检索结果-内蒙古大学图书馆

计算机系统应用 2025年第2期34卷 1-10页

作者：王燕陈燕燕刘晶晶胡津源兰州理工大学计算机与通信学院兰州730050

针对现有的图像去雾算法仍然存在去雾不彻底、去雾后的图像边缘模糊、细节信息丢失等问题,本文提出了一种基于Transformer和门控融合机制的图像去雾算法.通过改进的通道自注意力机制提取图像的全局特征,提高模型处理图像的效率,设计多... 详细信息

针对现有的图像去雾算法仍然存在去雾不彻底、去雾后的图像边缘模糊、细节信息丢失等问题,本文提出了一种基于Transformer和门控融合机制的图像去雾算法.通过改进的通道自注意力机制提取图像的全局特征,提高模型处理图像的效率,设计多尺度门控融合块捕获不同尺度的特征,门控融合机制通过动态调整权重,提高模型对不同雾化程度的适应能力,同时更好地保留图像边缘及细节信息,并使用残差连接增强特征的重用性,提高模型泛化能力.经实验验证,所提出的去雾算法可以有效恢复真实有雾图像中的内容信息,在合成的有雾图像数据集SOTS上的峰值信噪比达到了34.841 dB,结构相似性达到了0.984,去雾后的图像内容信息完整且没有出现细节信息模糊和去雾不彻底等现象.

关键词：图像去雾 Transformer 自注意力机制门控融合机制多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

基于文本和图像门控融合机制的多模态方面级情感分析

引用

计算机科学 2024年第9期51卷 242-249页

作者：张添植周刚刘洪波刘铄陈静战略支援部队信息工程大学郑州450001 数学工程与先进计算国家重点实验室郑州450001

多模态方面级情感分析是多模态情感分析领域的一项新兴任务,旨在对给定的方面实体在文本和图像中所体现的情感进行识别。尽管多模态方面级情感分析研究近年来取得了突破性的进展,但是现有的模型在多模态特征融合阶段大都仅采用简单的拼... 详细信息

多模态方面级情感分析是多模态情感分析领域的一项新兴任务,旨在对给定的方面实体在文本和图像中所体现的情感进行识别。尽管多模态方面级情感分析研究近年来取得了突破性的进展,但是现有的模型在多模态特征融合阶段大都仅采用简单的拼接方法,而没有考虑图像中是否存在与文本语义不相关的信息,这在一定程度上可能会为模型引入额外的噪声。为了解决上述问题,提出了一种基于文本和图像门控融合机制的多模态方面级情感分析模型(TIGFM)。该模型在文本和图像进行交互的同时引入了从数据集图像中提取的形容词-名词对(ANPs),并将其中形容词的加权作为图像辅助信息;此外,在特征融合阶段,通过构建一种动态控制图像和图像辅助信息输入的门控机制实现多模态特征融合。实验结果表明,TIGFM模型在两个基于Twitter的数据集上取得了具有竞争力的结果,进而验证了所提方法的有效性。

关键词：多模态方面级情感分析门控融合机制形容词-名词对图像辅助信息语义相关性

来源：评论

学校读者我要写书评

暂无评论

一种联合空间约束与差异特征聚合的变化检测网络

引用

测绘学报 2023年第9期52卷 1538-1547页

作者：韦春桃龚成周永绪重庆交通大学智慧城市学院重庆400074

变化检测旨在观测地物在不同时序中的表达差异。深度学习已成为实现这一任务的主流手段,现有基于深度学习的遥感变化检测方法中,普遍更专注于对图像中的深度特征进行学习,而忽略了不同层级特征之间语义优势及差距,从而导致检测性能不足... 详细信息

