内容 AI:建立统一的跨媒体多模态内容理解内核
转载:https://aijishu.com/a/1060000000089247
作者: 孙子荀 zixunsun@tencent.com,腾讯 专家研究员
Jeff Dean 谈 2020 年机器学习趋势:多任务和多模式学习将成为突破口
2019 年下半年,CDG 广告、 CSIG 音视频,IEG 内容推荐、PCG 信息流、TEG 数平广告推荐和 AI 平台部团队、WXG 看一看团队内容技术专家沟通,大家在处理内容理解任务时候,都有融合多模态特征进行内容理解需求,同时大家具有很好的技术能力和研发经验。
我们希望能建立统一的跨媒体多模态内容理解内核,对新增内容理解任务,快速完成 0-1 步积累,提升模型实践加速度、降低试错成本,通过 Oteam 运行机制,扩大知识圈,共享公司内容算法团队之间的经验。(如果大家有兴趣可以加入一起交流讨论)。
技术背景
我们身处的环境本身多模态环境,人工智能要更好的理解环境,则需要具备解析多模态信息的能力。通过模态学习可以搭建能处理和连接多模态信息的模型。在内容理解领域,需要分析的模态有文本,图片,视频,语音对应的不同级别特征;其他辅助描述特征等。
当前多模态的技术落地和具体任务是强相关的。随着深度学习技术的发展,不同的研究人员在进行内容理解任务的时候,会加上更多模态的特征,并且尝试通过网络结构的改进获得更好的数据表现。然而针对最近几年不同任务上多模态学习的论文研究发现,学者们更多关注多模态的网络结构设计,而较少关注不同动作下的模型学习能力与任务、数据集之间的关联性研究(如游戏视频和体育视频的动作序列识别任务上,语音特征与光流特征融合方式如何选择)。
多模态学习研究的各个方向都可能对最终的任务表现产生作用,这些方向之间的影响和联系需要进一步分析。当前各个方向之间没有在一个统一模型下进行实验挖掘或者自动分析,难以充分复用其他任务上的研究成果进行改进。
技术方向
内容团队内容理解算法应不断提升,多模态学习技术也需要不断升级,通用框架技术具备必要的研究性和很好的落地价值,可以做到提升模型技术和业务指标表现,同时提升基于内容理解能力构建效率。模型层面可以在如下几个方向深入:1.表征:多个模态同时存在的情况下,针对具体任务动态进行模态内不同级别特征信息使用(如文本中句义、句法、字词特征;视觉中语义、边缘、色彩特征),利用注意力机制选择特征;利用生成对抗网络对形式和内容进行表征解耦的能力。2.融合:支持不同融合策略的对比,融合动作本身可以支持动态适配;研究时序特征和非时序特征的映射对齐策略。3.协同:通过协同学习,做到多模态之间的有效信息传递;结合多任务学习,增强原模型的表征能力,降低过拟合风险,适应随机噪声。
相关任务
(1)内容结构化分析:视频类:视频分类[15-18],视频语义标签,片段重要性/高光评价[25-27],视频质量评价,视频动作序列分析;图文类:
图文标签,图文分类,图文主题词提取,文本情感分析[19,20]。
(2)内容质量评价:图文质量评级,假新闻检测[21-23],标题党检测[28,29]。
(3)内容创作生成:视频与图像描述[11,12,14],视频 VQA[13],问答生成[32]。等场景任务作为内容平台任务的底层框架。
尤其是内容质量评价领域:色情、赌博、迷信、暴力、低俗等内容识别检测任务之间具有相近联系,单一内容可能具备多个维度特征。在一个多模态框架下通过结合多任务训练方式提升整体表现。
多模态研究方向分析
多模态学习目前主要有以下五个研究方向: 表征(Representation), 转化(Translation),对齐(Alignment),融合(Fusion),协同学习(Co-learning)
表征(Representation)
单模态的表征负责将信息表示为计算机可以处理的数值向量或者进一步抽象为更高层的特征向量,而多模态表征是指通过利用多模态之间的互补性,剔除模态间的冗余性,从而学习到更好的特征表示。
研究方向:
联合表征(Joint Representation),将多个模态的信息一起映射到一个统一的多模态向量空间;
协同表征(Coordinated Representation),将多模态中的每个模态分别映射到各自的表示空间,但映射后的向量之间满足一定的相关性约束(例如线性相关)
(联合表征)Multimodal learning with deep boltzmann machines (NIPS 2012) 提出将 deep boltzmann machines(DBM) 结构扩充到多模态领域,通过 Multimodal DBM,可以学习到多模态的联合概率分布。
在获得图像与文本间的联合概率分布后,我们在应用阶段,输入图片,利用条件概率 P(文本|图片),生成文本特征,可以得到图片相应的文本描述;而输入文本,利用条件概率 P(图片|文本),可以生成图片特征,通过检索出最靠近该特征向量的两个图片实例,可以得到符合文本描述的图片。
(协同表征)Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models (NIPS 2014)
利用协同学习到的特征向量之间满足加减算数运算这一特性,可以搜索出与给定图片满足“指定的转换语义”的图片。
300 维的文字与图像特征 PCA 投影
难点:
如何结合异质性的来源的数据,比如文字是符号性的,图片是一个 RGB 矩阵,视频是时序的 RGB 矩阵,声音需要采样成一个一位数组;如何处理不同级别的噪音,原因是不同模态产生的噪声是不同的;如何处理数据缺失的问题。
技术方案:
转化(Translation)
多模态转化也可称为映射(Mapping),主要是将一个模态的信息转化或映射为另一个模态的信息。
相关任务:
机器翻译(Machine Translation):将输入的语言 A(即时)翻译为另一种语言 B。类似的还有唇读(Lip Reading)和语音翻译 (Speech Translation),分别将唇部视觉和语音信息转换为文本信息。
