「前沿技術」核磁共振生成的BOLD5000人類視覺神經成像數據集
2020-07-16 藍海星智庫---------- 獲取更多信息，請關注我們----------
美國卡內基梅隆大學、福特漢姆大學的研究人員利用大腦核磁共振圖像，建立了BOLD5000人類視覺神經成像數據集，具有數據規模大、圖像多樣化、與標準計算機視覺數據集重疊度高等優點。
目前，計算機視覺技術已能利用大規模圖像數據集和統計學習方法，進行目標識別、場景重建等。然而，神經視覺的研究仍依賴少量圖像(約100幅)，圖像激勵多樣性不足、與標準計算機視覺數據集重疊少，限制了與計算機視覺的交叉研究。研究人員利用3個計算機視覺標準數據集，對4名參與者進行了約20小時的核磁共振試驗，建立了BOLD5000人類視覺神經成像數據集。激勵圖像共5254幅（4916張不重複），其中1000張來自SUN數據集，覆蓋數據集中的250個類別，2000張來自COCO數據集，1916張來自ImageNet數據集。利用參與者看到相關圖片的大腦核磁共振圖像，就能獲得不同圖像激勵對應的大腦區域。與現有數據集相比，BOLD5000數據集中的核磁共振圖像覆蓋整個大腦，數據的數量和質量均有較大提升。
圖1 部分激勵圖像
BOLD5000的數據量大、內容豐富，可促進神經視覺與計算機視覺的交叉研究，用於腦機接口等。
（藍海星）
歡迎轉載，轉載請註明出處。
相關焦點
-
創新工場「數據下毒」論文入選NeurIPS 2019,AI安全問題需要引起...
這篇論文圍繞現階段人工智慧系統的安全性展開研究，具體而言，文章提出了一種高效生成對抗訓練樣本的方法 DeepConfuse，通過微弱擾動資料庫的方式，徹底破壞對應的學習系統的性能，達到「數據下毒」的目的。 -
前沿 美國人腦連接組項目(HCP)最新進展:全新腦掃描技術可進行身份鑑定
該項目已經為兩個合作聯盟提供了 4000 萬美元資金，這兩個聯盟以獲取和分享人腦結構和功能連接的高解析度數據為目標。聯盟研究員從一個前所未有的角度，理解人類的神經通路，以及引起人類疾病的神經通路變化。在國家衛生研究院（NIH）最近的一個研討會上，HCP 的頂級研究員聚在一起討論這個項目的新成果和未來方向。 -
前沿播報 | 新全光二極體、新型自旋閥結構、新型高效節能深度學習神經網絡、「神經網絡核磁共振成像」…
美國橡樹嶺國家實驗室開發出新型高效節能的深度學習神經網絡美國橡樹嶺國家實驗室的研究人員近日開發出能夠解決複雜科學問題的高效節能的深度學習神經網絡。研究人員通過將深度學習神經網絡(DNNs)轉化為「深度脈衝」神經網絡(DSNNs)，可以提高網絡設計與運行的能源效率。 -
...不用跨界也能從文本生成圖像,OpenAI新模型打破自然語言與視覺...
那麼，大佬打算購入幾件其他「藍色」的襯衫嗎OpenAI 聯合創始人、首席科學家 Ilya Sutskever 表示：人工智慧的長期目標是構建「多模態」神經網絡，即 AI 系統能夠學習多個不同模態的概念（主要是文本和視覺領域 -
腦成像技術之核磁共振
人類為了揭開大腦的奧秘，走過了漫長的道路。在這條坎坷卻充滿光明道路上，最亮眼的一盞路燈莫過於核磁共振成像技術，這項技術曾6次摘得諾貝爾獎的桂冠。要了解核磁共振的秘密，首先要從質子的自旋磁矩說起...... -
8月頂級 CV 大會:ICIG 2019——人工智慧時代的圖像圖形前沿研究
會議重點關注關於圖像、視頻和圖形處理的創新技術，以及促進創新、創業和網絡化相關工作。本次會議的主題為「人工智慧時代的圖像圖形前沿研究」，將邀請國內外圖像圖形學領域的 3 位著名學者作大會特邀報告，集頂刊頂會論文報告、前沿科技產品展示、6 個前沿專題論壇。 -
AI「幹掉」程式設計師後,又對藝術家下手了
2021 年的第一周還沒過去，AI 就再次向人類發起了「挑釁」。AI 研究機構 OpenAI，繼去年部分開放了 AI 模型 GPT-3 並引爆整個科技圈之後，又於近期連發了 DALL·E 和 CLIP 這兩個連接文本與圖像的神經網絡。它們剛一面世，就點燃了整個 AI 社區。 -
離「腦機接口」再近一步,日本研究員根據大腦 fMRI 重建看到的圖像
雷鋒網 AI 科技評論報導：位於日本的國際電氣通信基礎技術研究所（ATR）的計算神經科學實驗室和京都大學日前聯合發布了一篇論文，他們可以藉助 fMRI（功能性磁共振成像）技術和基於深度學習的算法根據人的大腦活動重建人類看到的圖像。 -
變態「三角戀」?世界知識、大腦和計算是AGI的新「三駕馬車」
【新智元導讀】「冰鎮椅子」和「彩虹蕉」見過沒？反正神經網絡要淚奔了。近年來，吃數據的人工智慧狹隘性日益凸顯，而來自舊金山的科學家們，認為智能來源於歸納偏差，他們試圖通過已知的世界屬性、大腦的物理結構和算法來構建一種新的世界模型。看到下面這個場景，你會想到啥？ -
生成Python函數一半沒問題,當前最「正統」的代碼生成是什麼樣?
