检索结果-内蒙古大学图书馆

现代情报 2025年第5期45卷 15-23,98页

作者：张卫东陈希鹏李心怡李奉芮吉林大学商学与管理学院吉林长春130012

[目的/意义]通过对民间文学文本数据进行命名实体识别,有助于民间文学资料的深度描述和展示,为构建完整的长白山非遗知识体系夯实根基。[方法/过程]本研究提出了基于多任务联合学习(BERT-BiGRU-MHA-CRF)的长白山非遗民间文学实体抽取模... 详细信息

[目的/意义]通过对民间文学文本数据进行命名实体识别,有助于民间文学资料的深度描述和展示,为构建完整的长白山非遗知识体系夯实根基。[方法/过程]本研究提出了基于多任务联合学习(BERT-BiGRU-MHA-CRF)的长白山非遗民间文学实体抽取模型,引入双向门控循环单元BiGRU更好地处理实体在句子中的长序列依赖性,解决梯度消失问题;再联合多头自注意力机制MHA加强对关键实体的注意力权重分配,从而获得更好的实体识别结果。[结果/结论]通过对比BERT-CRF、BERT-BiLSTM-CRF主流多任务联合学习基准模型,本模型对民间文学命名实体识别的准确率均为最优,其精确率达86.76%。本研究初步实现了对民间文学文本的精准实体识别,有利于对民间文学资料进行深入分析和知识挖掘,有助于保护和传承长白山文化记忆。

关键词：数字人文多任务联合学习预训练模型长白山文化民间文学实体识别

来源：评论

学校读者我要写书评

暂无评论

基于多任务联合学习的弱光场景人脸检测算法

引用

计算机科学 2025年第2期52卷 191-201页

作者：张霞苏昭辉陈路山西大学计算机与信息技术学院太原030006 山西大学大数据科学与产业研究院太原030006

弱光场景中的人脸检测指在弱光条件下使用图像处理技术检测人脸。目前,大多数弱光环境下的人脸检测算法通常先将弱光图像进行增强再进行人脸检测,忽略了人脸检测和图像增强任务之间的特征相关性,从而影响了模型泛化能力。受EnlightenGA... 详细信息

弱光场景中的人脸检测指在弱光条件下使用图像处理技术检测人脸。目前,大多数弱光环境下的人脸检测算法通常先将弱光图像进行增强再进行人脸检测,忽略了人脸检测和图像增强任务之间的特征相关性,从而影响了模型泛化能力。受EnlightenGAN算法的启发,文中提出一种适用于弱光环境人脸检测的多任务联合学习算法:首先融合人脸检测和图像增强的输入层共享表示;其次将人脸注意力网络和EnlightenGAN相结合,在全局-局部判别器的基础上增加用于人脸区域判定的局部判别器;最后在自正则化注意力图的基础上增加光照权重参数,通过调节使人脸检测的精度达到最佳值。在DARK FACE数据集上的实验结果表明,与现有算法相比,所提算法的人脸检测精度提升了1.92%,同时能够很好地提升弱光图像视觉质量。

关键词：弱光环境人脸检测图像增强多任务联合学习局部判别器

来源：评论

学校读者我要写书评

暂无评论

基于多任务联合学习的多片段机器阅读理解方法研究

引用

中文信息学报 2024年第11期38卷 79-90页

作者：张虎范越李茹山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

片段抽取式阅读理解是机器阅读理解任务中的一项重要研究内容,现有的相关研究主要关注单片段抽取,然而,实际应用中很多阅读理解问题的答案由文本的多处不连续片段组成,这使得多片段抽取式阅读理解研究受到越来越多的关注。已有的多片段... 详细信息

片段抽取式阅读理解是机器阅读理解任务中的一项重要研究内容,现有的相关研究主要关注单片段抽取,然而,实际应用中很多阅读理解问题的答案由文本的多处不连续片段组成,这使得多片段抽取式阅读理解研究受到越来越多的关注。已有的多片段抽取式阅读理解研究大都采用序列标注的方法,该方法不能有效识别多片段问题类型,常常对不同类型的问题给出多个答案片段。为此,该文提出一种结合动态预测片段数量和序列标注的多任务联合学习方法。其中,动态预测片段数量能较为准确地识别出多片段问题类型;序列标注能够实现多个答案片段的有效定位。同时,为了进一步增强现有模型的泛化能力,该文在模型训练中构造了对抗训练和两阶段训练方式。在2021中国法律智能技术评测(Challenge of AI in Law 2021,CAIL2021)数据集和QUOREF数据集上的实验结果表明,该文提出的方法相比基线模型取得了更好的效果。