图片描述(Image Captioning)与视频描述(Video Captioning): 对给定的图片/视频形成一段文字描述,以表达图片/视频的内容。
语音合成(Speech Synthesis):根据输入的文本信息,自动合成一段语音信号。
难点:
1.未知结束位(Open-ended),例如实时翻译中,在还未得到句尾的情况下,必须实时对句子进行翻译;
2.主观评判性(Subjective),很多模态转换问题的效果没有一个比较客观的评判标准,目标函数的确定非常主观。
技术方案:
对齐(Alignment):
从来自同一个实例的两个甚至多个模态中寻找子成份之间的关系和联系。
相关任务:
给定一张图片和图片的描述,找到图中的某个区域以及这个区域在描述中对应的表述。给定一个美食制作视频和对应的菜谱,实现菜谱中的步骤描述与视频分段的对应。
例如下图中的 Temporal sequence alignment,将一组动作对应的视频流同骨骼图片对齐。
类似的还有电影画面-语音-字幕的自动对齐,对于空间维度上的,比如图像语义分割(Image Semantic Segmentation),将每个像素对应到某一类型标签,实现视觉-词汇对齐。
方向:
对齐分为两类:显式对齐和隐式对齐。显式对齐即应用的主要任务就是对齐,而隐式对齐是指应用在完成主要任务时需要用到对齐的技术。
显式对齐的技术方法主要分为:无监督方法 Unsupervised,(弱)监督方法 (Weakly)Supervised。
隐式对齐的技术方法主要分为:图模型 Graphical models,神经网络 Neural networks。
难点:
- 很少有显式对齐标注的数据集;2. 很难建模不同模态之间相似度计算;3.存在多个可能的对齐方案并且不是一个模态的所有元素在另一个模态中都存在对应。
相关方案:
融合(Fusion):
多模态融合指从多个模态信息中整合信息来完成分类或回归任务,不过在深度神经网络方法下,融合和表征这两个方向是很难区分的。多模态融合是目前应用最广的方向,存在其他常见的别名,例如多源信息融合(Multi-source Information Fusion)、多传感器融合(Multi-sensor Fusion)等。
按照融合的层次,可以将多模态融合分为 pixel level,feature level (early)和 decision level (late)
三类,分别对应对原始数据进行融合、对抽象的特征进行融合和对决策结果进行融合。
按照融合的类型又可分为:
(a)数据级别融合;(b)判定级别融合;(c)组合融合
常见的机器学习方法都可以应用于多模态融合
相关任务:
视觉-音频识别(Visual-Audio Recognition): 综合源自同一个实例的视频信息和音频信息,进行识别工作。
手机身份认证(Mobile Identity Authentication): 综合利用手机的多传感器信息,认证手机使用者是否是注册用户。
难点:
- 信号可能并不是时序对齐的(temporally aligned)。很可能是密集的连续信号和稀疏的事件(比如一大段视频只对应一个词,然后整个视频只对应稀少的几个词);
- 每一个模态在不同的时间点可能表现出不同的形式和不同等级的噪声。
技术方案:
协同学习(Co-learning):
协同学习是指通过利用资源丰富(比如数据量大)的模态的知识来辅助资源稀缺(比如较小数据)的模态建立模型。根据训练资源(数据)形式可以将协同学习进行如下划分:
- parallel:Co-training, Transfer learning
- non-parallel:Transfer learning, Concept grounding, Zero-shot learning
- hybrid:Bridging
其中,常用的迁移学习(Transfer Learning)也属于协同学习的范畴,例如将 ImageNet 数据集上学习到的权重,在自己的目标数据集上进行微调。
协同训练(Co-training)
则负责研究如何在多模态数据中将少量的标注进行扩充,得到更多的标注信息。
相关方案:
多模态在内容理解的应用
描述类任务(表示,转换,对齐,融合)
视频描述
- Predicting Visual Features from Text for Image and Video Caption Retrieval:输入原始图像,图像标题和众多描述图像的句子,将它们映射到隐空间并合成视频描述。
- Watch, Listen, and Describe: Globally and Locally Aligned Cross-Modal Attentions for Video
Captioning:输入原始视频和视频的文字索引来进行视频描述工作。
- Multimodal Dual Attention Memory for Video Story Question Answering:这是一个 VQA 任务,把原始视频,视频的描述和问题输入最终得到答案。
- Dual-Stream Recurrent Neural Network for Video Captioning:
将原始的视频和静态的图像(用来描述视频)一起输入,得到对视频的描述。
医疗问答
- Ensemble of Streamlined Bilinear Visual Question Answering Models for the ImageCLEF 2019 Challenge in the Medical Domain:简单把图像和问题输入得到答案。
- Multimodal Explanations: Justifying Decisions and Pointing to the Evidence:把 VQA 框架用于关于健康问题的问答。
