检索结果-内蒙古大学图书馆

作者：吴泱南京信息工程大学

学位级别：硕士

协同显著性检测任务旨在检测并分割出一组图像中共有的、语义信息相同的显著目标或区域。这项任务有相当广阔的应用前景,被应用于视频显著性检测、图像检索、协同定位、遥感影像差异分析等领域。近十五年,协同显著性检测获得了突飞猛进... 详细信息

协同显著性检测任务旨在检测并分割出一组图像中共有的、语义信息相同的显著目标或区域。这项任务有相当广阔的应用前景,被应用于视频显著性检测、图像检索、协同定位、遥感影像差异分析等领域。近十五年,协同显著性检测获得了突飞猛进式的发展,但在面对分布外数据、真实生活场景、多模态信息杂乱、伪装协同目标、尺度剧烈变化、背景环节嘈杂和显著目标对抗干扰等挑战时,现有工作仍存在较大提升空间。为了设计更鲁棒和实用的协同显著性检测模型,本文从未知类泛化,图像匹配与多模态对齐和真实场景不确定性建模等三个方面提升模型性能。本文的主要创新和贡献包含如下三方面:(1)在未知类泛化方面,本文针对此前工作忽略的图像前背景之间的差异性和用类别标签作为监督信号带来的过度自信问题,研究了如何通过无监督聚类或利用自标注以自监督的方式改善有监督学习中对训练数据的过拟合,提出了一个高阶空间语义网络调制子网络和一种多视角自标注策略。本文探究了用聚类和图聚合将图像前背景分类的可行性,并研究了自标注策略以自监督的方式提升模型的鲁棒性对未知类别的泛化性。此外,本文还对相似领域协同分割和协同显著性检测进行了详细的异同阐明。(2)在图像匹配与多模态对齐方面,针对图像内和图像间的复杂非线性关系难以建模的问题,本文使用布朗距离协方差匹配来衡量图像间相似度,并建模复杂非线性信息。传感器设备的发展为许多计算机视觉任务带来了额外的有价值信息,但存在图像多模态信息间的不对齐问题。针对此,为了更好地对齐多模态信息,本文根据物理深度特征对原始深度信息进行了校准,使其与RGB特征对齐以突出深度图中正确的显著的目标区域并抑制干扰区域,提升模型性能。(3)本文还注意到,本领域此前工作广泛基于的组共识性假设限制了模型在面对困难样本时的鲁棒性,尤其是当输入模型的图像组存在无关图像时的,模型的表现变差,极大地限制了模型在现实生活场景中的应用,因为在现实应用场景中采集到的图像组,绝大部分情况都不能满足组共识性假设。在真实场景不确定性建模方面,本文设计了组交换掩膜策略和不确定性建模与融合分支,可以很好地提升模型的鲁棒性和实用性。

关键词：协同显著性检测网络调制新类别发现多模态融合不确定性建模

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的航空发动机剩余使用寿命预测

基于深度学习的航空发动机剩余使用寿命预测

引用

作者：马依琳华东师范大学

学位级别：硕士

航空发动机作为飞机最核心的部件,其安全性对飞行起着至关重要的作用。由于航空发动机结构复杂、工作环境严峻,经常会出现性能退化问题并造成安全隐患。航空公司需要投入大量成本对其进行过度检修以确保飞行安全。使用发动机的运行监测... 详细信息

