您当前的位置:网站首页>孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完成交互式医学图画切割,问问

孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完成交互式医学图画切割,问问

2019-04-04 14:35:02 投稿作者:admin 围观人数:183 评论人数:0次

大数据文摘专栏著作

作者:Christopher Dossman

编译:笪洁琼、Conrad、云舟

呜啦啦啦啦啦啦啦我们好,本周的AI Scholar Weekly栏目又我与汉卿的终身和我们碰头啦!

AI Scholar Weekly是AI范畴的学术专栏,致力于为你带来最新潮、最全面、最深度的AI学术概览,一扫而光每周AI学术的前沿资讯,文末还会不定期更新AI黑镜系列小故事。

每周更新,做AI科研,从这一篇开端就够啦!

本周关键词:ACRV机器人视觉应战、依据视觉的移动操作、Sim2Real战略、DC-SPP-YOLO模型

本周抢手学术研讨

关于机器人运用来说,答复方针是什么以及方针在哪这一问题,并供给一种空间和语义不确定性的衡量标准,是方针检测需求优先处理的问题。

日前,由Google支撑的澳大利亚研讨委员会旗下的机器人杰出视觉中心敞开了第一场关于概率方针检测的应战赛。核算机和机器人视觉的应战要求参与者检测视频数据中的方针,并供给空间和语义不确定性的精确估量。

huoyrz

图1:示例图片来自用来发生应战测验数钟继华新浪博客据的模仿环境,第一排和左下图是用于测验序列的环境,右下图是用于验证序列。

这场应战没有设置门槛,人工智能社区中对方针检测有爱好的人都能够参与,这是一场很不错的应战。应战的测验数据集包含来自18个模仿室内视频序列中的56,000多张图像,将在用于应战的公共效劳器中进行评价,该效劳器仅在揭露竞赛阶段开印度尼西亚巴厘岛气候放。参与者将取得名次并同享5000澳元奖金。

潜在运用及作用

这一新的应战是对概率方针检测的介绍,将现有的方针检测使命提升到高端机器人运用中的空间和语义不确定性。总的来说,它将进步机器人运用在物体检测方面的技能水平。

更多细节:

去湿气

https://nikosuenderhauf.github.io/roboticvisionchallenges/object-detection

原文:万能影院

https://arxiv.org/abs/1903.07840

一种依据视觉的移动操作机器人图像生成办法

研讨人员规划了一种体系,该体系能够运用单个输入图像从希望的角度为特定方针生成一组图像,供移动操作机器人运用。

所提出的办法是一种深层神经网络,练习它从多个视角“幻想”物体的外观。它将方针的单个RGB图像作孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完结交互式医学图像切开,问问为输入,并回来一组RGB和深度图像(位深度图像),然后消除了传统、耗时的扫描。

尽管深层神经网络现已完结了单视角重建,但由于重建进程核算量大,很难直接取得重建方针的精准细节。该方博弈论法选用依据CNN模型的方针检测器从自然环境中提取方针,由神经网络生成一组RGB和深度图像(位深度图像,现在Ps软件中的位深度为1乔丹卡佛6位)。该办法已在生成图像和实在图像进步行了测验,证明其对错常有用的。

潜在运用与作用

依据图像生成具有为重建物体供给更好的空间分辨率的潜力。因而,该办法在移动操作机器人范畴中是有必要的。这种办法有或许协助机器人更好地了解一个物体的空间特点,而不需求做一个完好的扫描。

原文:

https://arxiv.org转基因/abs/1903.06814

为Sim2Real战略搬迁增强组成图像

由于实践数据和组成数据之间存在着范畴距离,而且很难将在模仿器中学习到的战略传输到实在场景中。在曩昔,范畴随机化(随机范畴数据生成,domain randomization)经过运用随机改换(如随机方针形状和纹路)增强组成数据来处理这一应战。

近年来,研讨人员对范畴随机化的研讨做出了新的奉献,对Sim2Real搬迁的增强技能进行了优化,使其能够在没有实在图像的情况下完结与范畴无关的战略学习。

他们规划了一种运用方针定位进行深度图像增强的高效查找办法。在战略学习进程中,运用生成的随机改换序列来增强组成深度图像。

为了评价这种搬迁的程度,研讨人员提出了一种方针方位估量的托付使命,这种使命只需求很少的实在数据。新办法大大进步了在实在机器人上评价操作使命的精确性屠小娇。

潜在运用及作用

该办法在模仿环境中促进了操作战略的有用学习。这对错常有利的,由于模仿器能够促进可伸缩性,并在模型练习期间供给对底层空间的拜访。此外,新的办法不需求实在图像来完结战略学习,能够运用于各种操作使命。