分析类任务(表征,融合)
视频分类
分类框架:
Divide, Conquer and Combine: Hierarchical Feature Fusion Network with Local and Global Perspectives for Multimodal Affective Computing:
这是一个较为通用的多模态视频分类任务网络,将特征组合成矩阵,采用 outer-product 计算任意组合的乘积,为避免外积太长,用滑动窗对自向量求外积。
视频分类:
- Towards Good Practices for Multi-modal Fusion in Large-scale Video Classification: 将视频和代表性的音频文件一起输入进行视频分类。
- Exploiting Spatial-Temporal Modelling and Multi-Modal Fusion for Human Action Recognition:将视频,代表性图片,farneback 流和音频信息一起输入,对视频进行分类。
- Modeling Multimodal Clues in a Hybrid Deep Learning Framework for Video Classification: 将空间视频、运动视频、音频和原视频一起输入,得到结果。
- Attention Clusters: Purely Attention Based Local Feature Integration for Video Classification:
同样还是将图像、视频和音频异构信息一起输入,得到视频分类的结果。
文本分类:
下面几篇虽然用于的文本理解任务不同,但是其实网络结构都可以用于文本分类
讽刺检测:
- Multi-Modal Sarcasm Detection in Twitter with Hierarchical Fusion Model:对在融合是考虑每个模块的 low-level
feature,而不是直接采用全局特征。模态间的 local feature 用 concat 连接,同一模态的 local feature 采用加权和,最终融合时各模态特征同样采用加权和。
情感分类:
- Contextual Inter-modal Attention for Multi-modal Sentiment Analysis:将文字,视频和声音输入来对人的情感进行分类。
- Multimodal Sentiment Analysis using Hierarchical Fusion with Context Modeling:将图像、标题和文字放入模型进行情感分类。
假新闻识别
- Exploiting Multi-domain Visual Information for Fake News Detection:将图像和对图像词频的统计输入来进行假新闻分类。
- EANN: Event Adversarial Neural Networks for Multi-Modal Fake News Detection:将图像和文字输入来对假新闻进行检测。
- A Deep Learning Approach for Multimodal Deception Detection:将视频、音频、文字和高频词放入模型进行假新闻识别。
图像/视频质量评价
- A deep learning framework for quality assessment and restoration in video endoscopy:将视频和视频检测结果输入来进行质量评价。
片段重要性评分
- Cross-Modal Interaction Networks for Query-Based Moment Retrieval in Videos:将视频和提出的问题输入而后定位和问题相关的片段。
- Give ear to my face: modelling multimodal attention to social interactions:将视频和音频信息一起输入来定位视频相关的位置。
- Overview of ImageCLEFlifelog 2019: Solve My Life Puzzle and Lifelog Moment Retrieval:根据文字信息来定位视频中相关片段的比赛。
标题党检测
- SWDE: A Sub-Word And Document Embedding Based Engine for Clickbait Detection:将文章标题和内容片段输入来分类是否是标题党。
- Characterizing Clickbaits on Instagram:将图像、标题和文字描述输入模型来分类是否是标题党。
社交网络的实体匹配
- Multimodal Learning of Social Image Representation by Exploiting Social Relations:运用图像和相关文字注释对个体进行分类分组。
- From content to links: Social image embedding with deep multimodal model:跟上一篇文章类似,也是利用相关图像和文字进行社交群体分类。
检索类任务 (表示,转换,对齐,融合)
1 .Deep Multimodal Learning for Affective Analysis and Retrieval: 作者采用深度波尔茨曼机来做多模态的联合表征。
事实上该框架得到的多模态表征后续可用于视频排重等任务。
2.ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks :
作者提出了修改的 Bert 框架,联合了文本和图片特征 co-attention 来获得多模态描述特征,进行下一步的 VQA 等任务。
//合成类任务(表示,转换,对齐,融合)内容生成类任务暂不涉及
开源协同
内容理解能力成熟度
(1)初始级(initial):
针对具体的业务问题,具体开发人员,选择合理成熟模型进行开发。效果依赖训练样本的质量。
(2)可重复级(Repeatable):
有约定的流程制度。初步实现标准化,新业务场景的开发可以使用过去的团队实的践经验,具有重复以前特征算法的环境和条件。任务中开始尝试引入更多的内容特征,进行不同模型直接实验对比工作。对模型的工作特性,badcase 的边界有不断的掌握。
(3)已定义级(Defined):
开发过程实现标准化、文档化,有沉淀。有完善的经验制度和评审制度,模型和工程开发遵循团队流程。针对任务有大家统一具有共识的原型模型处理方式,并且在不同内容领域进行问题的针对性建模,获得可复用的经验。数据集有良好规范的沉淀。
(4)已管理级(Managed):
业务任务可以充分的进行特征和模型实验,综合得到多个技术评价指标,业务评价指标。构建团队统一的内容理解模型框架。建立了完善的算法工程体系(样本标注管理,内容实验,模型自动化训练升级)。
(5)优化级(Optimizing):
已可集中精力改进模型,针对业务场景优化。引入新算法、新工程架构。可取得过程有效性的统计数据,并可据进行分析挖掘,从而得出最佳 state-of-the-art 方法。
内容理解场景的问题,伴随业务自身需求特点。具有特征多源,多目标且目标之间有逻辑关联,定义边界主观等特点。早期的解决方式是针对业务问题收集样本测试单一模型,中期开始测试更多特征模型组合(2),后期开始完善算法工程 workflow 积累沉淀(4),每个业务任务都经历这个流程,能否快速降低问题解决成本。当前存在任务之间技术较少联动复用与任务之前特征模型客观算法上高度关联的矛盾。因此进行新任务,新问题研究时需要重复整个流程,效率低;还不能充分受益于公司兄弟团队已有的经验资源。新的内容业务团队没有足够的算法人员想要解决实际业务场景想要从初始级开始。
方案简述
通过对上诉论文的多模态网络结构分析,我们希望设计具有领域通用性、可扩展、可编程结构的多模态内容理解框架。该框架能统一把当前各类多模态内容理解模型放在一个可编程的架构下进行构建分析。框架包括以下必备的组件:
(1)数据和特征表征模块:多源图像、文本、视频,语音的特征表示模块。支持通用的特征提取算法;特定 CV、NLP、Audio 任务提取模型;图表示学习方法等算法模型对各个模态单独和联合特征表示。支持可编程接口进行选择。
(2)特征融合对齐模块:针对各模态数据特征,支持适用于内容理解的融合算法,如特定模态算法提取的向量特征;显式属性值特征;外部编码特征之间的融合对齐。支持多种编码表示。特征之间可选择不同的方式进行融合,或选择不同阶段进行融合。
(3)任务决策模块:通过分析论文中多模态学习的目标优化方案,对目标决策方法进行抽象。做到可编程的支持多类损失函数;各类梯度下降算法;多种集成学习技术;支持转化和对齐的多模态学习任务(如通过对抗性损失函数解耦表征,反向优化特征,分离出内容结构特征和内容语义特征)。
(4)功能性模块:采用自动机器学习:神经网络架构搜索,参数量化压缩等技术对框架学习能力进行优化。使其更好的面向内容理解任务,提高训练运行效率,支持(1)(2)(3)层之间的各种自动化组合方式实验。
通过一个框架体系和编程接口构建多模态学习模型。对多模态学习的各个研究方向进行抽象,支持不同方向独立和联合的进行优化,支持多任务联合学习。通过集成神经网络架构搜索,模型压缩,实验框架等功能将其做成一个完整的开源产品来打磨,把模块结构优化和算法模型改进紧密结合,方案具有较强的技术先进性。
意义价值:
通过合理的多模态内容理解框架设计,抽象多模态学习各个研究任务成为独立的系统模块,模块之间的交互符合软件工程模块化设计的思想。框架本身支持常见的文本、图片、语音、视频等特征描述,支持多种表征、对齐、融合方式的选择,支持针对目标任务的各个层次实验,支持自定义接口形式扩展。
将参与团队&个人积累的内容模型经验进行沉淀,通过开源项目创造可伸缩可扩展可实验的内容理解内核,不断尝试新特征,新模型框架如何在业务场景有效。对于新业务,新内容理解的场景,可以通过该微内核快速完成过去重复积累建设工作,更快进入业务实际挑战的攻坚。
其他相关文章:
【游戏说】多模态内容理解在新闻检测中的应用http://km.oa.com/group/ailab/articles/show/400085
【游戏说】低成本自动化游戏视频内容理解框架http://km.oa.com/group/ailab/articles/show/402751
【游谱】
游戏领域多模态知识图谱的构建http://km.oa.com/group/34294/articles/show/380439
【游戏说】多模态内容质量之假新闻问题http://km.oa.com/group/ailab/articles/show/369614
【游戏说】 多模态
NLG 调研http://km.oa.com/group/ailab/articles/show/369567
【游戏说】内容质量之文本标题党http://km.oa.com/group/ailab/articles/show/383825
项目正在孵化招募中,欢迎大家联系我加入:https://techmap.oa.com/oteam/8567
参考文献:
参考文献:
[1] Baltrusaitis T , Ahuja C , Morency L P . Multimodal Machine Learning: A Survey and Taxonomy[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018:1-1.