航空发动机作为飞机最核心的部件,其安全性对飞行起着至关重要的作用。由于航空发动机结构复杂、工作环境严峻,经常会出现性能退化问题并造成安全隐患。航空公司需要投入大量成本对其进行过度检修以确保飞行安全。使用发动机的运行监测信息对发动机的剩余使用寿命做准确的预测,可以合理地制定维修策略并及时进行诊断维护,在确保安全性的同时大幅度节约维护成本,因此引起了研究人员的广泛关注。目前,基于深度学习的航空发动机剩余使用寿命预测研究取得了一定的进展。然而当前的研究仍然存在诸多挑战,特别是航空发动机的长时序数据可能会导致信息混淆、不同维度的异质特征难以有效融合以及传感器相对信息无法获取等问题。此外,现有深度学习算法强烈依赖于训练和测试数据独立同分布的假设,使得模型在现实场景下难以泛化。最后,针对航空发动机剩余使用寿命预测的模型系统仍有待设计和开发。本文针对以上问题展开研究,提出了一些可行的解决方案,主要工作如下:1.提出了一个基于多特征融合的航空发动机剩余使用寿命预测模型。首先,针对目前时序特征提取存在干扰现象,提出了双步长输入的双编码器结构,在保留长期依赖关系的同时,更高效地处理短期时序特征。接着,针对缺乏有效特征融合方式的问题,设计了时序特征注意力机制和传感器特征注意力机制,分别从时间维度和传感器维度重点关注能体现退化信息的特征。最后,针对传感器相互关系缺失的问题,计算了能反映信号复杂程度和变化趋势的排列熵值,设计了排列熵编码器层以融入传感器之间的相对信息。通过实验对比其他先进方法,证明了提出方法的有效性。2.提出了一个基于不确定性建模的航空发动机剩余使用寿命预测方法。考虑到发动机运行环境的复杂性,针对目前模型泛化能力不足的问题,在所提出的基于多特征融合的模型基础上,引入了不确定性建模模块。在模型训练时,通过不确定性估计,对包含重要数据分布相关的特征统计量建立高斯分布,使用在分布中随机采样生成的特征统计量模拟测试数据中潜在域偏移的不确定性。通过在模型训练时融入不确定性,提高模型应对不确定性场景的能力,增强鲁棒性。3.设计并实现了一个在线的航空发动机剩余使用寿命预测系统。该系统集成了所提出的预测模型,实现了包括模型存储、在线训练、寿命预测、预测记录等预测相关的核心功能,并实现了数据可视化、日志审计、用户管理等辅助功能,满足了现实应用场景中预测系统的基本需求,并提供了安全性保障。本文所提出的基于多特征融合的航空发动机剩余使用寿命预测模型和基于不确定性建模的航空发动机剩余使用寿命预测方法,在两个公开的航空发动机仿真数据集上取得了较好的预测效果,证明了方法的有效性。本文所设计与实现的航空发动机剩余使用寿命预测系统,有利于推动模型的落地部署,发挥算法的现实应用价值。

关键词：航空发动机剩余使用寿命预测注意力机制不确定性建模

来源：评论

学校读者我要写书评

暂无评论

大规模动态环境下的高精度3D SLAM方法研究

大规模动态环境下的高精度3D SLAM方法研究

引用

作者：王颖博北京交通大学

学位级别：硕士

基于激光雷达(Light Detection and Ranging,LiDAR)的3D同时定位与建图(Simultaneous Localization and Mapping,SLAM)方法相比于基于视觉的SLAM方法具有更好的精度和稳定性,在自动驾驶领域得到广泛研究,是近年来该领域研究的焦点方法... 详细信息

