今日 Paper | COVID-19；深度興趣網(wǎng)絡(luò)；COVIDX-NET；場(chǎng)景文本遷移等

本文作者： AI研習(xí)社

2020-04-07 14:13

導(dǎo)語(yǔ)：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。

針對(duì)COVID-19繪制人工智能應(yīng)用的地圖

論文名稱(chēng)：Mapping the Landscape of Artificial Intelligence Applications against COVID-19

作者：Bullock Joseph /Alexandra /Luccioni /Pham Katherine Hoffmann /Lam Cynthia Sin Nga /Luengo-Oroz Miguel

發(fā)表時(shí)間：2020/3/25

論文鏈接：https://paper.yanxishe.com/review/15405?from=leiphonecolumn_paperreview0407

推薦原因

這是一篇綜述論文，概述了最近在新冠病毒研究中使用的計(jì)算機(jī)和人工智能相關(guān)的技術(shù)應(yīng)用。目前新冠病毒的研究重點(diǎn)包括追蹤病毒傳播、促進(jìn)病毒檢測(cè)、開(kāi)發(fā)疫苗、尋找新的治療方法、了解疫情的社會(huì)經(jīng)濟(jì)影響等。人工智能技術(shù)在不同層次上有助于解決COVID-19危機(jī)，包括分子、醫(yī)學(xué)和流行病學(xué)應(yīng)用，其中分子層面包括藥物挖掘等相關(guān)研究，醫(yī)療層面包括個(gè)體病人的診斷和治療，社會(huì)層面包括流行病學(xué)和信息醫(yī)學(xué)研究等。最后，這篇論文還討論了有潛力的未來(lái)研究方向及促進(jìn)人工智能研究所需的工具和資源。

COVIDX-NET：一種用于診斷X射線(xiàn)圖像中COVID-19的深度學(xué)習(xí)分類(lèi)器框架

論文名稱(chēng)：COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images

作者：Hemdan Ezz El-Din /Shouman Marwa A. /Karar Mohamed Esmail

發(fā)表時(shí)間：2020/3/24

論文鏈接：https://paper.yanxishe.com/review/15404?from=leiphonecolumn_paperreview0407

推薦原因

這篇論文提出了一個(gè)名為COVIDX-Net的深度學(xué)習(xí)框架，以幫助放射科醫(yī)生自動(dòng)診斷X射線(xiàn)圖像中的COVID-19。這篇論文在50例胸部X射線(xiàn)圖像上對(duì)7種不同的深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了驗(yàn)證，包括VGG19、MobileNet等。基于80%-20％的訓(xùn)練集-測(cè)試集劃分，這篇論文發(fā)現(xiàn)VGG19和DenseNet分類(lèi)表現(xiàn)更好，f1分?jǐn)?shù)分別為0.89和0.91。這只是一個(gè)初步的研究工作，隨著更多的開(kāi)放數(shù)據(jù)集出現(xiàn)，還可以進(jìn)行進(jìn)一步的評(píng)估。

今日 Paper | COVID-19；深度興趣網(wǎng)絡(luò)；COVIDX-NET；場(chǎng)景文本遷移等

COVID-NET：一種用于從胸部X光圖像中檢測(cè)COVID-19病例的定制深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

論文名稱(chēng)：COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest Radiography Images

