期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
语义信息处理方式分类的车道线检测技术研究综述
1
作者
洪书颖
张东霖
《计算机工程与应用》
北大核心
2025年第5期1-17,共17页
随着自动驾驶技术的迅猛发展,车道线检测作为其关键组成部分,引起了广泛关注,并在智能交通系统中展现出巨大的应用潜力。然而,在应对复杂环境挑战时,传统车道线检测技术往往难以提供足够的识别精度。回顾车道线检测技术的发展轨迹,系统...
随着自动驾驶技术的迅猛发展,车道线检测作为其关键组成部分,引起了广泛关注,并在智能交通系统中展现出巨大的应用潜力。然而,在应对复杂环境挑战时,传统车道线检测技术往往难以提供足够的识别精度。回顾车道线检测技术的发展轨迹,系统性地梳理了84种先进算法,并创新性地根据语义处理方式划分为四类别:语义分割辅助类、语义信息融合类、语义信息增强类和语义关系建模类。通过深入剖析算法的技术特点和优势,揭示了当前车道线检测技术所面临的主要局限。最后,对未来车道线检测技术的发展方向提出见解,特别是在语义信息利用方面,指出了潜在的研究方向。
展开更多
关键词
车道线检测
语义信息
自动驾驶
深度学习
计算机视觉
在线阅读
下载PDF
职称材料
社交媒体谣言检测:方法、挑战与趋势
2
作者
刘鑫楠
洪鑫宇
+5 位作者
曹振洋
李荣荣
王子硕
周俊康
唐斌
陆恒杨
《计算机工程与应用》
北大核心
2025年第11期31-50,共20页
随着社交媒体的迅速发展,谣言的传播对网络环境和社会秩序有着不容忽视的影响。因此,开展谣言检测研究,阻止其传播,对维持社会和谐至关重要。系统地梳理了近年来谣言检测领域的研究工作进展,阐释了谣言的定义以及相关概念的区别与联系;...
随着社交媒体的迅速发展,谣言的传播对网络环境和社会秩序有着不容忽视的影响。因此,开展谣言检测研究,阻止其传播,对维持社会和谐至关重要。系统地梳理了近年来谣言检测领域的研究工作进展,阐释了谣言的定义以及相关概念的区别与联系;列举了谣言检测的常用数据集并重点对文本数据集进行分析,探讨了包括监督学习、半监督学习、无监督学习、少样本学习和零样本学习在内的多种机器学习范式策略的谣言检测方法;创新性地讨论了大模型在谣言检测中的应用,并综合介绍了图像、视频等多模态数据在谣言检测中的处理方法和相关研究。最后,对谣言检测面临的挑战以及未来可能的发展方向进行了探讨。
展开更多
关键词
社交媒体
谣言检测
多模态
大模型
在线阅读
下载PDF
职称材料
题名
语义信息处理方式分类的车道线检测技术研究综述
1
作者
洪书颖
张东霖
机构
江南大学
人工智能
与计算机学院
江苏省模式识别计算
智能
工程
实验室
科技部中英人工智能联合实验室
出处
《计算机工程与应用》
北大核心
2025年第5期1-17,共17页
基金
国家自然科学基金(62202204)
中央高校基本科研计划(JUSRP123032)。
文摘
随着自动驾驶技术的迅猛发展,车道线检测作为其关键组成部分,引起了广泛关注,并在智能交通系统中展现出巨大的应用潜力。然而,在应对复杂环境挑战时,传统车道线检测技术往往难以提供足够的识别精度。回顾车道线检测技术的发展轨迹,系统性地梳理了84种先进算法,并创新性地根据语义处理方式划分为四类别:语义分割辅助类、语义信息融合类、语义信息增强类和语义关系建模类。通过深入剖析算法的技术特点和优势,揭示了当前车道线检测技术所面临的主要局限。最后,对未来车道线检测技术的发展方向提出见解,特别是在语义信息利用方面,指出了潜在的研究方向。
关键词
车道线检测
语义信息
自动驾驶
深度学习
计算机视觉
Keywords
lane line detection
semantic information
autonomous driving
deep learning
computer vision
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
社交媒体谣言检测:方法、挑战与趋势
2
作者
刘鑫楠
洪鑫宇
曹振洋
李荣荣
王子硕
周俊康
唐斌
陆恒杨
机构
江南大学
人工智能
与计算机学院
科技
部
中英
人工智能
国际
联合实验室
出处
《计算机工程与应用》
北大核心
2025年第11期31-50,共20页
基金
国家自然科学基金(62002137)
中国博士后科学基金(2022M711360)
先进计算与智能工程(国家级)实验室基金。
文摘
随着社交媒体的迅速发展,谣言的传播对网络环境和社会秩序有着不容忽视的影响。因此,开展谣言检测研究,阻止其传播,对维持社会和谐至关重要。系统地梳理了近年来谣言检测领域的研究工作进展,阐释了谣言的定义以及相关概念的区别与联系;列举了谣言检测的常用数据集并重点对文本数据集进行分析,探讨了包括监督学习、半监督学习、无监督学习、少样本学习和零样本学习在内的多种机器学习范式策略的谣言检测方法;创新性地讨论了大模型在谣言检测中的应用,并综合介绍了图像、视频等多模态数据在谣言检测中的处理方法和相关研究。最后,对谣言检测面临的挑战以及未来可能的发展方向进行了探讨。
关键词
社交媒体
谣言检测
多模态
大模型
Keywords
social media
rumor detection
multimodality
large model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
语义信息处理方式分类的车道线检测技术研究综述
洪书颖
张东霖
《计算机工程与应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
社交媒体谣言检测:方法、挑战与趋势
刘鑫楠
洪鑫宇
曹振洋
李荣荣
王子硕
周俊康
唐斌
陆恒杨
《计算机工程与应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