基于激光雷达(Light Detection and Ranging,LiDAR)的3D同时定位与建图(Simultaneous Localization and Mapping,SLAM)方法相比于基于视觉的SLAM方法具有更好的精度和稳定性,在自动驾驶领域得到广泛研究,是近年来该领域研究的焦点方法之一。另外,尽管SLAM方法经过多年的研究已取得了很多成果,但很多SLAM方法基于静态环境假设,使得SLAM算法性能在包含动态目标的应用环境中建图一致性受到影响,严重时会因为误差积累/漂移造成建图失败。针对大规模动态环境下的场景感知任务,本文提出了一种基于不确定性建模的多目标跟踪(Multiple Object Tracking,MOT)与SLAM融合的多任务感知方法。在仅使用LiDAR感知数据的情况下,通过对目标检测、多目标跟踪、建图和定位等多任务的联合建模,实现潜在动态目标(Potential Dynamic Objects,PDOs)的可靠检测、跟踪,并通过概率自适应SLAM方法对静态背景点云以由粗到细的方式构建、管理和更新体素地图,不仅提高了大规模动态环境下智能无人系统的定位精度和环境建模精度,同时能实现对目标的检测与PDOs的跟踪,完成多任务感知功能。论文完成的主要工作包括以下几个方面: (1)设计了一种基于两阶段检测的3D MOT方法。采用基于点的两阶段目标检测方法预测并优化PDOs的3D边界框,然后以3D卡尔曼滤波(Kalman Filter,KF)与匈牙利算法结合的方式进行状态估计和数据关联,同时加入轨迹生成与去除模块,对现有目标的消失或新目标的进入进行管理,据此构建简单而准确的实时3D MOT系统,实现对PDOs的可靠跟踪。 (2)实现了一种动态环境下的基于LiDAR与惯性测量单元(Inertial Measurement Unit,IMU)融合的多任务感知方法。在目标检测与跟踪阶段,利用端到端的全卷积神经网络(Fully Convolutional Nerual Network,FCNN)进行点云语义分割,在此基础上以无迹卡尔曼滤波(Unscented Kalman Filter,UKF)、概率数据关联(Probabilistic Data Association,PDA)和交互多模型(Interacting Multiple Model,IMM)组合的MOT方法对PDOs进行跟踪并分割移除,然后通过直接法点云匹配完成基于LiDAR-IMU的SLAM架构设计,同时加入基于多因子图的闭环检测来进一步提高最终输出结果的准确性和鲁棒性。 (3)提出了一种改进的基于不确定性建模的多任务感知方法。在仅采用LiDAR数据的情况下,根据MOT与SLAM任务中存在的不确定性问题,基于检测的MOT阶段采用开源目标检测框架并在此基础上构建基于预测置信度的数据关联模型,根据MOT实现结果移除PDOs;然后改进现有的直接法点云配准,在SLAM系统中构建概率平面模型,并基于LiDAR传感器按顺序采样的特性对剩余的静态点云以由粗到细的方式构建和更新体素地图,实现实时高效的算法架构。 (4)在Ubuntu系统下,基于机器人操作系统(Robot Operation System,ROS)及Anaconda虚拟环境对上述方法进行了实验验证。在KITTI数据集和Urban Nav数据集上对该领域先进的(State of the Art,SOTA)方法及本文提出的方法进行对比实验,包括对位姿估计结果和建图效果的评估,以及去除PDOs前后结果的对比分析。结果表明基于不确定性建模的多任务场景感知方法在大规模动态环境下改进了传统SLAM方法的性能。图55幅,表9个,参考文献79篇。

关键词：多任务感知同时定位与建图多目标跟踪不确定性建模体素地图

来源：评论

学校读者我要写书评

暂无评论

计及预测误差动态相关性的多风电场联合出力不确定性模型

引用

电力系统自动化 2019年第22期43卷 31-37页

作者：段偲默苗世洪李力行韩佶涂青宇李姚旺华中科技大学电气与电子工程学院湖北省武汉市430074 华中科技大学强电磁工程与新技术国家重点实验室湖北省武汉市430074 华中科技大学电力安全与高效湖北省重点实验室湖北省武汉市430074

为实现对多风电场联合出力不确定性的精细化建模,提出了计及预测误差动态相关性的多风电场联合出力不确定性建模方法。首先,分析了同区域风电场的出力及出力预测误差动态相关性特征。进一步,针对此特征,引入高维动态藤Copula理论,建立... 详细信息

为实现对多风电场联合出力不确定性的精细化建模,提出了计及预测误差动态相关性的多风电场联合出力不确定性建模方法。首先,分析了同区域风电场的出力及出力预测误差动态相关性特征。进一步,针对此特征,引入高维动态藤Copula理论,建立了多风电场预测出力及预测误差的联合分布模型。最终,将以上模型与基于Copula函数的离散卷积法相结合,建立了计及预测误差动态相关性的多风电场联合出力不确定性模型,并以置信区间对多风电场联合出力不确定性进行了离散化表征。仿真结果表明,对比其他模型,所提模型拟合精度更高,拟合过程与预测方法解耦,灵活性更强。

关键词： Copula理论动态藤Copula模型风电预测不确定性建模相关系数

来源：评论

学校读者我要写书评

暂无评论

低分辨率人体姿态估计方法研究

低分辨率人体姿态估计方法研究

引用

作者：汪晨电子科技大学

学位级别：博士

人体姿态估计旨在高效、准确地定位人体关节点,是计算机视觉理论的实际应用,是行为识别、人机交互等研究方向的技术支撑,在计算机视觉领域中起着承上启下的重要作用,是国内外学者的研究热点。尤其近十几年来,随着深度学习理论的深入研... 详细信息