作者：Wang Linda /Wong Alexander

發(fā)表時(shí)間：2020/3/22

論文鏈接：https://paper.yanxishe.com/review/15403?from=leiphonecolumn_paperreview0407

推薦原因

這篇論文開(kāi)源了一個(gè)用于從胸部X射線(xiàn)圖像中檢測(cè)COVID-19病例而設(shè)計(jì)的深度卷積神經(jīng)網(wǎng)絡(luò)，即COVID-Net。用于訓(xùn)練COVID-Net的胸部放射線(xiàn)圖像數(shù)據(jù)集名為COVIDx，包含了來(lái)自?xún)蓚€(gè)開(kāi)放數(shù)據(jù)庫(kù)的2839例患者的5941個(gè)由后向前胸部放射線(xiàn)圖像。這篇論文還分析了COVID-Net如何使用可解釋性方法做出預(yù)測(cè)，以期深入了解與COVID病例相關(guān)的關(guān)鍵因素，從而可以幫助臨床醫(yī)生進(jìn)行更好的篩查。開(kāi)放的數(shù)據(jù)和代碼有助于進(jìn)一步開(kāi)發(fā)高精度和實(shí)用的深度學(xué)習(xí)解決方案，用于檢測(cè)COVID-19病例。

用于點(diǎn)擊率預(yù)測(cè)的深度興趣網(wǎng)絡(luò)

論文名稱(chēng)：Deep Interest Network for Click-Through Rate Prediction

作者：Guorui Zhou

發(fā)表時(shí)間：2018/3/1

論文鏈接：https://paper.yanxishe.com/review/14663?from=leiphonecolumn_paperreview0407

推薦原因

本文的研究意義以及核心內(nèi)容：

點(diǎn)擊率預(yù)估問(wèn)題在工業(yè)領(lǐng)域中是一項(xiàng)很基本的任務(wù)，通常適用于廣告投放。為了解決廣告投放中的CTR任務(wù)，很多學(xué)者進(jìn)行了這方面的相關(guān)研究，其中部分研究人員提出了采用深度學(xué)習(xí)的新模型，該模型遵循類(lèi)似的Embedding+MLP范式。但是當(dāng)我們采用這種模型，在實(shí)際應(yīng)用中，發(fā)現(xiàn)存在著模型的特征映射被壓縮的問(wèn)題，這對(duì)于CTR任務(wù)有著較大的影響，也不利于實(shí)際預(yù)測(cè)問(wèn)題的解決。為了解決這一困境，作者基于前人的成果，提出了一種新穎的模型：深度興趣網(wǎng)絡(luò)（DIN），該模型通過(guò)構(gòu)建本地激活單元，根據(jù)特定廣告的歷史行為，自適應(yīng)地學(xué)習(xí)用戶(hù)行為最終進(jìn)行用戶(hù)興趣的預(yù)測(cè)，除此之外，由于作者提出的DIN模型是用不同廣告來(lái)生成的向量，從而大大提高了該模型在實(shí)際工程中的應(yīng)用。

CVPR 2020 | SwapText: 基于圖像的場(chǎng)景文本遷移

論文名稱(chēng)：SwapText: Image Based Texts Transfer in Scenes

作者：Qiangpeng Yang /Hongsheng Jin /Jun Huang /Wei Lin

發(fā)表時(shí)間：2020/3/18

論文鏈接：https://paper.yanxishe.com/review/14595?from=leiphonecolumn_paperreview0407

推薦原因

本文出自阿里巴巴達(dá)摩院，已經(jīng)被CVPR2020接收，文章主要解決的是圖像中的文本替換問(wèn)題。

由于不同因素之間的復(fù)雜相互作用，在保留原始字體，顏色，大小和背景紋理的同時(shí)交換場(chǎng)景圖像中的文本是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。為了解決這個(gè)問(wèn)題，作者提出了SwapText，一個(gè)能夠在場(chǎng)景圖像之間遷移文本的三階段框架，首先通過(guò)文本交換網(wǎng)絡(luò)僅替換前景圖像中的文本，然后背景補(bǔ)全網(wǎng)絡(luò)重建背景圖像，最后融合網(wǎng)絡(luò)將前、背景圖像進(jìn)行融合。文章方法即使在圖像具有嚴(yán)重幾何扭曲的情況下也能操縱輸入圖像的文本。作者最后對(duì)文章方法在幾個(gè)數(shù)據(jù)集上進(jìn)行了定性和定量的分析，驗(yàn)證了方法的有效性。