检索结果-内蒙古大学图书馆

计算机学报 2025年

作者：贺巩山赵传磊蒋金虎张为华陈左宁复旦大学计算机科学技术学院复旦大学大数据研究院复旦大学并行处理研究所中国工程院

随着数据总量和计算能力的不断提升，以深度学习和大模型为代表的人工智能技术获得了迅速的发展，并成功应用于计算机视觉和自然语言处理等领域。然而，随着GPU等加速器运算速度的提高，数据存储已经成为了深度学习训练和推理的主要瓶... 详细信息

随着数据总量和计算能力的不断提升，以深度学习和大模型为代表的人工智能技术获得了迅速的发展，并成功应用于计算机视觉和自然语言处理等领域。然而，随着GPU等加速器运算速度的提高，数据存储已经成为了深度学习训练和推理的主要瓶颈之一，主要表现为：（1）数据集的规模快速增长，无法完全缓存在内存中；（2）若无额外处理，数据集主要由小文件组成。在每轮训练中，训练任务会随机读取训练集中的文件；（3）与GPU等加速器相比，存储设备的带宽增长缓慢，二者之间的差距正在不断变大；（4）模型参数和中间数据等模型状态非常大，经常超过了GPU等加速器的存储容量，出现了内存墙的问题；（5）为了实现容错，训练任务通常会执行检查点操作，保存最新的模型状态，但这引入了较高的性能开销。因此，面向人工智能（尤其是深度学习）的数据存储技术成为了热门的研究领域，受到了学术界和工业界的广泛关注。本文首先介绍了深度学习的相关背景，包括流程、模型以及分布式训练。其次，本文总结了深度学习的数据特点，包括数据集和模型的规模与类型，以及数据准备（包括数据加载和数据预处理）和模型计算（包括模型训练和模型推理）的数据访问模式。接着，本文分析了深度学习在数据加载、数据预处理以及模型计算阶段的数据存储需求，提出了面向深度学习的数据存储技术研究框架。然后，本文梳理了现有的相关工作，并根据针对的阶段不同将其分为3类：（1）面向数据加载的存储优化技术关注于如何加速数据加载阶段，包括数据集存储格式、数据集存储系统、数据集缓存系统以及数据加载器；（2）面向数据预处理的存储优化技术关注于如何加速数据预处理阶段，包括数据预处理流水线、分离式数据预处理、数据预处理缓存以及近存储数据预处理；（3）面向模型计算的存储优化技术关注于如何加速模型计算阶段，包括模型状态存储技术、模型训练容错技术、模型存储系统以及性能测试与分析工具。最后，本文讨论了现有工作存在的问题，提出了未来可能的研究方向。

关键词：深度学习数据存储技术数据加载优化数据预处理优化模型计算优化

来源：评论

学校读者我要写书评

暂无评论

人工智能三原则——探索机器智能与人类福祉的和谐共生之道

引用

探索与争鸣 2025年第3期 6-44,177页

作者：陈小平杜骏飞邵怡蕾丁钢王天夫蔡恒进任剑涛吴冠军汪行福中国科学技术大学机器人实验室中国科学技术大学计算机科学与技术学院南京大学新闻传播学院华东师范大学上海人工智能金融学院华东师范大学教育高等研究院清华大学社会科学学院武汉大学计算机学院华东师范大学政治与国际关系学院华东师范大学中国现代思想文化研究所1 复旦大学当代国外马克思主义研究中心1 复旦大学哲学学院

人工智能是研究和应用机器智能的人类活动,其应遵守一些基本原则。本文提出人工智能三原则,即坚持机器智能的另类性、坚持人类福祉的优先性、坚持人工智能的可控性。其中,机器智能的另类性是人工智能的科学基础,不坚持机器智能的另类性... 详细信息

人工智能是研究和应用机器智能的人类活动,其应遵守一些基本原则。本文提出人工智能三原则,即坚持机器智能的另类性、坚持人类福祉的优先性、坚持人工智能的可控性。其中,机器智能的另类性是人工智能的科学基础,不坚持机器智能的另类性就无法保证人工智能的可控性,没有人工智能的可控性就无法保证人类福祉的优先性。