人体姿态估计旨在高效、准确地定位人体关节点,是计算机视觉理论的实际应用,是行为识别、人机交互等研究方向的技术支撑,在计算机视觉领域中起着承上启下的重要作用,是国内外学者的研究热点。尤其近十几年来,随着深度学习理论的深入研究以及高性能计算平台的技术革新,人体姿态估计方法得以飞速发展。国内外学者从神经网络结构设计、关节点的编解码方式、模型效率等角度对人体姿态估计方法展开一些系列的研究,并取得了诸多的成果与应用。例如,卡内基梅隆大学、上海交通大学、脸书公司均已开源自主研发的实时人体姿态估计系统,为行为预测、行人重识别等领域提供强大的技术支持。现有基于视觉的人体姿态估计方法大多以高分辨率图像作为模型输入获得人体关节点位置信息。然而在实际应用中由于图像设备性能、传输带宽、场景时效要求等限制,难以提供高分辨率的视觉图像,从而导致现有人体姿态估计方法性能的降低。为了提高低分辨率场景下的人体姿态估计方法性能,本文分别从关节编解码的量化误差、关节位置的不确定性、多尺度特征偏移三个方面深入研究讨论,主要工作包括:(1)针对低分辨率人体姿态估计任务中的量化误差问题,本文采用适用于低分辨率任务的复合关节场编解码关节点位置信息。首先,本文分析了估计误差对编码关节粗略位置的热力图扰动,设计高斯加权的热力图。其次,本文深入探讨关节偏移向量场训练与关节点预测的内在不对齐问题,设计一种置信感知的偏移向量场学习方法,使用热力图的预测信息引导偏移向量场的学习过程,从而耦合关节点复合场的训练和预测,保证两者的一致性,提高低分辨率关节点预测精度。最后,在COCO数据集上验证所提置信感知偏移向量场学习方法在低分辨率图像场景的优越性,同时展示所提方法对高分辨率人体姿态估计同样有效。(2)针对低分辨率关节点的定位不确定性问题,本文通过在关节复合场中引入不确定性估计实现低分辨率关节点预测。首先,采用关节点概率分布表征关节定位不确定性。具体而言,将关节点复合场分别建模为概率分布,利用高斯函数建立关节热力图和偏移向量分布,将确定性关节点回归转换成关节概率分布回归。其次,观察到用于分布距离描述的相对熵损失函数会造成梯度爆炸现象,从而导致模型难以收敛。通过定量分析模型梯度设计一种适用于关节点不确定建模的损失函数保证模型平稳训练。再者,根据模型梯度分布设计一种基于偏移向量场分布的置信投票机制,将关节点不确定建模融入关节点预测,保证模型训练与预测的一致性。最后,通过实验对比不同损失函数、关节点预测后处理机制证明所提方法在低分辨率人体姿态估计任务的有效性。(3)多尺度特征融合时存在特征偏移问题,对低分辨率任务尤为严重。针对这一问题,本文设计一种通用的多尺度特征无偏对齐策略解决特征偏移问题以提升模型性能。首先,系统地建模多尺度融合中特征位置映射关系,探究多尺度融合中特征偏移现象及其根本原因,同时量化特征不对齐导致的具体偏移误差。其次,根据不同的尺度融合方式、应用场景中特征映射的数理关系提出用于多尺度特征无偏对齐的通用方案。再者,将特征无偏对齐方案应用于低分辨率人体姿态估计任务,设计无偏数据处理、基于无偏特征对齐的姿态估计模型、无偏关节点编解码方式,提出一种无偏的人体姿态估计方法。最后,实验验证所提无偏人体姿态估计方法在低分辨率人体姿态估计任务的优越性,同时表明无偏特征对齐方案适用于高分辨率图像和其他姿态估计模型。

关键词：人体姿态估计关键点检测低分辨率关节定位置信感知学习不确定性建模多尺度融合

来源：评论

学校读者我要写书评

暂无评论

基于弱监督信息的时域动作定位技术研究

基于弱监督信息的时域动作定位技术研究

引用

作者：杨文飞中国科学技术大学

学位级别：博士

近年来,随着高清摄像头的普及和短视频应用的兴起,视频数据呈爆炸式增长,传统基于人力的视频分析方法难以满足现实应用需求。基于人工智能,尤其是基于深度学习的智能视频分析算法逐渐成为学术界和工业界的研究热点。时域动作定位作为其... 详细信息

