異常呼吸模式分類器可能有助于以準(zhǔn)確和不顯眼的方式對(duì)COVID-19感染者進(jìn)行大規(guī)模篩查基于單句和雙句打分的生成式摘要

MFFW：一種新的多聚焦圖像融合數(shù)據(jù)集

基于互連卷積神經(jīng)網(wǎng)絡(luò)的端到端臉部分析

AAAI2020|基于多任務(wù)驅(qū)動(dòng)特征模型的熱紅外目標(biāo)跟蹤

  異常呼吸模式分類器可能有助于以準(zhǔn)確和不顯眼的方式對(duì)COVID-19感染者進(jìn)行大規(guī)模篩查

論文名稱：Abnormal respiratory patterns classifier may contribute to large-scale screening of people infected with COVID-19 in an accurate and unobtrusive manner

作者：Wang Yunlu /Hu Menghan /Li Qingli /Zhang Xiao-Ping /Zhai Guangtao /Yao Nan

發(fā)表時(shí)間：2020/2/12

論文鏈接：https://paper.yanxishe.com/review/11537?from=leiphonecolumn_paperreview0220

這篇論文提出根據(jù)呼吸特征對(duì)新型冠狀病毒的患者進(jìn)行篩查。最新臨床研究，COVID-19的呼吸模式與流感和普通感冒的呼吸模式不同。感染COVID-19的人有呼吸暫停現(xiàn)象，并且呼吸更快。這篇論文提出使用深度相機(jī)和深度學(xué)習(xí)來(lái)完成這項(xiàng)篩查任務(wù)，然而現(xiàn)實(shí)世界中的數(shù)據(jù)量不足以進(jìn)行深度模型訓(xùn)練。這篇論文首先提出了一種新的呼吸模擬模型，來(lái)彌補(bǔ)訓(xùn)練數(shù)據(jù)不足的問(wèn)題。隨后這篇論文首次利用雙向注意力機(jī)制的GRU模型來(lái)對(duì)6種臨床上重要的呼吸模式進(jìn)行分類。這篇論文提出的方法可以拓展到大型的應(yīng)用場(chǎng)景中，對(duì)現(xiàn)有的篩查方法形成補(bǔ)充。

論文名稱：Scoring Sentence Singletons and Pairs for Abstractive Summarization

作者：Logan Lebanoff /Kaiqiang Song?

發(fā)表時(shí)間：2019/6/7

論文鏈接：https://paper.yanxishe.com/review/11534?from=leiphonecolumn_paperreview0220

1.本文的核心：本文是對(duì)于采用生成式自動(dòng)文本摘要方法的探索，重點(diǎn)研究了關(guān)于生成式中目前探究的將文本內(nèi)容選擇和摘要生成分開(kāi)處理的問(wèn)題。其中本論文提出的模型，第一部分采用BERT給單句和句子對(duì)評(píng)分，第二部分作者根據(jù)MMR準(zhǔn)則進(jìn)行評(píng)分，選擇出評(píng)分高的句子和句子對(duì)，從而生成文本摘要。

2.本文的創(chuàng)新點(diǎn)：基于生成式中目前探究的將文本內(nèi)容選擇和摘要生成分開(kāi)處理的問(wèn)題，本文創(chuàng)新性的提出了一種用來(lái)將單句和成對(duì)句子映射到一個(gè)統(tǒng)一的空間進(jìn)行排序的思想，采用當(dāng)下最火爆的BERT模型來(lái)學(xué)習(xí)實(shí)例的特征，將學(xué)到的表征用一個(gè)分類任務(wù)來(lái)fine-tune生成對(duì)應(yīng)的概率進(jìn)行排序，然后根據(jù)這個(gè)排序，有針對(duì)性的選擇出摘要中有重要價(jià)值的單句和成對(duì)句子，最后通過(guò)對(duì)單個(gè)句子壓縮，其中在句子對(duì)融合時(shí)，作者選擇pointer-generator(PG)networks來(lái)將單句壓縮，最終得到我們需要的文本摘要。

3.本文的研究意義：本文針對(duì)當(dāng)下生成式文本摘要中單句和句子對(duì)之間尚未形成有效的融合問(wèn)題，有針對(duì)性的提出了一種在文本摘要中關(guān)于句子對(duì)融合的方法。其中，本文提出的將句子融合引入到了文本摘要中，這是這方面最有意義的嘗試。

論文名稱：MFFW: A new dataset for multi-focus image fusion

作者：Xu Shuang /Wei Xiaoli /Zhang Chunxia /Liu Junmin /Zhang Jiangshe

發(fā)表時(shí)間：2020/2/12

論文鏈接：https://paper.yanxishe.com/review/11536?from=leiphonecolumn_paperreview0220

這篇論文為多焦點(diǎn)圖像融合問(wèn)題提供了一個(gè)新的數(shù)據(jù)集。

以往的多焦點(diǎn)圖像融合方法都是在模擬圖像集或Lytro數(shù)據(jù)集上評(píng)估的，然而散焦散布效應(yīng)在這些數(shù)據(jù)集中并不明顯。這篇論文構(gòu)建了一個(gè)名為MFFW的新數(shù)據(jù)集。該數(shù)據(jù)集包含在互聯(lián)網(wǎng)上收集的19對(duì)多焦點(diǎn)圖像。這篇論文收集所有成對(duì)源圖像，并提供部分成對(duì)的聚焦圖和參考圖像。與Lytro數(shù)據(jù)集相比，MFFW中的圖像明顯受到散焦散布效果影響。此外，MFFW場(chǎng)景更加復(fù)雜。實(shí)驗(yàn)表明，MFFW數(shù)據(jù)集上的大多數(shù)當(dāng)前最佳方法都無(wú)法可靠地生成令人滿意的融合圖像。作為一個(gè)新的基準(zhǔn)數(shù)據(jù)集，MFFW可以用來(lái)測(cè)試多焦點(diǎn)圖像融合算法是否能處理散焦散布效應(yīng)。