关键词：人工智能另类性人类福祉机器智能可控性

来源：评论

学校读者我要写书评

暂无评论

面向海量热成像数据的实时飞机跟踪技术

引用

计算机研究与发展 2013年第S2期50卷 249-256页

作者：顾嘉张睿何慧钧张文强复旦大学计算机科学技术学院智能媒体计算研究所上海201203

视频跟踪是近年来新兴的一个研究方向,通过计算机视觉实现对目标的检测与跟踪,在智能监控、视频压缩、人机交互等方面都有着广泛的应用场景.视频检测跟踪的目的是根据物体运动的规律及其线索找到视频中有价值的信息,其在视觉系统研究中... 详细信息

视频跟踪是近年来新兴的一个研究方向,通过计算机视觉实现对目标的检测与跟踪,在智能监控、视频压缩、人机交互等方面都有着广泛的应用场景.视频检测跟踪的目的是根据物体运动的规律及其线索找到视频中有价值的信息,其在视觉系统研究中占有非常重要的地位.通过对生物眼动和视觉运动感知的阐述,提出一种实时视频随动跟踪方法来处理大量的视频热成像数据,并将其应用于机场飞机起降的跟踪中.依据生物眼仿生与随动跟踪系统结构的类比,我们以提高跟踪效果、完善随动方法为本文目标,论述内容包括系统的简化模型,对云台的反馈控制,数值计算以及利用杂点图像分析不同视频跟踪算法的可行性等.最后,将文中提出的方法整合为一个系统,并进行实际的应用以验证方法的可行性及可靠性,并提出改进方案.

关键词：大规模视频热成像数据随动跟踪生物眼仿生运动感知视频分析

来源：评论

学校读者我要写书评

暂无评论

多版本音乐识别技术研究综述

引用

小型微型计算机系统 2012年第8期33卷 1841-1846页

作者：肖川李伟殷玥薛敏朱碧磊冯瑞复旦大学计算机科学技术学院媒体计算研究所上海201203

音乐作品通常具有多个不同版本.重新演奏、演绎使得各版本音乐在音质、速度、节奏、结构、基调、和声、歌词等多个方面都可能产生不同,这使得多版本音乐识别成为一个具有挑战性的研究领域.近年来多版本音乐识别技术发展迅速,本文对其包... 详细信息

音乐作品通常具有多个不同版本.重新演奏、演绎使得各版本音乐在音质、速度、节奏、结构、基调、和声、歌词等多个方面都可能产生不同,这使得多版本音乐识别成为一个具有挑战性的研究领域.近年来多版本音乐识别技术发展迅速,本文对其包含的五个关键技术模块进行描述,分别是特征提取模块、基调不变性模块、速度不变性模块、结构不变性模块、相似性计算模块;其次概要介绍该领域的典型算法;最后总结当前存在的问题,并讨论进一步的研究方向.

关键词：多版本音乐节拍跟踪中层特征相似性量度基调、速度、结构不变性

来源：评论

学校读者我要写书评

暂无评论

基于条件随机场的低图像质量车牌字符分割

引用

计算机应用与软件 2014年第10期31卷 157-160页

作者：傅建强冯瑞复旦大学计算机科学技术学院媒体计算研究所上海201203

提出一种基于条件随机场的车牌字符分割算法,能够对光照不均、相机拍摄角度造成的低图像质量的车牌图像,特别是日益增多的车牌边框与字符相连接车牌图像进行有效的字符分割。算法首先进行车牌图像校正,然后利用标注车牌数据进行模型学习... 详细信息

提出一种基于条件随机场的车牌字符分割算法,能够对光照不均、相机拍摄角度造成的低图像质量的车牌图像,特别是日益增多的车牌边框与字符相连接车牌图像进行有效的字符分割。算法首先进行车牌图像校正,然后利用标注车牌数据进行模型学习,对车牌图像像素列进行分类识别,最后组合成车牌字符分割结果。理论分析与实验结果验证了算法的有效性。