近年来,随着高清摄像头的普及和短视频应用的兴起,视频数据呈爆炸式增长,传统基于人力的视频分析方法难以满足现实应用需求。基于人工智能,尤其是基于深度学习的智能视频分析算法逐渐成为学术界和工业界的研究热点。时域动作定位作为其中的一项关键技术,其旨在找到感兴趣的动作在视频中的起始时间和结束时间,在视频检索、体育赛事智能化解读等系统中具有重要的应用价值。然而,现有的大多数时域动作定位算法都是基于全监督的,需要用预先定义的策略来进行精细化动作类别和时域边界标注,然后训练模型。这一过程需要标注大量的数据,耗时耗力,严重限制了时域动作定位技术的应用。本文以降低标注代价为出发点,系统性研究了视频级文本描述、视频级类别标签和数据级动作类别数目监督下的时域动作定位算法,三种监督信息逐步减弱,对应的算法研究难度也逐步增大。具体而言:1)在视频级文本描述作为监督信息方面,目前方法难以应对弱监督信息下视频和文本间跨模态匹配难的问题,导致动作定位边界偏差大;2)在视频级类别标签作为监督信息方面,目前方法难以实现完整动作定位和解决复杂背景干扰问题,存在较多漏检和误检;3)在数据级类别数目作为监督信息方面,目前方法难以产生高质量的伪标签,导致动作定位语义类别偏差大。本文针对这些关键问题进行了深入研究,主要的研究工作和创新点如下:1.提出了一种基于局部对应性建模的弱监督时域动作定位算法。针对视频级文本描述监督下的视频-文本跨模态匹配难问题,该算法提出了两个核心模块:层级特征表示模块、循环一致性建模模块。层级特征表示模块将视频和文本特征进行结构化表示,便于建模细粒度的文本-视频对应性;循环一致性建模模块通过自监督损失来约束视频和文本间的局部相似性,从而学习鲁棒的视频和文本间的细粒度对应性。在两个标准数据集上的结果表明,该方法能够取得明显优于现有方法的定位精度。2.提出了一种基于结构化建模的弱监督时域动作定位算法。针对视频级类别标签监督下的动作定位不完整问题,该算法提出了两个结构化建模模块:全局结构建模模块和局部结构建模模块。全局结构建模模块能够利用图卷积网络建模视频片段之间的关系,学习更鲁棒的视频表征,避免同一动作被切分为多个片段;局部结构建模模块能够挖掘动作的不同组成成分,建模动作的时域结构,避免模型只激活到最显著的动作片段。在两个数据集上的实验结果表明,该方法能够明显提升动作定位的完整性。3.提出了一种基于不确定性引导协同训练的弱监督时域动作定位算法。针对视频级类别标签监督下的复杂背景干扰问题,该算法提出了两个核心模块:在线伪标签生成模块、不确定性感知学习模块。在线伪标签生成模块能够利用教师网络作为桥梁来产生片段级前景/背景伪标签,使得基于光流的模型和基于图像的模型在训练中能够相互学习促进,对每个片段给出一致的前背景预测结果;不确定性感知学习模块能够自适应地从数据中学习伪标签的可靠性,并通过一个新设计的不确定性感知损失来降低伪标签中噪声的影响。在两个数据集、三个方法上的实验结果表明,该方法能够明显抑制复杂背景干扰,提升这些方法的定位精度。4.提出了一种基于最优传输的弱监督时域动作定位算法。针对数据级动作数目监督下的伪标签质量低问题,该算法将伪标签生成建模为一个最优传输问题并考虑了三个核心约束:“一致性、紧凑性、均匀性”。“一致性”约束能够使得每个伪类别在训练过程中保持语义性不变,对稳定模型训练具有重要意义;“紧凑性”约束能够使得具有同类伪标签的视频特征相互靠近,对于保证伪标签的精度具有重要意义;“均匀性”约束能够使得产生的伪标签在各类上数目大致相等,可有效防止伪标签坍缩为少数几个大的类别。在两个数据集上的实验结果表明,该方法能够显著提升伪标签质量,取得领先的定位精度。

