The monograph summarizes and analyzes the current state of development of computer and mathematical simulation and modeling, the automation of management processes, the use of information technologies in education, the design of information systems and software complexes, the development of computer telecommunication networks and technologies most areas that are united by the term Industry 4.0
translated by 谷歌翻译
Mitotic activity is a crucial proliferation biomarker for the diagnosis and prognosis of different types of cancers. Nevertheless, mitosis counting is a cumbersome process for pathologists, prone to low reproducibility, due to the large size of augmented biopsy slides, the low density of mitotic cells, and pattern heterogeneity. To improve reproducibility, deep learning methods have been proposed in the last years using convolutional neural networks. However, these methods have been hindered by the process of data labelling, which usually solely consist of the mitosis centroids. Therefore, current literature proposes complex algorithms with multiple stages to refine the labels at pixel level, and to reduce the number of false positives. In this work, we propose to avoid complex scenarios, and we perform the localization task in a weakly supervised manner, using only image-level labels on patches. The results obtained on the publicly available TUPAC16 dataset are competitive with state-of-the-art methods, using only one training phase. Our method achieves an F1-score of 0.729 and challenges the efficiency of previous methods, which required multiple stages and strong mitosis location information.
translated by 谷歌翻译
声学场景分类是一个自动听力问题，旨在根据其音频数据将音频记录分配给预定义的场景。多年来（在Dcase的过去版本中），这个问题通常通过称为合奏的技术解决（使用多种机器学习模型将其预测结合在推理阶段）。尽管这些解决方案可以在准确性方面显示性能，但在计算能力方面它们可能非常昂贵，因此无法将其部署在IoT设备中。由于该研究领域的漂移，该任务在模型复杂性方面有两个局限性。应该注意的是，不匹配设备的附加复杂性（提供的音频由不同的信息来源记录）。该技术报告对两个不同的网络体系结构进行了比较研究：常规CNN和Conv-Mixer。尽管两个网络都超过了竞争对手所需的基线，但常规CNN的性能较高，超过基线的8个百分点。基于Conv-Mixer体系结构的解决方案表现出较差的性能，尽管它们的解决方案要轻得多。
translated by 谷歌翻译
具体/抽象的单词用于越来越多的心理学和神经生理研究。对于几种语言，已经手动创建了大型词典。这是一个非常耗时且昂贵的过程。为了生成大型的高质量词典/混凝土/抽象词，需要自动推断出在较小样本上获得的专家评估。出现的研究问题是，这样的样本应多么小的外推。在本文中，我们提出了一种自动排名单词的具体性的方法，并提出了一种显着降低专家评估量的方法。该方法已在大型英语测试集上进行了评估。构造词典的质量与专家的质量相媲美。与最先进的方法相比，预测和专家评级之间的相关性更高。
translated by 谷歌翻译
该论文通过将基于定向准分析小波包（QWP）与最新的加权核定标准最小化（WNNM）denoising算法相结合，从而提出了图像降级方案。基于QWP的Denoising方法（QWPDN）由降级图像的多尺度QWP变换，使用双变量收缩方法的适应性局部软阈值应用于转换系数，以及从几个分解级别中恢复阈值系数的图像。合并的方法由QWPDN和WNNM算法的几个迭代组成，以每种迭代的方式，从一种算法中的输出将输入提高到另一个算法。提出的方法将QWPDN的功能融合在一起，即使在严重损坏的图像中捕获边缘和精细的纹理模式，并利用了WNNM算法固有的真实图像中的非本地自相似性。多个实验将所提出的方法与包括WNNM在内的六种高级denoing算法进行了比较，证实，在定量度量和视觉感知质量方面，合并的跨增强算法比大多数都优于大多数。
translated by 谷歌翻译
当前的无监督异常定位方法依赖于生成模型来学习正常图像的分布，后来用于识别从重建图像上的错误中得出的潜在异常区域。但是，几乎所有先前的文献的主要局限性是需要使用异常图像来设置特定于类的阈值以定位异常。这限制了它们在现实的情况下的可用性，其中通常只能访问正常数据。尽管存在这一主要缺点，但只有少量作品通过在培训期间将监督整合到注意地图上，从而解决了这一限制。在这项工作中，我们提出了一种新颖的公式，不需要访问异常的图像来定义阈值。此外，与最近的工作相反，提出的约束是以更有原则的方式制定的，在约束优化方面利用了知名的知识。特别是，对先前工作中注意图的平等约束被不平等约束所取代，这允许更具灵活性。此外，为了解决基于惩罚的功能的局限性，我们采用了流行的对数栏方法的扩展来处理约束。最后，我们提出了一个替代正规化项，该项最大化了注意图的香农熵，从而减少了所提出模型的超参数量。关于脑病变细分的两个公开数据集的全面实验表明，所提出的方法基本上优于相关文献，为无监督病变细分建立了新的最新结果，而无需访问异常图像。
translated by 谷歌翻译
在本文中，我们在域移位的情况下，使用OCT B扫描提供了一种基于青光眼分级的自培训框架。特别是，所提出的两步学习方法是在第一步中生成的伪标签来增加目标域上的训练数据集，然后用于训练最终目标模型。这允许从未标记的数据传输知识域。此外，我们提出了一种新的青光眼特异性骨干，通过跳过连接引入残留和注意模块，以优化潜在空间的嵌入功能。通过这样做，我们的模型能够从定量和解释性角度来改善最先进的。据报道的结果表明，通过使用来自源示例的标签，所提出的学习策略可以提高目标数据集的模型的性能，而不会产生额外的注释步骤。我们的模型在不同指标上一直以1-3％的基线优于3-3％，并且在标记的目标数据上培训模型的差距桥接。
translated by 谷歌翻译
目前无监督的异常本地化方法依赖于生成模型来学习正常图像的分布，后来用于识别从重建图像上的误差导出的潜在的异常区域。然而，几乎所有先前文献的主要限制是需要采用异常图像来设置特定类阈值以定位异常。这限制了它们在现实方案中的可用性，通常可以访问正常数据。尽管存在这一重大缺点，但只有少数工程才能通过整合在培训期间对关注地图的监督来解决了这一限制。在这项工作中，我们提出了一种新的制定，不需要访问异常来定义阈值的图像。此外，与最近的工作相反，所提出的约束以更具原则的方式配制，利用了在约束优化中的知名知识。特别是，在现有工作中的注意图上的平等限制由不等式约束取代，这允许更灵活性。此外，为了解决基于惩罚的函数的限制，我们使用流行的日志屏障方法的扩展来处理约束。对流行的Brats'19数据集的综合实验表明，该方法的方法显着优于相关文献，为无监督的病变细分建立了新的最先进结果。
translated by 谷歌翻译