Page: 1 2 3 4 5 6 7 8 9 10... 50
101 |
Recognition of Cursive Pashto Optical Digits and Characters with Trio Deep Learning Neural Network Models
|
|
|
|
In: Electronics ; Volume 10 ; Issue 20 (2021)
|
|
BASE
|
|
Show details
|
|
102 |
Application of Fusion of Various Spontaneous Speech Analytics Methods for Improving Far-Field Neural-Based Diarization
|
|
|
|
In: Mathematics ; Volume 9 ; Issue 23 (2021)
|
|
BASE
|
|
Show details
|
|
103 |
Using Deep Learning for Emotion Analysis of 18th and 19th Century German Plays ...
|
|
|
|
BASE
|
|
Show details
|
|
104 |
Models and activations for "Can phones, syllables, and words emerge as side-products of cross-situational audiovisual learning? - A computational investigation" ...
|
|
|
|
BASE
|
|
Show details
|
|
105 |
Models and activations for "Can phones, syllables, and words emerge as side-products of cross-situational audiovisual learning? - A computational investigation" ...
|
|
|
|
BASE
|
|
Show details
|
|
106 |
Procedural Discourse Items, Treatment Hierarchy, and Post Hoc Calculations (Wambaugh et al., 2013) ...
|
|
|
|
BASE
|
|
Show details
|
|
107 |
Procedural Discourse Items, Treatment Hierarchy, and Post Hoc Calculations (Wambaugh et al., 2013) ...
|
|
|
|
BASE
|
|
Show details
|
|
108 |
Can phones, syllables, and words emerge as side-products of cross-situational audiovisual learning? - A computational investigation ...
|
|
|
|
BASE
|
|
Show details
|
|
109 |
Inductive Bias and Modular Design for Sample-Efficient Neural Language Learning ...
|
|
|
|
BASE
|
|
Show details
|
|
110 |
Automated detection of Hainan gibbon calls for passive acoustic monitoring
|
|
|
|
BASE
|
|
Show details
|
|
111 |
Turkic Interlingua: A Case Study of Machine Translation in Low-resource Languages
|
|
|
|
In: Graduate Theses and Dissertations (2021)
|
|
BASE
|
|
Show details
|
|
112 |
Combination of Time Series Analysis and Sentiment Analysis for Stock Market Forecasting
|
|
|
|
In: Graduate Theses and Dissertations (2021)
|
|
BASE
|
|
Show details
|
|
113 |
General and Fine-Grained Video Understanding using Machine Learning & Standardised Neural Network Architectures
|
|
|
|
BASE
|
|
Show details
|
|
114 |
Classification of hierarchical text using geometric deep learning: the case of clinical trials corpus
|
|
|
|
In: Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP) pp. 608-618 (2021)
|
|
BASE
|
|
Show details
|
|
115 |
Learning speech embeddings for speaker adaptation and speech understanding
|
|
|
|
BASE
|
|
Show details
|
|
116 |
Deep Learning Techniques for Spanish Sign Language Interpretation
|
|
|
|
BASE
|
|
Show details
|
|
117 |
Multilingual audio information management system based on semantic knowledge in complex environments
|
|
|
|
BASE
|
|
Show details
|
|
118 |
Beyond reading modulation: Temporo-parietal tdcs alters visuo-spatial attention and motion perception in dyslexia
|
|
|
|
BASE
|
|
Show details
|
|
120 |
GENERACIÓN DE IMÁGENES CON TÉCNICAS DE APRENDIZAJE AUTOMÁTICO.APLICACIONES EN RECONOCIMIENTO DE LENGUA DE SEÑAS ; IMAGE GENERATION WITH DEEP LEARNING. APPLICATION ON SIGN LANGUAGE RECOGNITION
|
|
|
|
In: Investigación Joven; Vol. 7 Núm. 2 (2020): Investigación Joven - EBEC 2020; 560-561 ; 2314-3991 (2021)
|
|
Abstract:
El objetivo general de este plan de investigacion es el de crear modelos y técnicas de entrenamiento capaces de generar imágenes artificiales realistas y variadas en entornos con pocos datos etiquetados. Con estos modelos y técnicas de entrenamiento se facilitará el acceso a múltiples nuevas áreas de aplicación para modelos generativos. El énfasis estará puesto en la generación de imágenes de gestos de lengua de señas, permitiendo de esta forma entrenar modelos discriminadores precisos que utilicen aprendizaje profundo a partir de pocos datos etiquetados. Los objetivos son los siguientes: 1) Estudiar y analizar las bases de datos públicas sobre reconocimiento de gestos, incluyendo bases de datos específicas para lengua de señas, y de grandes bases de datos de diversos dominios para ser utilizadas en las técnicas de entrenamiento. Particularmente LSA16 y LSA64, bases de datos para la Lengua de Señas Argentina desarrollada en el III-LIDI. 2) Crear nuevos modelos de generación de imágenes que posean coherencia semántica. Particularmente se estudiarán los autoencoders y las Generative Adversarial Networks (GAN) ya que son los modelos más utilizados en el estado del arte. 3) Crear nuevas técnicas de entrenamiento que permitan el entrenamiento de modelos generadores utilizando una cantidad de datos limitada. En particular se estudiarán transfer learning, data augmentation y aprendizaje semi supervisado. 4) Analizar y comparar los resultados obtenidos utilizando los modelos generativos y técnicas de entrenamiento desarrollados. Se usarán métricas comúnmente utilizadas en este tipo de problemas como Frechet Inception Distance (FID) e Inception Score (IS). Adicionalmente se realizarán evaluaciones semánticas para comprobar la variabilidad y coherencia de las imágenes generadas. 5) Desarrollar modelos clasificadores de imágenes aplicado al reconocimiento de gestos de la lengua de señas. Particularmente, se estudiarán Redes Neuronales Convolucionales (CNN) específicas para problemas de clasificación de objetos en imágenes. Aplicación, análisis y comparación de los resultados obtenidos utilizando los nuevos datos generados. Con esta investigación se espera realizar un aporte significativo al estado del arte en cuanto a modelos generativos de imágenes artificiales y técnicas de entrenamiento. Particularmente se espera desarrollar modelos que permitan la generación de nuevas imágenes para gestos de la lengua de señas. Esto permitirá diversificar las bases de datos existentes, que suelen poseer pocos datos etiquetados. Esto podría ser aplicado en un futuro a otros dominios con datos etiquetados limitados.
|
|
Keyword:
Aprendizaje Automático; Artificial Inteligence; Artificial Neural Networks; Computer Vision; Machine Learning; Redes Neuronales; Sistemas Inteligentes e IA; Visión por Computadora
|
|
URL: https://revistas.unlp.edu.ar/InvJov/article/view/11781
|
|
BASE
|
|
Hide details
|
|
Page: 1 2 3 4 5 6 7 8 9 10... 50
|
|