关键词：弱监督动作定位结构化建模不确定性建模协同训练局部对应性最优传输

来源：评论

学校读者我要写书评

暂无评论

融合物品层次关系和用户偏好的推荐研究

融合物品层次关系和用户偏好的推荐研究

引用

作者：陈绵重庆理工大学

学位级别：硕士

随着互联网的普及和信息技术的发展,人们在享受其带来的各种便利网络服务的同时也遭受无法一一辨别和筛选海量信息的困扰。推荐系统作为缓解信息过载的有效工具,被部署到各大网络平台中,用于改善用户体验并增加商家的收益。本文研究电... 详细信息

随着互联网的普及和信息技术的发展,人们在享受其带来的各种便利网络服务的同时也遭受无法一一辨别和筛选海量信息的困扰。推荐系统作为缓解信息过载的有效工具,被部署到各大网络平台中,用于改善用户体验并增加商家的收益。本文研究电商场景下基于用户兴趣偏好挖掘的推荐算法,用于提升推荐模型的点击率,缓解目标行为的数据稀疏性等问题。本文的主要研究工作如下:(1)用户在电商网站的一系列行为往往隐含着丰富的用户偏好信息,而这些行为由于用户兴趣的多样性和突发性而具有一定的不确定性,且用户交互下一个物品的过程也存在不确定性。确定性注意力机制仅仅在输出层体现出模型的随机性,但单一的输出层无法对用户历史行为序列中的不确定性进行有效的建模。且由于其将每个用户行为视为一个独立的个体,故无法捕捉到用户行为之间的层次依赖关系。针对上述问题,本文将贝叶斯注意力应用到推荐系统中,提出了基于贝叶斯注意力的推荐系统(BARS)。具体而言,本文将注意力权重视为数据依赖的局部随机变量,在贝叶斯框架下以近似其后验分布的方法来学习注意力分布,且引入了依赖于用户历史行为序列、含有上下文信息的先验分布来为注意力分布的学习提供经验不确定性以控制方差。而对于用户行为之间存在的顺序关系,本文使用Bi-LSTM来建模,使得当下用户的兴趣具有过去和未来的信息。在Advertising和Amazon数据集上的实验结果证明了本文提出的模型的有效性。(2)用户在同一时刻具有多重兴趣,并且不同的用户行为所反映的用户对物品的偏好程度并不相同。针对有效挖掘用户多行为数据的问题,本文提出了基于注意力网络和transfer的多行为模型(MBATT)。本文根据购物流程将用户行为进行排序,依次是浏览、加入购物车和购买。随着购物流程的推进,用户所付出的代价越来越大,交互数据越来越稀疏,故前序行为作为辅助行为可以缓解后序目标行为的数据稀疏性。而前序行为很可能由于用户的误操作导致其含有的噪声较大,故我们在所有行为中共享用户嵌入和物品嵌入,使得后续行为可以为前序行为提供指导,在一定程度上帮助前序行为去噪。在单一行为中,本文使用注意力网络聚焦到与用户兴趣相关的物品,在无意识的用户交互集合中挖掘出有意识的用户意图,使得压缩成的物品向量含有足够多可以代表用户兴趣的信息。接着使用矩阵分解预测用户交互下一个物品的可能性,并使用transfer实现用户行为之间的迁移。在贝贝和淘宝两个数据集上的实验结果证明了我们模型的合理性。

关键词：推荐系统不确定性建模贝叶斯注意力异构行为

来源：评论

学校读者我要写书评

暂无评论

基于视觉-语言跨模态联合学习的指代表达理解研究

基于视觉-语言跨模态联合学习的指代表达理解研究

引用

作者：汪国庆湖南大学

学位级别：硕士

随着互联网媒体应用的快速普及以及深度学习技术的迅猛发展,指代表达理解(Referring Expression Comprehension)等多模态任务越来越受到人们的关注。指代表达理解任务的主要内容是根据指代表达文本在对应图像中找到被指代对象的位置,如... 详细信息

