.png){kind=icon}
返回
Knowledge-driven deep learning approaches for computer vision tasks: A survey
.png){kind=icon}
OA
AI
DOI：10.1016/j.knosys.2025.114645.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
混合人工智能旨在整合数据驱动技术与知识基础系统，为提升人工智能系统的准确性、互操作性和可解释性提供了有前景的途径。在这一领域，神经符号人工智能代表了一个子领域，专注于将深度神经网络与知识基础系统进行合并以提升有效性。本文对领域内的最新进展进行了全面概述，特别关注计算机视觉任务中基于知识的训练方法，其中知识基础系统被深度整合到深度神经网络的训练过程中。这种整合利用结构化领域知识来指导特征提取，提高了对噪声和不完整数据的鲁棒性，允许更可靠且可解释的决策机制，并促进在多样化和复杂场景中更好的泛化。这些增强最终提升了神经网络的整体性能。本文中呈现的方法根据知识在深度神经网络中的整合层次进行分类，包括输入整合、中间层整合以及整合到损失函数中。此外，这些方法还根据从知识基础系统中提取并在整合到深度学习模型之前的知识表示进行子分类。每种方法的整合方法被突出显示，以提供不同贡献之间的全面比较。通过对文献的综述，本文识别了在计算机视觉领域中关于知识基础系统与深度神经网络协作的理解差距。分析了并比较了最先进的方案，评估了它们的方法、整合知识策略和应用领域。我们的工作还突出了这些方法的优势和劣势，讨论了挑战，并对它们的有效性进行了批判性回顾。本文最后探讨了潜在改进，并概述了未来研究方向，以推动知识基础系统与深度神经网络的整合。
Keyword:
Hybrid artificial intelligence
Knowledge-based systems
Deep neural networks
Computer vision tasks
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
.png){kind=icon}
Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotations视觉基因组: 使用众包密集图像注释连接语言和视觉OAAI
OAAI分享收藏A Probabilistic Interpretation of Precision, Recall and F-Score, with Implication for Evaluation
PREAI
分享收藏分享收藏
查看更多内容