深度学习以理解人类
人体姿态与行为识别可解释人工智能(XAI)AI 辅助决策与自动化系统大学教授与研究人员AI/ML 研究员与工程师
我们将探讨如何使用深度学习方法来感知和解释图像、视频、音频和文本数据中人类的状态和行为。本课程将涵盖卷积神经网络、循环神经网络和生成对抗网络如何应用于人脸识别、眼动追踪、认知负荷估计、情感识别、自然语言处理、语音交互和活动识别。本课程面向初学者,专为深度学习新手设计,但也能为该领域的高级研究人员提供深度学习方法及其应用的实用概述。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 67%
围绕不完美AI自动评分器的态度
CHI '21· 可解释人工智能(XAI) +2
- 67%
关于选择性、可变性和对话式的XAI:对用户对不同类型交互解释的评论综述
CHI '23· 可解释人工智能(XAI) +1
- 67%
EXMOS:通过多方面解释和数据配置引导解释模型
CHI '24· 可解释人工智能(XAI) +1
- 67%
利用用户相似性估计缺失的情绪自我报告:多任务学习方法
CHI '24· 可解释人工智能(XAI) +1
- 67%
AI生成视觉解释对图像匹配决策的影响评估
IUI '25· 可解释人工智能(XAI) +1
- 60%
RetroLens: 一个人工智能与人类协作系统用于多步骤逆合成路线规划
CHI '23· AI 辅助决策与自动化系统
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
1 位作者
sell
研究子方向
人体姿态与行为识别、可解释人工智能(XAI)、AI 辅助决策与自动化系统
work
职业/产业
大学教授与研究人员、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
6 篇相关论文