ResNets part1（人工智能）相关的最新进展
ResNets part1（人工智能）相关的最新进展
1. Cov3d：使用 3D ResNets(arXiv) 从 CT 扫描中检测 COVID-19 的存在和严重程度
作者 ： 罗伯特·特恩布尔
抽象的 ： 深度学习已被用于辅助医学成像的分析。一种这样的用途是在检测受试者中的 COVID-19 时对计算机断层扫描 (CT) 扫描进行分类。本文介绍了 Cov3d，这是一种三维卷积神经网络，用于从胸部 CT 扫描中检测 COVID19 的存在和严重程度。在带有人类专家注释的 COV19-CT-DB 数据集上进行训练，它在用于检测 COVID19 存在的任务的验证集上实现了 0.9476 的宏 f1 分数。对于 COVID19 的严重程度分类任务，它的宏 f1 得分为 0.7552。这两项结果都比 2022 年“支持 AI 的医学图像分析研讨会和 Covid-19 诊断竞赛”（MIA-COV19D）的基线结果有所改进。
2.车载入侵检测系统的监督对比ResNet和迁移学习（ arXiv )
抽象的 ： 高端车辆配备了多个电子控制单元（ECU），提供升级功能以提升驾驶体验。控制器局域网 (CAN) 是连接这些 ECU 的众所周知的协议，因为它的谦虚和高效。但是，CAN 总线容易受到各种类型的攻击。尽管提出了入侵检测系统（IDS）来解决CAN总线的安全问题，但之前的大多数研究仅在攻击发生时提供警报，而不知道具体的攻击类型。此外，由于汽车制造商的不同，IDS 是为特定车型设计的。在这项研究中，我们提出了一种新的深度学习模型，称为监督对比 (SupCon) ResNet，它可以处理 CAN 总线上的多重攻击识别。此外，该模型可用于使用迁移学习技术提高有限大小数据集的性能。在两个真实汽车数据集上评估了所提出模型的能力。在使用汽车黑客数据集进行测试时，实验结果表明，与其他模型相比，SupCon ResNet 模型将四种攻击的整体误报率平均提高了四倍。此外，该模型通过利用迁移学习在生存数据集上获得了最高的 F1 分数，为 0.9994。最后，该模型可以在内存大小和运行时间方面适应硬件限制
3. 使用 ResNets 和预训练的副语言 Conformers (arXiv) 进行多任务声音爆发建模
作者 ： 乔什·贝拉尼奇 , 克里希纳·索曼德帕利 , 布赖恩·伊奥夫 , 布伦丹·朱
抽象的 ： 本技术报告介绍了我们提交给 ICML 表达性发声研讨会和竞赛多任务轨道 (ExVo-MultiTask) 时使用的建模方法。我们首先将各种大小的图像分类模型应用于声音爆发的梅尔谱图表示，这是声音事件检测文献中的标准。这些模型的结果显示，在任务指标的调和平均值方面，比基线系统增加了 21.24%，并且构成了我们团队对多任务轨道的主要提交。然后，我们试图通过应用一个大型预训练的 Conformer 模型来表征 MultiTask 轨道中的余量，该模型以前在语音情感识别和掩码检测等副语言任务上取得了最先进的结果。我们还调查了情绪表达、原籍国和年龄预测子任务之间的关系，发现性能最好的模型被训练为单任务模型，质疑该问题是否真正受益于多任务设置。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