原文:

https://arxiv.org/abs/1903.07740

新的DC-SPP-YOL漫威未来之战O模型完结了更精确的实时方针检测

研讨人员提出了亚庇一种DC-SPP-YOLO办法来进步YOLOv2方针的检测精度。DC-S孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完结交互式医学图像切开,问问PP办法经过优化根底网络的衔接结构来改善YOLOv2,并引入了多标准部分区域特征提取。因而,这个提出的新办法比YOLOv2更精确。

它达到了挨近YOLOv2的方针检测速度,而且比传统的方针检测办法如反卷积单镜头检测器(DSSD)、标度可搬运检测网络(STDN)和YOLOv3更高。

DC-SPP-YOLO特别运用YOLOv2根底网络中卷积层的连襟接来加强特征提取,使消失梯度问题最小化。在此根底上,提出了一种改善的空间金字塔池,并将多标准部分区域特征串联起来,使网络能够更全面地学习方针特征。

依据一种新的丢失函数练习DC-SPP-YOLO模型,该丢失函数由均方差错和穿插熵组成,能更精确地完结方针检测。试验成果标明,DC-SPP-YOLO在PASCAL VOC和UA-DETRAC数据集上的mAP均大于YOLOv2。

潜在用处及影响

经过加强特征提取,运用多标准部分区域特征,DC李宗利少将-SPP-YOLO完结了优于YOLOv2的实时方针检测精度。在安全监控、医疗确诊、自动驾驭等方面,该办法可用于完结更精确的、最先进的核算机视觉运用。

概况请见:

https://arxiv.org/abs/1903.08589

经过全卷积神赵郁鑫相片经网络完结交互式医学图像切开

最近的研讨提出了一种“智能”的深度学习半自动切开办法,能够在医学图像中对感爱好的区域进行交互描绘。这种提出的办法选用了一种FCNN的架构来履行交互式二维医学图像切开。

那么它是怎么运用交互的?网络被练习成每次只切开一个感爱好的区域,并考虑到用户以单击一次或屡次鼠标的办法输入的内容。该模型还孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完结交互式医学图像切开,问问被练习去运用原始2D图像和一个“引导信号”作为输入。然后它会输出特定切开方针的二进制掩码。研讨人员现已证明了它能够被用于在腹dropbox部CT中切开各种器官。这种新办法供给了十分精确的成果,能够依据用户的挑选以快速、智能和自发的办法进行纠正。

潜在用处及影响

该办法能够快速地供给高端的二维切开成果。它也有潜力苏州旅游处理急迫的临床应战,并可用于进步切开精度的很多医学成像运用,如肿瘤定位、手术规划、确诊、手术内导航、虚拟手术模仿、安排体积丈量等。其他运用包含可视化、放射医治规划、3D打印、图像分类、自然语言处理等等。

原文:

https://arxiv.org/abs/1903.08205

其他爆款论文

运用3D点云增强可穿戴机器人的环境分类。

原文:

https://arxiv.org/abs/1903.06846v1

用于路途驾驭图像实时语义切开的预练习模型。

原文:

https://arxiv.org/abs/1903.08469

第一种依据事情的运动切开数据集学习办法和事情相机的学习管道孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完结交互式医学图像切开,问问。

原文:

https://arxiv.org/abs/1903.07520

新的研讨标明,你能够经过Wi-Fi感应来进步视觉SLAM蝴蝶rozena算法的精确性。

原文:

https://arxiv.org/abs/190孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完结交互式医学图像切开,问问3.06687

即插即用的磁共振成像(MRI)。

原文:

https://arxiv.org/abs/1903.08616

AI新闻

谷歌在德国作曲家巴赫生日当天发布了AI涂鸦来留念他。

概况请见:First ever AI doodle that allows users to make music.

https://www.newsweek.com/google-doodle-bach-birthday-when-march-21-22-1366826

结合核算密集型的人工智能运用程序和最近发布的新人工智能效劳器。

概况请见:AI Server Enabled with NVIDIA GPUs for edge computing

https://www.marketwatch.com/press-release/inspur-releases-edge-computing-ai-server-enabled-with-nvidia-gpus-2019-03-19?mod=mw_quote_news

真曲魁遵的有或许创造出相似人类的人工智能吗?

概况请见:How孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完结交互式医学图像切开,问问 to create AI that is more human

https://www.forbes.com/sites/孩子,原创首场ACRV机器人视觉应战,全卷积神经网络完结交互式医学图像切开,问问jenniferhicks/2019/03/19/how-do-we-create-artificial-intelligence-that-is-more-human/amp/

人工智能 自动驾驭 机器人
声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。
the end
大大方方随时可以公开的恋爱,爱情三十六计