基于貝葉斯分類的商品虛假評論分析

隊名：三杰團(tuán)隊

成員：郝孝帥、王磊、史夢婷

      如今，電子商務(wù)成為了商品出售的一種重要渠道。用戶在購買商品的同時可以針對所購買的商品發(fā)表評論，這些用戶評價成為潛在消費者購買該種商品的一項重要決策依據(jù)。為了減少垃圾評論對潛在用戶購買商品的影響，我們采用多項式貝葉斯、K近鄰和SVM分類算法等方法對垃圾評論進(jìn)行識別，為用戶提供可靠的參考數(shù)據(jù)。

基于神經(jīng)網(wǎng)絡(luò)的攝影作品主題和風(fēng)格識別系統(tǒng)

隊名：悅?cè)惶斓?/span>

成員：李昊 張靜怡

     利用深度神經(jīng)網(wǎng)絡(luò)的方法，構(gòu)建了一種對攝影作品（或照片）進(jìn)行自動標(biāo)記及分類方法，并實現(xiàn)了應(yīng)用程序訪問接口供第三方調(diào)用測試。該方法及相應(yīng)的服務(wù)接口能夠幫助用戶處理激增的圖片數(shù)據(jù)，幫助改善圖片整理、分揀、娛樂及搜索等應(yīng)用。

基于神經(jīng)網(wǎng)絡(luò)的場景檢測技術(shù)

隊名：起個名字真難

 成員：彭碩、陳航艇、呂溫

      場景識別技術(shù)可以為未來人工智能應(yīng)用于現(xiàn)實生活提供關(guān)鍵性支持。與傳統(tǒng)的場景檢測手段不同，我們對場景進(jìn)行檢測時使用了近來大熱的深度學(xué)習(xí)方法，通過使用AIChallenger、DCASE2016和Google audioset中的音頻、圖像和視頻數(shù)據(jù)集，結(jié)合開源的tensorflow和kaldi庫，對RNN（卷積神經(jīng)網(wǎng)絡(luò)）中的VGG網(wǎng)絡(luò)和DNN（深度神經(jīng)網(wǎng)絡(luò)）中的TDNN網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。經(jīng)測試，部分場景對用戶上傳的信息識別率很高，可達(dá)93%-98%。

基于多視角學(xué)習(xí)的車禍智能檢測系統(tǒng)

隊名：光影

成員：龔騰飛、唐蕊

     本系統(tǒng)從空間視角和表觀視角分別提取視頻的3D-HOG，3D-SIFT，STIP以及3D-HOF特征，并采用基于秩一致性的多視角學(xué)習(xí)方法（RANC）對視頻進(jìn)行建模。通過實驗表明，多視角學(xué)習(xí)綜合多個單一視角不同的特征，通過適當(dāng)算法約束，能夠排除無關(guān)信息的干擾，使視頻異常檢測的準(zhǔn)確性進(jìn)一步增強。