关键词：机器阅读理解多片段抽取自然语言理解多任务联合学习

来源：评论

学校读者我要写书评

暂无评论

基于多任务联合学习的方面类别情感分析研究

基于多任务联合学习的方面类别情感分析研究

引用

作者：张志鹏重庆大学

学位级别：硕士

由于互联网的快速普及,越来越多的网络用户在互联网上发表自己的观点评论,这些观点评论中包含了大量的情感信息,利用这些情感信息可以有效的促进社会的经济发展,维护社会的稳定。因此,文本的细粒度情感分析逐渐成为自然语言处理的热点... 详细信息

由于互联网的快速普及,越来越多的网络用户在互联网上发表自己的观点评论,这些观点评论中包含了大量的情感信息,利用这些情感信息可以有效的促进社会的经济发展,维护社会的稳定。因此,文本的细粒度情感分析逐渐成为自然语言处理的热点问题。本文主要针对基于方面类别的情感分析任务(ACSA)展开研究,提出了基于多示例学习的方面情感联合分析模型(ACSA-MIJLN)和基于双注意力的联合方面情感分类模型(AS-DATJM)。ACSA任务主要包含方面类别检测(ACD)和方面类别情感分类(ACSC)两个子任务,目前大部分的研究都是将这两个子任务分开建模,这不可避免的会造成子任务之间的错误传播问题,从而导致ACSA整体性能不佳。本文提出了ACSA-MIJLN模型,以多示例学习为基础通过联合学习的方式同时完成ACD子任务和ACSC子任务。具体来说,ACSA-MIJLN模型首先将特定方面类别下的评论语句视为一个包,并将其中的单词视为示例。通过多示例学习来生成词级的方面类别和类别情感的伪标签。然后利用动态注意力机制获得与特定方面类别密切相关的关键示例。最后通过聚合关键示例的方面类别伪标签和类别情感伪标签来获得最终结果。由于多示例学习中,示例之间存在独立假设问题,虽然ACSA-MIJLN模型利用特征融合方式有效的减缓了该问题所带来的不利影响,但最终还是对模型产生了一定误差。因此,为了避免这个问题,本文又提出了 AS-DATJM模型,该模型通过双注意力机制联合预测方面类别和情感极性。给定一条评论语句,AS-DATJM使用方面感知注意力来获得隐藏的方面术语。以方面术语为指导,通过情感自注意力在图卷积网络中聚合相关的情感上下文。最终,通过捕获方面类别特征和类别情感特征之间的相互关系来获得最终结果。综上所述,本文通过联合学习的方式,避免了 ACSA子任务之间的错误传播问题。在对比实验中,两个模型的性能均超过了所有的基准模型,并获得了优异的结果。

关键词：基于方面类别的情感分析多任务联合学习多示例学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多任务联合学习的心超序列射血分数估计算法研究

基于多任务联合学习的心超序列射血分数估计算法研究

引用

作者：魏鸿荣深圳大学

学位级别：硕士

左心室射血分数具有评估心功能和诊断心血管疾病的作用,是临床上最常使用的心脏参数之一。在临床实践中,心脏超声由于其实时、低成本、无辐射等优势而通常被用作心脏的第一次成像手段。在心脏超声中测量射血分数,临床常用方法是通过医... 详细信息