随着互联网媒体应用的快速普及以及深度学习技术的迅猛发展,指代表达理解(Referring Expression Comprehension)等多模态任务越来越受到人们的关注。指代表达理解任务的主要内容是根据指代表达文本在对应图像中找到被指代对象的位置,如何在复杂场景下实现准确地定位,是一件富有挑战的工作。面对现有的挑战,本文以视觉-语言跨模态联合学习为基础,探索了如何设计性能更优越的指代表达理解模型。本文的主要工作内容总结如下:1.针对现有二阶段指代表达模型受限于提议质量的问题,本文提出了语言引导提议生成的新范式,并根据新范式设计了新的提议生成模型LPGN。在该模型中,视觉特征与语言特征进行了融合,然后采用回归的方式生成提议,极大缓解了传统提议生成器只依据图像生成提议导致的提议质量瓶颈。此外,LPGN将语言信息的抽取分为句子级和单词级,对两个层级的语言信息分别进行特征编码和与视觉特征融合后,对得到的多个视觉语言融合特征分别进行边界框预测,从而确保上下文目标的相关信息不会被忽略,解决了上下文目标提议生成困难的问题。2.针对目前一阶段指代表达理解模型没有考虑预测边界框的坐标不确定性的问题,本文提出了REC-w CU模型,采用高斯分布建模了预测边界框的坐标值和与之对应的不确定度,并重新设计了模型的输出和训练损失函数,使得模型可以在输出坐标的同时输出相应的坐标置信度。通过将坐标置信度考虑进了边界框的排序过程,可以有效提升模型的准确性。3.本文在ReferItGame、RefCOCO、RefCOCO+和RefCOCOg这4个主流公开数据集上对本文提出的LPGN模型和REC-w CU模型进行了与现有方法的对比实验,实验结果表明本文提出的两个模型均取得了良好的性能,并显著优于现有其他方法。此外,本文还通过消融实验证明了LPGN模型和REC-wCU模型中一些重要模块是有效的。

关键词：指代表达理解多模态深度学习提议生成方法不确定性建模特征融合

来源：评论

学校读者我要写书评

暂无评论

基于高斯不确定性网络的时间序列预测研究

基于高斯不确定性网络的时间序列预测研究

引用

作者：胡慧天津大学

学位级别：硕士

时间序列预测是从历史数据中提取规律来预测未来的数据。在实际问题中,很多任务都可以表征为时间序列预测,其已经得到了广泛的关注和研究。从历史数据中提取内在信息来估计未来趋势具有重大意义。近年来,概率信息提取在物体识别中被证... 详细信息

时间序列预测是从历史数据中提取规律来预测未来的数据。在实际问题中,很多任务都可以表征为时间序列预测,其已经得到了广泛的关注和研究。从历史数据中提取内在信息来估计未来趋势具有重大意义。近年来,概率信息提取在物体识别中被证明是有效的,但在时间序列预测中还没有被引入。长短时记忆神经网络(LSTM)在时间序列预测中表现出优异的性能。然而,众所周知,目前还没有任何工作将高斯分布插入到LSTM中作为端到端的特征表示。将高斯分布概率建模与LSTM结合用于时间序列预测是一个巨大的挑战,因为现实中时间序列具有高波动性和复杂性,而且高斯分布所在空间不是线性空间而是黎曼空间。为了解决这一问题,本文开展了以下两方面的工作:(1)以端到端的方式、通过高斯分布和LSTM的结合建立单个高斯描述符的不确定性网络。该网络的核心是以端到端的方式、通过高斯分布和LSTM的结合捕获时间序列中隐含的一阶二阶统计信息和深层特征。为了充分利用高斯分布的建模能力,还基于李群同构和对数欧氏运算将高斯分布所在的黎曼空间映射到线性空间。特别地,对于多变量时间序列,还将CNN卷积层与LSTM结合以提取局部抽象特征、时不变模式和时序特征。(2)自适应融合多个高斯描述符以更充分地表征数据中的不确定性。本文使用四个高斯描述符,一个来自于直接嵌入法,另三个来自间接嵌入法。它们都可以利用高斯的几何结构和光滑李群性质,提取一阶二阶统计特征。自适应机制融合了每个描述符的不确定性表示特征,灵活性和适应性良好。在单变量时间序列的风速数据集、电力负荷数据集和多变量时间序列的PM2.5数据集和车流量数据集上的实验结果表明,单个高斯描述符的不确定性嵌入网络的预测效果优于LSTM、CNN、BP神经网络和ARIMA模型,也证明了高斯嵌入式方法对数据不确定性的强大表征能力;自适应高斯嵌入式网络能尽量避免偶尔发生的由于单个描述符的不稳定因素可能带来的副作用,预测更加精确,对不同特性的数据集适应能力更强。

