随着世界各地的COVID-19病毒感染的下降，Monkeypox病毒正在缓慢地出现。人们害怕它，认为它看起来像是Covid-19的大流行。因此，在广泛的社区传播之前，至关重要的是检测到它们。基于AI的检测可以帮助他们在早期识别它们。在本文中，我们首先比较了13个不同的预训练的深度学习（DL）模型，以检测蒙基氧基病毒。为此，我们首先将它们添加到所有这些层中，并使用四个完善的措施进行分析：精度，召回，F1得分和准确性。在确定了表现最佳的DL模型之后，我们将它们整合以利用从其获得的概率输出的多数投票来提高整体绩效。我们在公开可用的数据集上执行实验，这表明我们的集合方法提供了精度，召回，F1得分和精度为85.44 \％，85.47 \％，85.40 \％和87.13 \％。这些令人鼓舞的结果表明，所提出的方法适用于卫生从业人员进行大规模筛查。
translated by 谷歌翻译
如今，随着深度学习算法的兴起，大数据上的场景图像表示方法（例如，Sun-397）在分类方面取得了重大的性能。但是，性能仍然受到限制，因为场景图像在本质上大多是复杂的，具有较高的阶层差异和类间相似性问题。为了解决此类问题，文献中提出了几种具有自己的优势和局限性的方法。必须对以前的作品进行详细研究，以了解其图像表示和分类方面的利弊。在本文中，我们回顾了广泛用于图像分类的现有场景图像表示方法。为此，我们首先使用本日期中文献中提出的开创性现有方法来设计分类法。接下来，我们将它们的性能进行定性比较（例如，产出，优点/缺点等）和定量（例如准确性）。最后，我们推测场景图像表示任务中的突出研究方向。总体而言，这项调查提供了有关传统计算机视觉（CV）方法，基于深度学习（DL）的方法和基于搜索引擎（SE）基于基于的基于的计算机视觉方法（CV）的最新场景图像表示方法的深入见解和应用。
translated by 谷歌翻译
随着电子商务领域的巨大增长，产品建议已成为电子商务公司越来越多的兴趣领域。产品建议中最困难的任务之一是尺寸和合适的预测。电子时尚域中有很多相关的回报和退款，这给客户带来了不便，并给公司带来了损失。因此，拥有良好的尺寸和合适的推荐系统，可以预测客户的正确尺寸，不仅可以减少相关的回报和退款，还可以改善客户体验。该领域的早期作品使用传统的机器学习方法来估计购买历史记录的客户和产品尺寸。由于客户产品数据中的巨大稀疏，这些方法遭受了冷启动问题。最近，人们使用深度学习来通过嵌入客户和产品功能来解决此问题。但是，它们都没有包含在产品页面上存在的有价值的客户反馈以及客户和产品功能。我们提出了一种新颖的方法，该方法可以使用客户评论中的信息以及客户和产品功能来实现尺寸和合适的预测。与在4个数据集上使用产品和客户功能相比，我们证明了方法的有效性。我们的方法显示，在4个不同数据集的基线上，F1（宏）得分的提高了1.37％-4.31％。
translated by 谷歌翻译
基于深度学习（DL）的降尺度已成为地球科学中的流行工具。越来越多的DL方法被采用来降低降水量的降水量数据，并在局部（〜几公里甚至更小）的尺度上产生更准确和可靠的估计值。尽管有几项研究采用了降水的动力学或统计缩减，但准确性受地面真理的可用性受到限制。衡量此类方法准确性的一个关键挑战是将缩小的数据与点尺度观测值进行比较，这些观察值通常在如此小的尺度上是无法使用的。在这项工作中，我们进行了基于DL的缩减，以估计印度气象部（IMD）的当地降水数据，该数据是通过近似从车站位置到网格点的价值而创建的。为了测试不同DL方法的疗效，我们采用了四种不同的缩小方法并评估其性能。所考虑的方法是（i）深度统计缩小（DEEPSD），增强卷积长期记忆（ConvlstM），完全卷积网络（U-NET）和超分辨率生成对抗网络（SR-GAN）。 SR-GAN中使用的自定义VGG网络是在这项工作中使用沉淀数据开发的。结果表明，SR-GAN是降水数据缩减的最佳方法。 IMD站的降水值验证了缩小的数据。这种DL方法为统计缩减提供了有希望的替代方法。
translated by 谷歌翻译
Grammar Detection, also referred to as Parts of Speech Tagging of raw text, is considered an underlying building block of the various Natural Language Processing pipelines like named entity recognition, question answering, and sentiment analysis. In short, forgiven a sentence, Parts of Speech tagging is the task of specifying and tagging each word of a sentence with nouns, verbs, adjectives, adverbs, and more. Sentiment Analysis may well be a procedure accustomed to determining if a given sentence's emotional tone is neutral, positive or negative. To assign polarity scores to the thesis or entities within phrase, in-text analysis and analytics, machine learning and natural language processing, approaches are incorporated. This Sentiment Analysis using POS tagger helps us urge a summary of the broader public over a specific topic. For this, we are using the Viterbi algorithm, Hidden Markov Model, Constraint based Viterbi algorithm for POS tagging. By comparing the accuracies, we select the foremost accurate result of the model for Sentiment Analysis for determining the character of the sentence.
translated by 谷歌翻译
仇恨言论等攻击性内容的广泛构成了越来越多的社会问题。 AI工具是支持在线平台的审核过程所必需的。为了评估这些识别工具，需要与不同语言的数据集进行连续实验。 HASOC轨道（仇恨语音和冒犯性内容识别）专用于为此目的开发基准数据。本文介绍了英语，印地语和马拉地赛的Hasoc Subtrack。数据集由Twitter组装。此子系统有两个子任务。任务A是为所有三种语言提供的二进制分类问题（仇恨而非冒犯）。任务B是三个课程（仇恨）仇恨言论，令人攻击和亵渎为英语和印地语提供的细粒度分类问题。总体而言，652名队伍提交了652次。任务A最佳分类算法的性能分别为Marathi，印地语和英语的0.91,0.78和0.83尺寸。此概述介绍了任务和数据开发以及详细结果。提交竞争的系统应用了各种技术。最好的表演算法主要是变压器架构的变种。
translated by 谷歌翻译