[2] Wu M, Goodman N. Multimodal generative models for scalable weakly-supervised learning[C]//Advances in Neural Information Processing Systems. 2018: 5575-5585.
[3] Krishnamurthy G, Majumder N, Poria S, et al. A deep learning approach for multimodal deception detection[J]. arXiv preprint arXiv:1803.00344, 2018.
[4] Song G, Wang S, Huang Q, et al. Harmonized Multimodal Learning with Gaussian Process Latent Variable Models[J]. IEEE transactions on pattern analysis and machine intelligence, 2019.
[5] Huang P Y, Chang X, Hauptmann A. Multi-Head Attention with Diversity for Learning Grounded Multilingual Multimodal Representations[J]. arXiv preprint arXiv:1910.00058, 2019.
[6] Wu M, Goodman N. Multimodal generative models for scalable weakly-supervised learning[C]//Advances in Neural Information Processing Systems. 2018: 5575-5585.
[7] HUK PARK D, ANNE HENDRICKS L, AKATA Z, et al. Multimodal explanations: Justifying decisions and pointing to the evidence; proceedings of the Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,
F, 2018 [C].
[8] Wang X, Wang Y F, Wang W Y. Watch, listen, and describe: Globally and locally aligned cross-modal attentions for video captioning[J]. arXiv preprint arXiv:1804.05448, 2018.
[9] Kim K M, Choi S H, Kim J H, et al. Multimodal dual attention memory for video story question answering[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 673-688.
[10] Xu N, Liu A A, Wong Y, et al. Dual-stream recurrent neural network for video captioning[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2018.
[11] Dong J, Li X, Snoek C G M. Predicting visual features from text for image and video caption retrieval[J]. IEEE Transactions on Multimedia, 2018, 20(12):3377-3388.
[12] WANG X, WANG Y-F, WANG W Y. Watch, listen, and describe: Globally and locally aligned cross-modal attentions for video captioning [J]. arXiv preprint arXiv:180405448, 2018.
[13] KIM K-M, CHOI S-H, KIM J-H, et al. Multimodal dual attention memory for video story question answering; proceedings of the Proceedings of the European Conference on Computer Vision (ECCV), F, 2018 [C].
[14] XU N, LIU A-A, WONG Y, et al. Dual-stream recurrent neural network for video captioning [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2018.
[15] LIU J, YUAN Z, WANG C. Towards good practices for multi-modal fusion in large-scale video classification; proceedings of the Proceedings of the European Conference on Computer Vision (ECCV), F, 2018 [C].