論文名稱：End-to-End Face Parsing via Interlinked Convolutional Neural Networks

作者：Yin Zi /Yiu Valentin /Hu Xiaolin /Tang Liang

發(fā)表時(shí)間：2020/2/12

論文鏈接：https://paper.yanxishe.com/review/11535?from=leiphonecolumn_paperreview0220

這篇論文要解決的是臉部分析的問(wèn)題。

臉部分析需要對(duì)臉部（例如眼，鼻，嘴等）進(jìn)行精確的像素分割，為進(jìn)一步實(shí)現(xiàn)臉部分析、修改、其他應(yīng)用程序提供基礎(chǔ)。這篇論文提出了一個(gè)名為STN-iCNN的簡(jiǎn)單的端到端人臉解析框架，該框架通過(guò)在兩個(gè)獨(dú)立階段間添加一個(gè)空間Transformer網(wǎng)絡(luò)（Spatial Transformer Network，STN）來(lái)擴(kuò)展互連卷積神經(jīng)網(wǎng)絡(luò)（interlinked Convolutional Neural Network，iCNN）。STN-iCNN使用STN來(lái)提供到原始兩級(jí)iCNN管道的可訓(xùn)練連接，從而使端到端聯(lián)合訓(xùn)練成為可能。STN還提供了比原始裁切更精確的裁切圖像部分。

  AAAI2020|基于多任務(wù)驅(qū)動(dòng)特征模型的熱紅外目標(biāo)跟蹤                     

論文名稱：Multi-Task Driven Feature Models for Thermal Infrared Tracking

作者：Qiao Liu /Xin Li /Zhenyu He /Nana Fan /Di Yuan /Wei Liu /Yonsheng Liang

發(fā)表時(shí)間：2019/11/26

論文鏈接：https://paper.yanxishe.com/review/5848?from=leiphonecolumn_paperreview0220

推薦原因

解決的核心問(wèn)題：當(dāng)前基于深度特征的熱紅外跟蹤方法普遍使用的是可見(jiàn)光跟蹤器中用到的特征模型。這些特征模型通常學(xué)習(xí)自可見(jiàn)光圖像，既沒(méi)有學(xué)習(xí)熱紅紅外圖像特有的判別性模式，又沒(méi)有考慮熱紅外圖像目標(biāo)的細(xì)粒度特征。因此，已存的這些特征模型不能有效的表示熱紅外目標(biāo)，尤其是難以區(qū)分同類的熱紅外目標(biāo)。

創(chuàng)新點(diǎn)：為了獲得更有效的熱紅外目標(biāo)表示，我們提出了一個(gè)熱紅外專用的特征模型。該模型由一個(gè)熱紅外專用的鑒別性特征和一個(gè)細(xì)粒度關(guān)聯(lián)的特征模型組成。為了集成這兩種互補(bǔ)的特征，我們?cè)O(shè)計(jì)了一個(gè)基于多任務(wù)匹配的框架同時(shí)優(yōu)化他們。此外，我們構(gòu)建了一個(gè)大規(guī)模的熱紅外圖像序列數(shù)據(jù)集用于訓(xùn)練提出的模型。該數(shù)據(jù)集是當(dāng)前熱紅外視覺(jué)領(lǐng)域規(guī)模最大的，目標(biāo)類別最為豐富的數(shù)據(jù)集。

研究意義：提出的熱紅外特征模型為熱紅外目標(biāo)跟蹤領(lǐng)域提供了新的研究思路。提出的熱紅外訓(xùn)練數(shù)據(jù)集為基于深度學(xué)習(xí)的熱紅外跟蹤方法提供了數(shù)據(jù)基石。

為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊，希望以論文作為聚合 AI 學(xué)生青年的「興趣點(diǎn)」，通過(guò)論文整理推薦、點(diǎn)評(píng)解讀、代碼復(fù)現(xiàn)。致力成為國(guó)內(nèi)外前沿研究成果學(xué)習(xí)討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認(rèn)可。

我們希望熱愛(ài)學(xué)術(shù)的你，可以加入我們的論文作者團(tuán)隊(duì)。

加入論文作者團(tuán)隊(duì)你可以獲得

    1.署著你名字的文章，將你打造成最耀眼的學(xué)術(shù)明星

    2.豐厚的稿酬

    3.AI 名企內(nèi)推、大會(huì)門(mén)票福利、獨(dú)家周邊紀(jì)念品等等等。

加入論文作者團(tuán)隊(duì)你需要：

    1.將你喜歡的論文推薦給廣大的研習(xí)社社友

    2.撰寫(xiě)論文解讀

如果你已經(jīng)準(zhǔn)備好加入 AI 研習(xí)社的論文兼職作者團(tuán)隊(duì)，可以添加運(yùn)營(yíng)小姐姐的微信，備注“論文兼職作者”

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)