具体地，对于具有超过1E4面的3D模型，所示的管道是具有等效重建误差的方法的两倍。
translated by 谷歌翻译
H-Measol是一个分类器性能测量，但考虑到应用程序的上下文，而不需要设置相对错误分类成本的刚性值。自2009年推出以来，它已被广泛采用。本文回答了用户提出的各种查询，包括关于其解释的问题，加权函数的选择，无论是严格正确的，还是与其他工作的措施相关。
translated by 谷歌翻译
数据苛刻机器学习方法的扩散旨在利用基于规则的方法来扩大培训数据集的大小的方法的必要性。本文提出的指纹增强方案在线符合此概念，旨在增加用于训练定位模型的指纹数据集。该方法利用了以空间接近记录的指纹，以便执行指纹增强，从而创建结合原始特征的新指纹。构成新的增强指纹的建议方法是受到遗传算法的交叉和突变运算符的启发。 Proxyfaug方法旨在通过引入基于规则的，随机接近的指纹增强方法来提高指纹数据集的可实现定位精度。使用公共数据集在室外Sigfox设置中评估Proxyfaug的性能。在使用增强数据集的情况下，在中位误差和6％的中位误差和6％的最佳表现发布的定位方法得到了40％。结果分析表明，下误差四分位数的系统和显着性能改善，如中间误差的令人印象深刻的提高所示。
translated by 谷歌翻译
我们研究了大规模实时乘车系统的优化，并提出了一种模块化设计方法，用于乘车共享的组件算法（CAR）。我们评估了一套多种汽车（总共14辆），重点是乘车共享的关键算法组件。我们采用一种多目标方法，评估了与全球效率，复杂性，乘客，驾驶员和平台激励措施有关的12个指标，以在各个方面非常类似于现实，重点介绍了能力二的工具。据我们所知，这是迄今为止最大，最全面的评估。我们（i）确定在全球，乘客，驾驶员或平台指标上表现良好的汽车，（ii）证明，轻巧的搬迁计划可以显着提高服务质量高达$ 50 \％\％$，并且（iii）强调了一种实用的，一种实用的，在所有指标中都能很好地运行，可扩展的启动汽车。
translated by 谷歌翻译