機器之心原創參與：思源大家都說深度神經網絡能力很強，那麼從函數注釋生成函數代碼，以及從函數代碼總結函數注釋這種最基礎的代碼任務到底能不能行？像 Python、Java 這樣的通用高級語言，到底在代碼生成上能達到什麼水平？本文介紹的就是這樣一篇北大前沿研究。開發者寫代碼，和數學家寫公式一樣是非常自然的一件事。 -
神經網絡技術解析:手寫數字識別項目解讀
LeCun 表示，1993 年的文字識別系統已經用上了卷積神經網絡（CNN），自己在這套系統中編寫了一種網絡數據結構的編譯器，並生成了可編譯的 C 語言代碼，在原始碼中以權重和網表（netlist）代表文字。 -
圖靈獎「擁抱」深度學習
「人工智慧是現在所有科學中發展最快的領域之一，也是社會上談論最多的話題之一。」ACM 主席 Cerri M. Pancake 說，「人工智慧的發展很大程度上歸功於由三位奠定基礎的深度學習領域內的最新成就。」「只要口袋裡有智慧型手機的人都可以切實體會到自然語言處理和計算機視覺方面的技術進步，這在十年前是無法想像的。 -
74KB圖片也高清,谷歌用神經網絡打造圖像壓縮新算法
最新的好消息是，谷歌團隊採用了一種GANs與基於神經網絡的壓縮算法相結合的圖像壓縮方式HiFiC，在碼率高度壓縮的情況下，仍能對圖像高保真還原。GAN（Generative Adversarial Networks，生成式對抗網絡）顧名思義，系統讓兩個神經網絡相互「磨鍊」，一個神經網絡負責生成接近真實的數據，另一個神經網絡負責區分真實數據與生成的數據。 -
新型核磁共振成像技術繪製驚人大腦圖像(圖)
美國哈佛大學的科學家傑夫-裡奇特曼繪製的大腦3D圖像，展現大腦細胞間的神經連接，但根據最近的研究發現，神經纖維呈直角交叉，就像棋盤一樣 美國國立精神衛生研究所負責人託馬斯-英特爾指出：「拍攝人類大腦的高清晰線路圖對人類神經解剖學研究來說具有裡程碑意義 -
光學預處理與計算機視覺結合,UCR學者用漩渦實現混合計算機視覺系統
在本文中，來自加州大學河濱分校機械工程系的研究者通過應用光學漩渦證明了混合計算機視覺系統的可行性。該研究為光子學在構建通用的小腦混合神經網絡和開發用於大數據分析的實時硬體方面的作用提供了新見解。從醫學診斷到自動駕駛再到人臉識別，圖像分析在現代技術中無處不在。使用深度學習卷積神經網絡的計算機徹底改變了計算機視覺。 -
曠視首席孫劍:視覺計算前沿進展
5月8日上午，曠視首席科學家、西交大人工智慧學院院長孫劍博士在線做了一場「視覺計算的前沿進展」的報告，報告是由「信息技術新工科產學研聯盟」主辦的人工智慧教育線上公開課。最新的卷積設計思想是動態卷積計算，區別於每一層卷積根據前面的輸入不變的思想，能夠根據輸入不同動態生成卷積參數。例如曠視的動態 Channel-wise Mixture 就採用了此思想，增強了模型的擬合能力。卷積神經網絡第二個核心是「深度」，其有兩個障礙：1.深度神經網絡如果過深則無法訓練；2.實驗結果難以復現。 -
引燃AI社區,OpenAI新模型打破自然語言與視覺次元壁
藝術創作的事，以後人類只要動手打幾個字，其他的交給 AI 就行了。自然語言與視覺的次元壁正在被打破。這不，OpenAI 最近連發大招，提出兩個連接文本與圖像的神經網絡：DALL·E 和 CLIP。DALL·E 可以基於文本直接生成圖像，CLIP 則能夠完成圖像與文本類別的匹配。OpenAI 的新工作引起了 AI 圈的一陣歡呼。 -
最新醫學成像技術 揭示出奇妙的人體構造(組圖)
據美國《探索》雜誌報導，醫學成像技術在過去幾年取得了突飛猛進的發展，如今，這些新技術可以甄別人體任何結構以及許多重要生物過程，比如不同的血流速度。以下這組圖片不僅揭示了患病後的人體構造，還在視覺上給人以衝擊。 -
神經網絡在「生命遊戲」裡苦苦掙扎
最近，有研究人員發表了一篇論文，指出儘管這款遊戲很簡單，但它對神經網絡來說，仍是個挑戰。他們的論文研究了神經網絡是如何「探索」這款遊戲的，以及為什麼它們會常常錯過正確玩法。康威生命遊戲是英國數學家約翰·康威在1970年發明的細胞自動機。這個遊戲可以在一個無限大的2D網格上進行。 -
將科幻變成現實,谷歌百度用神經機器翻譯踐行人類的「巴別塔之夢」
這種方法能提供「字符」-delimited models 的靈活性和「詞」-delimited models 的有效性之間的平衡、能自然地處理罕見詞的翻譯、並能最終提升系統的整體準確度。谷歌的波束搜索技術使用了一個長度規範化過程，並使用了一個覆蓋度懲罰，其可以激勵很可能能覆蓋源句子中所有的詞的輸出句子的生成。