cnn

本文研究了基于CNN的多光谱图像分类中的增强技术，这些图像来自可见光和热红外相机，利用ThermalWorld数据集来理解不同增强方法对分类准确率的影响。

本文表明，像Forward-Forward (FF)这样的层局部训练方法无法扩展到真实的图像尺寸和数据集，且合成基准测试夸大了其性能。作者引入了一个强大的FF变体（DTG-FF），并证明在真实数据（例如224x224的ImageNet-100）上，FF仅达到49.4%，而典型BP超过75%，而在合成任务上，差距缩小甚至反转。

一份精心策划的指南，通过完整的YouTube直播课程系列来学习使用PyTorch进行深度学习，内容涵盖从张量到生成对抗网络，共分为六个部分。

本文介绍了WISE-HAR，一个用于基于WiFi的人类活动识别的集成深度学习框架，实现了鲁棒的性能和跨场景的泛化能力，准确率下降极小。

本文提出了一种轻量级卷积神经网络架构，用于提高基于脑电图的脑机接口的对抗鲁棒性，通过对抗攻击评估，并显示出比现有模型更好的分类性能。

CNN起诉Perplexity AI未经授权使用超过17,000篇文章、视频和图片来驱动AI生成的答案，这引发了关于AI时代内容所有权和经济价值的根本性问题。

AEyeDE是一个基于注意力归因的框架，它使用代理Transformer模型从文本中提取注意力图，并训练轻量级CNN来区分人类撰写与AI生成的文本，性能优于纯文本基线，并且在各种设置下表现出鲁棒性。

CNN 起诉人工智能搜索初创公司 Perplexity，指控其未经许可复制数千篇文章、视频和图像来为其人工智能搜索引擎提供支持。这加入了一波出版商针对人工智能公司提起版权侵权诉讼的浪潮。

AttnGen是一个注意力引导的训练框架，它将可解释性嵌入到用于基因组序列分类的深度神经网络优化中，实现了更高的准确率，并鼓励模型关注信息性核苷酸位置。