[16] HE D, LI F, ZHAO Q, et al. Exploiting spatial-temporal modelling and multi-modal fusion for human action recognition [J]. arXiv preprint arXiv:180610319, 2018.
[17] JIANG Y-G, WU Z, TANG J, et al. Modeling multimodal clues in a hybrid deep learning framework for video classification [J]. IEEE Transactions on Multimedia, 2018, 20(11): 3137-47.
[18] LONG X, GAN C, DE MELO G, et al. Attention clusters: Purely attention based local feature integration for video classification; proceedings of the Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,F, 2018 [C].
[19] GHOSAL D, AKHTAR M S, CHAUHAN D, et al. Contextual inter-modal attention for multi-modal sentiment analysis; proceedings of the Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, F, 2018 [C].
[20] MAJUMDER N, HAZARIKA D, GELBUKH A, et al. Multimodal sentiment analysis using hierarchical fusion with context modeling [J]. Knowledge-Based Systems,2018, 161(124-33.
[21] QI P, CAO J, YANG T, et al. Exploiting Multi-domain Visual Information for Fake News Detection [J]. arXiv preprint arXiv:190804472, 2019.
[22] WANG Y, MA F, JIN Z, et al. Eann: Event adversarial neural networks for multi-modal fake news detection; proceedings of the Proceedings of the 24th acm sigkdd international conference on knowledge discovery & data mining, F, 2018 [C]. ACM.
[23] KRISHNAMURTHY G, MAJUMDER N, PORIA S, et al. A deep learning approach for multimodal deception detection [J]. arXiv preprint arXiv:180300344, 2018.
[24] ALI S, ZHOU F, BAILEY A, et al. A deep learning framework for quality assessment and restoration in video endoscopy [J]. arXiv preprint arXiv:190407073, 2019.
[25] ZHANG Z, LIN Z, ZHAO Z, et al. Cross-Modal Interaction Networks for Query-Based Moment Retrieval in Videos [J]. arXiv preprint arXiv:190602497,2019.
[26] BOCCIGNONE G, CUCULO V, D'AMELIO A, et al. Give ear to my face: modelling multimodal attention to social interactions; proceedings of the Proceedings of the European Conference on Computer Vision (ECCV), F, 2018 [C].
[27] DANG-NGUYEN D-T, PIRAS L, RIEGLER M, et al. Overview of ImageCLEFlifelog 2019: solve my life puzzle and lifelog moment retrieval; proceedings of the CLEF2019 Working Notes CEUR Workshop Proceedings, F, 2019 [C].
[28] KUMAR V, DHAR M, KHATTAR D, et al. SWDE: A Sub-Word And Document Embedding Based Engine for Clickbait Detection [J]. arXiv preprint arXiv:180800957, 2018.
[29] HA Y, KIM J, WON D, et al. Characterizing clickbaits on instagram; proceedings of the Twelfth International AAAI Conference on Web and Social Media, F, 2018 [C].
[30] HUANG F, ZHANG X, XU J, et al. Multimodal Learning of Social Image Representation by Exploiting Social Relations [J]. IEEE transactions on cybernetics, 2019.
[31] HUANG F, ZHANG X, LI Z, et al. From content to links: Social image embedding with deep multimodal model [J]. Knowledge-Based Systems, 2018,160(251-64.
[32] VU M, SZNITMAN R, NYHOLM T, et al. Ensemble of streamlined bilinear visual question answering models for the imageclef 2019 challenge in the medical domain [J]. Working Notes of CLEF, 2019.
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- 机器人工程本科专业课教学资源汇总(2018年暑假补充学习用)
手机应用软件:Robotics Engineering - Apps on Google Play This Robotics Engineering App provides the basic know-how on the foundations of robotics: modelling, planning and control. The App takes the user through a step-by step design process in t…...
2024/4/20 11:35:00 - NIPS2019 | 2019NIPS论文 | NeurIPS2019最新更新论文~持续更新| NIPS2019百度云下载
论文下载百度云链接:链接:https://pan.baidu.com/s/100OAXTIOTPoMjbi-dwOcxA 提取码:请关注【计算机视觉联盟】微信公众号,回复:NIPS2019 今天更新到2019年9月6号 目录 今天更新到2019年9月4号 Understanding the…...