关键词：不确定性建模时间序列预测 LSTM 李群对数欧氏自适应学习

来源：评论

学校读者我要写书评

暂无评论

气象站点气温观测值的不确定性建模以及距平分层方法研究

气象站点气温观测值的不确定性建模以及距平分层方法研究

引用

作者：徐成东中国科学院大学

学位级别：博士

尽管近百年来的全球气温升高的结论已形成广泛共识，但是其变化的幅度仍然存在不确定性。全球及区域气温估计的精度受多方面的影响，包括气象站点温度计读数、观测站点的变迁、观测仪器的变更、观测站所处地理环境的变化、气温数据的收... 详细信息

尽管近百年来的全球气温升高的结论已形成广泛共识，但是其变化的幅度仍然存在不确定性。全球及区域气温估计的精度受多方面的影响，包括气象站点温度计读数、观测站点的变迁、观测仪器的变更、观测站所处地理环境的变化、气温数据的收集统计方法、地面观测站点的布局等方面。在这些不确定性因素中，单个观测值的不确定性以及空间分层(strata)（带来的抽样的不确定性）是两个基本因素，并且最终会影响到区域平均气温的估计。基于以上的考虑，本论文就气温观测值的单点不确定性建模以及气温距平的空间分层方法进行了研究，主要包括以下成果:\n 提出了BSHADE点估计模型(P-BSHADE)的气象站点气温缺失值插补方法。此方法通过先验知识把气温数据的空间相关性、异质性融入到模型中，并对样本点纠偏，最终得到目标站点的线性无偏最优估计。在本研究中，P-BSHADE的计算结果与Kriging，IDW(inverse distance weighting)和SRT(spatial regression test)三种方法做了理论和实验的比较，并且通过实际数据进行了验证。结果表明: P-BSHADE与其它方法相比有明显的优势。此外， P-BSHADE也具有理论方面的先进性，因为这种方法同时考虑到了气温数据的空间相关性，异质性以及站点观测值的有偏性，这个假设前提更加符合气温场的空间分布实际情况。\n 基于P-BSHADE及SRT-PS(probabilistic spatiotemporal approach based on a spatialregression test)，分别提出了两套气温观测值的不确定性定量评估方法。(1)P-BSHADE模型:此方法可以利用已有观测值对目标站点进行线性无偏最优估计，同时目标站点的气温估计的期望值和估计误差的方差也可以同时得出。此方法假设目标站点气温值的估计误差服从以P-BSHADE的估计值和估计误差的方差为期望和方差的正态分布，并计算目标站点的实际观测值在这此概率分布中的p值，它反映的是目标站点气温值的置信概率(confidence probability)。(2) SRT的时空概率方法(SRT-PS):此方法的假设前提是:如果目标站点的SRT估计值与观测值之间存在较大的残差，则认为此站点的气温记录值很可能存在较大的不确定性。实际数据验证表明，P-BSHADE和SRT-PS方法可以有效地用于气温观测值不确定性的定量评估。两种方法相比:P-BSHADE可以考虑先验知识及气温的空间相关性及异质性，因而更加符合实际;而SRT-PS需要利用较长的时间序列数据，但相对简单实现。\n 通过气温的空间相关性以及异质性的分析，提出了一种基于GeoDetector的空间分层方法，此方法中研究对象的空间域与属性域分别考虑，并且计算过程中可以利用先验知识以提高空间分层的效率。这种方法的目标是分层结果中层内方差最小，层间方差最大。实验结果表明，此空间分层方法可以合理地对气温距平进行空间分层。\n 单个观测值的不确定性以及空间分层是统计推断中两个重要的方面，对这两个方面深入研究可以为区域总量或均值估算的精度评价提供依据。通过本论文气温数据集中单个站点气温观测值的不确定性及其分区方法的探索，有利于进一步加深对区域及全球气温变化趋势及其不确定性的认识。

关键词：气温观测值不确定性建模空间分层点估计模型缺失值插补空间相关性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：