左心室射血分数具有评估心功能和诊断心血管疾病的作用,是临床上最常使用的心脏参数之一。在临床实践中,心脏超声由于其实时、低成本、无辐射等优势而通常被用作心脏的第一次成像手段。在心脏超声中测量射血分数,临床常用方法是通过医生在心尖四腔室和心尖二腔室勾画左心室轮廓,利用Simpson双平面法计算舒张末期和收缩末期的左心室容积,得到射血分数。但心脏超声存在噪声大、心脏轮廓对比度低等问题,给标注带来巨大困难。医生手工标注不仅耗时耗力,还存在非常大的观察者之间/内部可变性。因此自动化射血分数估计具有迫切的临床需求。然而现有自动分割方法存在以下缺点:1)依赖全监督学习,需要大量的标注数据和专业知识,现实中很难获取;2)无法有效且明确地对时域信息进行建模,缺乏对心脏运动的显式表征,使得心超序列分割时域一致性差,最终导致射血分数估计误差大。为了解决基于稀疏标签的心超序列时域一致性建模的难题,提升射血分数估计精度,本论文提出了两个新颖的联合学习模型。首先,本文提出了基于外观和形状水平的分割/追踪联合学习模型(CLAS)。该模型基于一个共享的3D U-Net实现心超序列的分割和追踪,包括两阶段的心脏分割和追踪联合学习优化策略。1)基于心脏外观水平的联合学习优化目标,使模型初步编码心脏的结构和位移场。2)基于心脏形状水平的联合学习优化目标,基于稀疏的心脏序列标签,通过形状双向追踪生成大量伪标签监督整个序列的分割任务,从而实现整个序列的半监督心脏分割。基于心脏形状信息的双向追踪不受超声序列中噪声的影响,能大幅度提升序列的追踪性能,从而提升生成的伪标签的质量,进一步提升心脏全序列分割精度和时域连续性。两个策略在两个阶段互相促进,实现基于稀疏标签的心脏时域一致性建模/分割。为了进一步解决临床实践中图像质量较差样本的分割/临床参数估计鲁棒性,本论文进一步提出了多任务联合学习模型(MCLAS)。MCLAS利用图像之外的临床信息(心尖视图和射血分数值)作为正则化项,约束模型的预测结果,提升模型预测的鲁棒性。MCLAS在CLAS的编码器之后设计了两个输出端,即心超视图分类模块和射血分数回归模块。视图分类任务对心脏分割位置、结构进行约束,射血分数回归任务对心脏运动(舒张和收缩)、心脏分割时域一致性进行约束,从而大幅度提升模型对图像质量差的样本的预测鲁棒性,特别是射血分数的估计精度。此外,论文还证明CLAS模型中的时域一致性建模,能够有效提升心超视图分类性能和射血分数回归性能。本论文对上述两种方法在公开的大型心脏超声数据集CAMUS上进行验证。结果表明:1)CLAS分割精度和心脏临床参数估计精度达到国际最先进的水平,射血分数估计与专家标注结果相关性高达0.926,明显超过现有最佳方法和观察者内部一致性得分;2)CLAS基于心脏形状水平的追踪和分割任务大幅度提升了心脏轮廓的追踪性能;3)对于困难样本(图像质量差),所提出的MCLAS射血分数估计的相关系数相比CLAS提升4.2%。本论文研究成果在超声心动图的临床分析和诊断,特别是心力衰竭、心肌节段性运动障碍等心功能异常和心血管疾病中具有重要应用价值。

关键词：左心室射血分数分割追踪多任务联合学习

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制与多任务的肺部疾病诊断方法

引用

计算机工程 2025年第1期51卷 332-342页

作者：刘兆伟方艳红郑明宇锁斌西南科技大学信息工程学院四川绵阳621010

肺部疾病存在种类多、病灶区域小的特点,现有数据集也存在数据量小的问题,导致模型效果不理想。为提高诊断效果,提出一种基于多任务联合注意力机制的肺部诊断网络(ASNet)。基于U-Net构建多任务诊断网络,在原有病灶分割任务基础上加入病... 详细信息

肺部疾病存在种类多、病灶区域小的特点,现有数据集也存在数据量小的问题,导致模型效果不理想。为提高诊断效果,提出一种基于多任务联合注意力机制的肺部诊断网络(ASNet)。基于U-Net构建多任务诊断网络,在原有病灶分割任务基础上加入病理分类任务,加强任务之间的联系,以分割任务为辅,提升分类任务准确率;提出多尺度挤压激励模块,加强空间和通道之间的信息融合;引入一种轴向注意力机制,强调全局上下文信息和位置信息缓解由于医疗数据匮乏引起的欠拟合问题;设计自适应多任务混合损失函数,实现分割和分类任务损失权重的均衡。在自建数据集上的实验结果表明,提出网络在病灶分割任务上的Dice系数、特异性(SP)、灵敏度(SE)、HD距离和准确率的平均结果分别为81.1%、99.0%、84.1%、24.6 mm和97.5%,优于SAUNet++、SwinUnet等其他先进分割网络;在病理分类任务上比MobileNetV2网络在精确率、召回率和准确率指标上分别提升了2.0、1.8和1.7百分点,明显提升了在分类和分割上的精度,对小目标病灶分割效果更佳,其在合理的参数量下更适用于协助肺部疾病诊断。