关键词：车牌识别字符分割条件随机场

来源：评论

学校读者我要写书评

暂无评论

一种低图像质量车辆牌照的字符分割方法

引用

计算机应用与软件 2013年第3期30卷 108-110,117页

作者：王琰滨蒋龙泉冯瑞复旦大学计算机科学技术学院媒体计算研究所上海201203

提出一种应用于车牌识别系统中车牌字符分割的方法,能够对由光照不均匀,车牌表面污损等原因造成的低图像质量的车牌进行有效字符分割。首先通过连通区域分析和车牌校正对车牌进行预处理,然后利用车牌固有的先验知识与间隙分析方法,实现... 详细信息

提出一种应用于车牌识别系统中车牌字符分割的方法,能够对由光照不均匀,车牌表面污损等原因造成的低图像质量的车牌进行有效字符分割。首先通过连通区域分析和车牌校正对车牌进行预处理,然后利用车牌固有的先验知识与间隙分析方法,实现整个车牌字符的精确分割,克服污损、边框和倾斜等干扰因素。通过在两组数据集上进行的实验结果表明,该算法具有很强的实用性与鲁棒性。

关键词：低质量车牌字符分割连通区域分析字符识别

来源：评论

学校读者我要写书评

暂无评论

深度学习模型鲁棒性研究综述

引用

计算机学报 2022年第1期45卷 190-206页

作者：纪守领杜天宇邓水光程鹏时杰杨珉李博浙江大学计算机科学与技术学院杭州310027 浙江大学控制科学与工程学院杭州310027 华为新加坡研究所新加坡138589 复旦大学计算机科学技术学院上海201203 伊利诺伊大学香槟分校计算机科学学院美国厄巴纳香槟61822

在大数据时代下,深度学习理论和技术取得的突破性进展,为人工智能提供了数据和算法层面的强有力支撑,同时促进了深度学习的规模化和产业化发展.然而,尽管深度学习模型在现实应用中有着出色的表现,但其本身仍然面临着诸多的安全威胁.为... 详细信息

在大数据时代下,深度学习理论和技术取得的突破性进展,为人工智能提供了数据和算法层面的强有力支撑,同时促进了深度学习的规模化和产业化发展.然而,尽管深度学习模型在现实应用中有着出色的表现,但其本身仍然面临着诸多的安全威胁.为了构建安全可靠的深度学习系统,消除深度学习模型在实际部署应用中的潜在安全风险,深度学习模型鲁棒性分析问题吸引了学术界和工业界的广泛关注,一大批学者分别从精确和近似的角度对深度学习模型鲁棒性问题进行了深入的研究,并且提出了一系列的模型鲁棒性量化分析方法.在本综述中,我们回顾了深度学习模型鲁棒性分析问题当前所面临的挑战,并对现有的研究工作进行了系统的总结和科学的归纳,同时明确了当前研究的优势和不足,最后探讨了深度学习模型鲁棒性研究以及未来潜在的研究方向.

关键词：深度学习对抗样本鲁棒性分析人工智能安全

来源：评论

学校读者我要写书评

暂无评论

基于粒子滤波的多特征融合视频行人跟踪算法

引用

计算机工程 2012年第24期38卷 141-145页

作者：李锴冯瑞复旦大学计算机科学技术学院媒体计算研究所上海201203

针对车载视频行人跟踪问题,提出一种基于粒子滤波框架下的多特征融合跟踪算法。为克服车载视频中行人运动与摄像机运动产生的非线性和非高斯性,采用基于蒙特卡罗抽样的粒子滤波跟踪算法,使用一阶自回归动态模型预测目标状态,观测模型自... 详细信息

针对车载视频行人跟踪问题,提出一种基于粒子滤波框架下的多特征融合跟踪算法。为克服车载视频中行人运动与摄像机运动产生的非线性和非高斯性,采用基于蒙特卡罗抽样的粒子滤波跟踪算法,使用一阶自回归动态模型预测目标状态,观测模型自适应加权融合的4种互补性特征。实验结果表明,与没有粒子滤波和多特征融合的跟踪算法相比,在相同精确率水平上,该算法的召回率提高20%以上。