变化检测旨在观测地物在不同时序中的表达差异。深度学习已成为实现这一任务的主流手段,现有基于深度学习的遥感变化检测方法中,普遍更专注于对图像中的深度特征进行学习,而忽略了不同层级特征之间语义优势及差距,从而导致检测性能不足。为此,本文提出了一种联合空间约束与差异特征聚合的变化检测网络,通过控制特征信息在网络中的流动,消除检测对象底层特征和高层语义信息之间差异性,提高预测结果的质量。首先,利用孪生网络并结合特征金字塔结构生成多尺度差异特征;然后,使用所提出的坐标自注意力机制(CSAM)对低层特征进行空间约束,强化对变化区域边缘结构及精确位置的学习,并结合经典的卷积注意力模块充分捕捉上下文变化信息;最后,使用门控融合机制提取通道关系,控制多尺度特征的融合,以生成边界清晰、内部完整的变化图像。在变化检测数据集CDD和LEVIR-CD上对本文方法进行了试验,与已有变化检测网络模型进行比较,本文方法在不同场景下均表现出最佳的检测效果。

关键词：变化检测多尺度差异特征空间约束门控融合机制复杂场景

来源：评论

学校读者我要写书评

暂无评论

一种用于方面级情感分析的关系注意力图卷积网络

引用

小型微型计算机系统 2023年第4期44卷 752-758页

作者：刘漳辉杨耀东陈羽中福州大学计算机与大数据学院福州350116 福建省网络计算与智能信息处理重点实验室福州350116

方面级情感分析是情感分析的子任务,旨在判断评论目标的具体方面所对应的情感极性.近年来,深度神经网络模型在方面级情感分析问题上取得了较大进展.然而,现有的方面级情感分析模型仍存在方面信息丢失、没有充分利用句法依存关系等问题.... 详细信息

方面级情感分析是情感分析的子任务,旨在判断评论目标的具体方面所对应的情感极性.近年来,深度神经网络模型在方面级情感分析问题上取得了较大进展.然而,现有的方面级情感分析模型仍存在方面信息丢失、没有充分利用句法依存关系等问题.本文提出了一种基于关系注意力机制的图卷积网络RAGCN(Relational Attention based Graph Convolutional Network).首先,RAGCN通过两个双向长短期记忆网络分别对句子和增强后的方面建模,以引导图卷积网络对向量表示进行更新.其次,为了区分上下文单词对给定方面情感的贡献,提出了一种关系注意力机制.该机制能充分利用评论节点间的边类型,结合双向长短期记忆网络的输出以捕获方面和上下文单词之间的关系.此外,为进一步提高模型的鲁棒性,RAGCN采用门控融合机制来过滤关系注意力层和图卷积网络层的输出,从而获取多更准确的句子表征向量.多个方面级情感分析数据集上的实验结果表明,RAGCN模型在准确度,Macro-F1方面均优于对比模型.

关键词：方面级情感分析图卷积网络关系注意力门控融合机制

来源：评论

学校读者我要写书评

暂无评论

基于周期图卷积与多头注意力GRU组合的交通流量预测模型

引用

计算机应用研究 2024年第4期41卷 1041-1046页

作者：钟林岚张安勤田秀霞上海电力大学计算机科学与技术学院上海201306 汕头大学地方政府发展研究所广东汕头515063

为了捕获交通流量数据中复杂的时空动态变化关系以及周期性变化的特征,同时避免道路突发情况引起的误差累计效应,提出一种基于周期图卷积(periodic graph convolution network,PGCN)与多头注意力门控循环单元(multi-head attention gate... 详细信息

为了捕获交通流量数据中复杂的时空动态变化关系以及周期性变化的特征,同时避免道路突发情况引起的误差累计效应,提出一种基于周期图卷积(periodic graph convolution network,PGCN)与多头注意力门控循环单元(multi-head attention gated recurrent unit,MAGRU)组合的交通流量预测模型。首先,模型的时空数据融合模块利用交通流量的周期相似性构建周期图,同时将空间和时间编码信息添加至交通流量序列数据;然后在时空特征提取模块中,GCN子模块捕获周期特征图中的空间特征,MAGRU子模块捕获序列数据中的时间特征;最后通过门控融合机制将两者提取的时空特征进行融合。模型在两个真实的交通流量数据集上进行了实验。结果表明,该模型相较于多个最新基准模型,在MAE、RMSE、MAPE三个预测误差指标上平均降低了5.4%、22.8%、10.3%,R2精确度指标平均提高了11.6%。说明模型在预测精度方面有显著的改进,并能有效减少误差累积效应。