关键词：深度学习信息融合疾病诊断多任务联合学习注意力机制医学图像分割

来源：评论

学校读者我要写书评

暂无评论

联合多任务学习的人脸超分辨率重建

引用

中国图象图形学报 2020年第2期25卷 229-240页

作者：王欢吴成东迟剑宁于晓升胡倩东北大学信息科学与工程学院沈阳110819 东北大学机器人科学与工程学院沈阳110819

目的人脸超分辨率重建是特定应用领域的超分辨率问题,为了充分利用面部先验知识,提出一种基于多任务联合学习的深度人脸超分辨率重建算法。方法首先使用残差学习和对称式跨层连接网络提取低分辨率人脸的多层次特征,根据不同任务的学习... 详细信息

目的人脸超分辨率重建是特定应用领域的超分辨率问题,为了充分利用面部先验知识,提出一种基于多任务联合学习的深度人脸超分辨率重建算法。方法首先使用残差学习和对称式跨层连接网络提取低分辨率人脸的多层次特征,根据不同任务的学习难易程度设置损失权重和损失阈值,对网络进行多属性联合学习训练。然后使用感知损失函数衡量HR(high-resolution)图像与SR(super-resolution)图像在语义层面的差距,并论证感知损失在提高人脸语义信息重建效果方面的有效性。最后对人脸属性数据集进行增强,在此基础上进行联合多任务学习,以获得视觉感知效果更加真实的超分辨率结果。结果使用峰值信噪比(PSNR)和结构相似度(SSIM)两个客观评价标准对实验结果进行评价,并与其他主流方法进行对比。实验结果显示,在人脸属性数据集(Celeb A)上,在放大8倍时,与通用超分辨率MemNet(persistent memory network)算法和人脸超分辨率FSRNet(end-to-end learning face super-resolution network)算法相比,本文算法的PSNR分别提升约2.15 d B和1.2 d B。结论实验数据与效果图表明本文算法可以更好地利用人脸先验知识,产生在视觉感知上更加真实和清晰的人脸边缘和纹理细节。

关键词：多任务联合学习图像修复深度学习超分辨率感知损失

来源：评论

学校读者我要写书评

暂无评论

全局和局部信息融合的案情关键要素识别

引用

软件学报 2023年第12期34卷 5724-5736页

作者：毛星亮陈晓红宁肯李芳芳张师超湖南工商大学大数据与互联网创新研究院湖南长沙410205 中南大学计算机学院湖南长沙410038

司法人工智能中主要挑战性问题之一是案情关键要素识别,现有方法仅将案情要素作为一个命名实体识别任务,导致识别出的多数信息是无关的.另外,也缺乏对文本的全局信息和词汇局部信息的有效利用,导致要素边界识别的效果不佳.针对这些问题... 详细信息

司法人工智能中主要挑战性问题之一是案情关键要素识别,现有方法仅将案情要素作为一个命名实体识别任务,导致识别出的多数信息是无关的.另外,也缺乏对文本的全局信息和词汇局部信息的有效利用,导致要素边界识别的效果不佳.针对这些问题,提出一种融合全局和局部信息的关键案情要素识别方法.所提方法首先利用BERT模型作为司法文本的输入共享层以提取文本特征.然后,在共享层之上建立司法案情要素识别、司法文本分类(全局信息)、司法中文分词(局部信息)这3个子任务进行联合学习模型.最后,在两个公开数据集上测试所提方法的效果,结果表明:所提方法F1值均超过了现有的先进方法,提高了要素实体分类的准确率并减少了识别边界错误问题.