关键词：粒子滤波特征融合局部二元模式运动平滑扩散距离

来源：评论

学校读者我要写书评

暂无评论

基于KL距离的非平衡数据半监督学习算法

引用

计算机研究与发展 2010年第1期47卷 81-87页

作者：许震沙朝锋王晓玲周傲英复旦大学计算机科学技术学院上海200433 华东师范大学海量计算研究所上海200062 上海市智能信息处理重点实验室上海200433

在实际应用中,由于各种原因时常无法直接获得已标识反例,导致传统分类方法暂时失灵,因此,基于正例和未标识集的半监督学习顿时成了理论界研究的热点.研究者们提出了不同的解决方法,然而,这些方法都不能有效处理非平衡的分类问题,尤其当... 详细信息

在实际应用中,由于各种原因时常无法直接获得已标识反例,导致传统分类方法暂时失灵,因此,基于正例和未标识集的半监督学习顿时成了理论界研究的热点.研究者们提出了不同的解决方法,然而,这些方法都不能有效处理非平衡的分类问题,尤其当隐匿反例非常少或训练集中的实例分布不均匀时.因此,提出了一种基于KL距离的半监督分类算法——LiKL:依次挖掘出未标识集中的最可靠正例和反例,接着使用训练好的增强型分类器来分类.与其他方法相比,不仅提高了分类的查准率和查全率,而且具有鲁棒性.

关键词：半监督学习非平衡 KL距离朴素贝叶斯 logistic回归

来源：评论

学校读者我要写书评

暂无评论

跨模态表征与生成技术

引用

中国图象图形学报 2023年第6期28卷 1608-1629页

作者：刘华峰陈静静李亮鲍秉坤李泽超刘家瑛聂礼强南京理工大学计算机科学与工程学院南京210094 复旦大学计算机科学技术学院上海200438 中国科学院计算技术研究所北京100190 南京邮电大学通信与信息工程学院南京230001 北京大学王选计算机研究所北京100871 哈尔滨工业大学(深圳)计算机科学与技术学院深圳518055

多媒体数据持续呈现爆发式增长并显现出异源异构的特性,因此跨模态学习领域研究逐渐引起学术和工业界的关注。跨模态表征与生成是跨模态学习的两大核心基础问题。跨模态表征旨在利用多种模态之间的互补性剔除模态之间的冗余,从而获得更... 详细信息

多媒体数据持续呈现爆发式增长并显现出异源异构的特性,因此跨模态学习领域研究逐渐引起学术和工业界的关注。跨模态表征与生成是跨模态学习的两大核心基础问题。跨模态表征旨在利用多种模态之间的互补性剔除模态之间的冗余,从而获得更为有效的特征表示;跨模态生成则是基于模态之间的语义一致性,实现不同模态数据形式上的相互转换,有助于提高不同模态间的迁移能力。本文系统地分析了国际与国内近年来跨模态表征与生成领域的重要研究进展,包括传统跨模态表征学习、多模态大模型表示学习、图像到文本的跨模态转换和跨模态图像生成。其中,传统跨模态表征学习探讨了跨模态统一表征和跨模态协同表征,多模态大模型表示学习探讨了基于Transformer的模型研究,图像到文本的跨模态转换探讨了图像视频的语义描述、视频字幕语义分析和视觉问答等领域的发展,跨模态图像生成从不同模态信息的跨模态联合表示方法、图像的跨模态生成技术和基于预训练的特定域图像生成阐述了跨模态生成方面的进展。本文详细综述了上述各个子领域研究的挑战性,对比了国内外研究方面的进展情况,梳理了发展脉络和学术研究的前沿动态。最后,根据上述分析展望了跨模态表征与生成的发展趋势和突破口。

关键词：多媒体技术跨模态学习大模型跨模态表征跨模态生成深度学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：