2024/4/26 22:54:45 - 云计算的技术路线探讨
引言当前的“云计算”一词已经被神话,似乎快成了放之四海皆准的时髦真理,就好比当初言必称“希腊”一般,表面光芒四射,但实际上却无比教条、且越来越令人生厌。作为“云计算”的一个普通开发者和推广者,很有必要通过亲身实践,以正视听,希望能让后来者(云计算系统的开发…...
2024/4/21 1:23:41 - camvid数据集介绍_语义分割的数据集
背景语义分割指的是把图像中的每个像素都划分到某一个类别上。实现算法上,有传统时代的grab cut、ML时代的TextonForest、DL时代的FCN 、SegNet 、Dilated Convolutions 、DeepLab (v1 & v2)、RefineNet 、PSPNet 、Large Kernel Matters 、DeepLab v3等。当然了…...
2024/4/27 14:07:53 - [语义分割]训练deeplabv3(一):建立自己的数据集
[deeplabv3]:https://github.com/tensorflow/models/tree/master/research/deeplab [labelme]:https://github.com/wkentaro/labelme 简介 本博客主要介绍了,deeplabv3训练前的自己数据集准备工作: 即将用labelme标记的自己的语义分割数据集转化为deeplabv3训练支持的tfreco…...
2024/4/21 1:23:38 - 解决“OSError: [WinError 126] 找不到指定的模块”的问题 Win10
针对情景: Win10下运行py工程报错,最后一行为“OSError: [WinError 126] 找不到指定的模块”倒数第二端为Shapely相关函数的语句(如下图)PS:其他情景用该方法未必有效 问题原因: 由上图可见,倒…...
2024/4/20 13:22:59 - ImportError: DLL load failed: 页面文件太小,无法完成操作。
python代码训练神经网络时,报错:“ImportError: DLL load failed: 页面文件太小,无法完成操作。” 出现这个问题可能有两种情况。 ①不止在运行一个项目,另一个项目的python程序也在运行,关掉就可以了。 ②windows操作…...
2024/4/20 20:44:45 - ImportError: Could not find the DLL(s) 'msvcp140_1.dll'. 跑tensorflow时报错
解决思路是缺失dll文件,安装这个文件就可以。试过去网站下载dll,还是不行。有人说用腾讯电脑管家的dll文件修复功能,也不行。最后在这个网站找到了。 https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-down…...
2024/4/20 20:44:43 - 列表取片操作易错点(list indices must be integers or slices, not tuple原因及解决方法)
list indices must be integers or slices, not tuple原因及解决方法 场景: 在对列表进行取数据时报错,报错代码: TypeError: list indices must be integers or slices, not tuple翻译: 列表索引必须是整数(取某一个…...
2024/4/20 20:44:42 - 【终极!!!】cannot connect to X server, couldnt connect to display
目前遇到了两种报这个错的情况: 情况一:本地在外网,通过SSH登录到内网服务器。运行代码, 报错: (1)cannot connect to X server (2)_tkinter.TclError: couldnt conn…...
2024/4/24 12:26:21 - VGG训练报错:Errors may have originated from an input operation.
利用自己做的数据集训练VGG时,出现报错信息: Errors may have originated from an input operation. Input Source operations connected to node conv0/Conv1/Conv2D: IteratorGetNext (defined at train_resnet.py:95) Input Source operations connected to node conv0/Co…...
2024/4/20 20:44:41 - 报错:module ffmpeg has no attribute input 解决方法
1、检查是否安装正确的包 kkroening/ffmpeg-python: Python bindings for FFmpeg - with complex filtering support (github.com) 这是官网,该包正确名称为ffmpeg-python,易与ffmpeg、python-ffmpeg混淆;使用以下命令进行重新安装…...
2024/4/23 0:51:03 - CodeMonkey流水账:字符串格式化or不格式化
需要记录/打印的文本内容中有格式化字符串 比如记录一句SQL里面有类似: someField like ‘ABC%’。 writeLog("someField like ABC%");下面的函数就会报错。 public static void writeLog(LogType type, String format, Object... args) throws TNUExce…...
2024/4/20 20:44:38 - tensorflowGPU版出现Failed to load the native TensorFlow问题
只要按 https://stackoverflow.com/questions/43942185/failed-to-load-the-native-tensorflow-runtime-python-3-5-2中所描述的安装一遍就可以解决了...
2024/4/20 20:44:37 - GitHub 上有哪些适合新手跟进的优质项目?
点击上方“迈微电子研发社”,选择“星标★”公众号 重磅干货,第一时间送达 看过我文章的社友们都知道,你再不使用GitHub,都不敢跟别人说自己是CS专业的。所以,它的重要性也就不再多言了,今天就分享给大家如…...