关键词：信息融合多任务联合学习关键案情要素识别

来源：评论

学校读者我要写书评

暂无评论

多任务金字塔重叠匹配的行人重识别方法

引用

计算机工程 2021年第1期47卷 239-245,254页

作者：徐龙壮彭力朱凤增江南大学物联网工程学院物联网技术应用教育部工程研究中心江苏无锡214122

针对基于局部特征的行人重识别方法在行人错位和姿态变化时识别精度较低的问题,提出一种采用多任务金字塔重叠匹配特征的重识别方法。在训练阶段,使用改进的ResNes50作为主干网络提取特征图,将其切分组合形成金字塔重叠匹配网络,获得全... 详细信息

针对基于局部特征的行人重识别方法在行人错位和姿态变化时识别精度较低的问题,提出一种采用多任务金字塔重叠匹配特征的重识别方法。在训练阶段,使用改进的ResNes50作为主干网络提取特征图,将其切分组合形成金字塔重叠匹配网络,获得全局特征向量并经全局平均池化得到包含多尺度特征的多个局部特征向量,联合使用Softmax损失函数、三元组损失函数和中心损失函数学习全局和局部特征向量,并利用特征归一化层减少损失函数学习目标冲突的影响。在推理阶段,将多个局部特征向量融合为一个新特征向量进行相似性匹配,以获取更好的匹配结果。在Market1501、DukeMTMC-reID和CUHK03数据集上的实验结果表明,与PSE、MultiScale等主流重识别方法相比,该方法重识别精度更高,提取的特征具有较好的鲁棒性和识别度。

关键词：深度学习行人重识别特征融合金字塔重叠匹配多任务联合学习

来源：评论

学校读者我要写书评

暂无评论

基于多任务联合的4DCMR配准分割算法研究及系统实现

基于多任务联合的4DCMR配准分割算法研究及系统实现

引用

作者：蔡烨华东南大学

学位级别：硕士

时序心脏核磁共振(Four Dimensions Cardiac Magnetic Resonance,4DCMR)图像配准与分割可以有效地辅助临床医生进行心血管疾病的诊断和预测。时序图像配准目的是寻找序列图像与目标图像的空间对齐;时序图像分割目的是利用分割结果计算... 详细信息

时序心脏核磁共振(Four Dimensions Cardiac Magnetic Resonance,4DCMR)图像配准与分割可以有效地辅助临床医生进行心血管疾病的诊断和预测。时序图像配准目的是寻找序列图像与目标图像的空间对齐;时序图像分割目的是利用分割结果计算应力应变等量化参数为医生诊断提供重要依据。随着深度学习在医学图像领域上的发展应用,配准与分割在精确度上皆获得了巨大的提升。然而由于心脏运动导致帧与帧间结构信息不完全对应,给时序CMR配准、分割都提出了更高的要求。为了解决上面的问题,本文的主要工作包括:(1)本文设计了基于多步长融合的时序CMR配准网络(Dense Sampling Temporal Pyramid Network,DS-TPN)。该网络依托于金字塔级联结构融合时空特征并增加了网络的时空感受域;在金字塔顶层设计邻近密集采样插值损失进一步约束短步长配准过程中形变的可靠性。本文通过在两个时序CMR数据集上进行实验,验证了DS-TPN在时序CMR配准上的准确性与可靠性,相比于其他方法均获得了最佳精度和最平滑的形变场。(2)本文设计了基于多任务联合学习的时序CMR分割网络(Spatial-temporal Attention Cyclic Network,SACN)。该网络通过时空运动注意力结构将DS-TPN优化的形变场作为时序特征进行时空融合;同时设计连续性运动损失使中间帧获得更为平滑和优秀的连续性约束;最终依托于循环动态更新的多任务联合网络结构,使网络两侧输出得到互优化的效果并逐步收敛到较优区间。本文同样在两个时序CMR数据集上进行了定量定性化实验,相比于其他方法最终均获得了最准确的时序全序列帧分割结果。(3)本文基于上述时序CMR配准分割深度学习算法开发了一款PyQt5桌面应用软件Medical-4DCMR系统,服务于时序CMR处理研究从业人员的日常工作需求。该系统设计上遵循MVC模式;功能上定制了时序图像可视化,内置了FTP传输文件,一键化操作深度学习配准、分割流程并能完成图像保存和指标计算,最终实现了一个低耦合性、高易用性的轻量型桌面应用软件。

关键词：时序CMR图像医学图像配准分割多任务联合学习时序CMR系统

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：