2024/4/20 20:44:36 - vue在npm run dev运行项目时出现npm ERR! code ELIFECYCLE问题解决方案
今天准备开始一个新项目,于是用vue-cli创建了一个项目,可是当npm run dev时报错: 解决方法: 第一步:npm uninstall webpack-dev-server 第二步:npm install webpack-dev-server2.9.1 第三步:npm…...
2024/4/20 20:44:35 - 拜见罗宾逊一家
Meet The Robinsons 我没有选那个 因为那个会让我起疙瘩 Then I didnt choose that one because it was gonna give me pimples, 于是我挑了另外一个比较恐怖的 so I choosed another scary one 因为根据我多年参加 万圣节前夕的经验 because, for all those years that I w…...
2024/4/20 20:44:34 - 普通话水平测试脸型软件,你明明长得挺漂亮,为什么拍照总是不上镜?
被叫天仙这么多年,完全担得起这个称号!但是作为一个明星,出道这么多年怎么可能没有一两张黑图呢(没错,黑照都是产于自己的微博)!这蜜汁角度。。。这魔幻打光。。。还有这堪比座机的画质。。。其实不只是天仙,Miya身边很…...
2024/4/20 20:44:33 - 爱情指数测试脸型软件,叶罗丽测试:选一个完美的脸型,测你想成为谁的初恋女友?我是D...
选一个完美的脸型A、B、C、D、答案揭晓:(此测试仅供娱乐!所有图片来源于网络)A、你想成为校草的初恋女友。你是一个注重细节的女孩。你所做的每件事都要考虑周全,决不轻率行事。你又聪明又漂亮。你是学校里最有名的花。每个男孩心里都喜欢你。…...
2024/4/21 1:23:36 - UI测试脸型软件,App脸型美化剖析|UI-影视-其他|观点|freshoil - 原创文章 - 站酷 (ZCOOL)...
本文基于市面上多款App的美颜效果,做了一个对比分析,整理出一个可以指导美颜调教的参考规范。研究的几个要点如下:1.通过对 某陌、某音、某Y、某他相机、某天P图的效果对比分析2.本次只针对默认效果做对比(某Y无默认则选择自然)3.统一使用前置…...
2024/4/21 22:09:51
最新文章
- c++ 智能指针 简单实现
1.需要设计 智能指针实现,目标用一个对象管理指针。 指针类:B 智能指针类A<T> A<B> a(new B); 用A来管理B的指针,如果有多个指针指向一个对象,那么都用A来承载这个指针 A<B> b(a); 这里需要一个拷贝构造函数,为…...
2024/4/27 15:36:26 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - 最新安卓iOS免签封装源码 可处理apk报毒
资源简介 解决app误报毒 可打包APP可上传APK 自动实现5分钟随机更换包名和签名系统源码 本程序功能介绍 程序可实现域名自动打包成app 出现误报毒并自动更换包名和签名时间一次 也可以上传打包好的apk*时间自动更换包名和签名 自动覆盖原下载路径,下载地址不变…...
2024/4/27 14:36:17 - 面试算法-140-接雨水
题目 给定 n 个非负整数表示每个宽度为 1 的柱子的高度图,计算按此排列的柱子,下雨之后能接多少雨水。 示例 1: 输入:height [0,1,0,2,1,0,1,3,2,1,2,1] 输出:6 解释:上面是由数组 [0,1,0,2,1,0,1,3,2…...
2024/4/26 0:46:54 - 腾讯云CVM S5云服务器4核8G多少钱一年?
腾讯云CVM S5云服务器4核8G多少钱一年?1437.24元15个月(买1年送3个月),配置:云服务器CVM S5、4核8G、1M/3M/5M带宽可选、不限制流量、上海、50G 通用型SSD云硬盘。 腾讯云服务器有两个活动,一个是官方的主…...
2024/4/24 19:00:33 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/4/26 18:09:39 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/4/26 20:12:18 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/4/26 23:05:52 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/4/27 4:00:35 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/4/25 18:39:22 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/4/27 14:22:49 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/4/26 21:56:58 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/4/27 9:01:45 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/4/26 16:00:35 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/4/25 18:39:16 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/4/25 18:39:16 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/4/26 19:03:37 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/4/26 22:01:59 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/4/25 18:39:14 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/4/26 23:04:58 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/4/25 2:10:52 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/4/25 18:39:00 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/4/26 19:46:12 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/4/27 11:43:08 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/4/27 8:32:30 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57