关键词：交通流量预测图卷积网络多头注意力机制门控循环单元门控融合机制时空融合

来源：评论

学校读者我要写书评

暂无评论

基于多时间尺度时空图网络的交通流量预测模型

引用

计算机科学 2022年第8期49卷 40-48页

作者：汪鸣彭舰黄飞虎四川大学计算机学院成都610041

交通流预测在智能交通系统的建设中起着关键作用。但由于其复杂的时空依赖性和本身的不确定性使得研究变得极具挑战性。现有的一些方法主要是将单一的时间序列输入到循环神经网络以捕获时间依赖性,而且多数模型仅对时间模块和空间模块... 详细信息

交通流预测在智能交通系统的建设中起着关键作用。但由于其复杂的时空依赖性和本身的不确定性使得研究变得极具挑战性。现有的一些方法主要是将单一的时间序列输入到循环神经网络以捕获时间依赖性,而且多数模型仅对时间模块和空间模块进行简单的堆叠,导致不能有效地融合时间和空间特征。为了解决以上问题,文中提出了一个多时间尺度时空图网络模型。模型先将序列数据划分为3种时间尺度序列,然后将序列输入到时空块(ST-Block)中提取数据的时空依赖性,最后进行预测。在时空块中使用图卷积网络和变体Transformer分别捕获数据中的时间和空间依赖性,并通过门控融合机制将两者提取到的特征进行融合。在两个真实的数据集上分别进行了短期和长期的预测实验,结果表明了MTSTGNN模型在交通流预测任务上的优秀性能。

关键词：交通流预测图卷积网络注意力机制 Transformer 门控融合机制

来源：评论

学校读者我要写书评

暂无评论

基于对比学习的视觉增强多模态命名实体识别

引用

计算机科学 2024年第6期51卷 198-205页

作者：于碧辉谭淑月魏靖烜孙林壮卜立平赵艺曼中国科学院大学北京100049 中国科学院沈阳计算技术研究所沈阳110168

多模态命名实体识别(MNER)的目的是在给定的图像-文本对中检测实体范围并将其分类为相应的实体类型。尽管现存的MNER方法取得了成功,但它们都集中在使用图像编码器提取视觉特征后,不做增强或过滤处理,直接送入跨模态交互机制。此外,由... 详细信息

多模态命名实体识别(MNER)的目的是在给定的图像-文本对中检测实体范围并将其分类为相应的实体类型。尽管现存的MNER方法取得了成功,但它们都集中在使用图像编码器提取视觉特征后,不做增强或过滤处理,直接送入跨模态交互机制。此外,由于文本和图像的表示来自不同的编码器,很难弥合两种模态之间的语义鸿沟,因此,提出了一个基于对比学习的视觉增强多模态命名实体识别模型(MCLAug)。首先,使用ResNet收集图像特征,在此基础上提出金字塔双向融合策略,将低层次高分辨率和高层次强语义的图像信息结合起来,以增强视觉特征。其次,利用CLIP模型中的多模态对比学习思想,计算并最小化对比损失,使两种模态的表示更加一致。最后,利用跨模态注意力机制和门控融合机制获得融合后的图像和文本表示,并通过CRF解码器来执行MNER任务。在两个公开数据集上进行了对比实验并进行消融研究和案例研究,结果证明了所提模型的有效性。

关键词：多模态命名实体识别 CLIP 多模态对比学习特征金字塔 Transformer 门控融合机制

来源：评论

学校读者我要写书评

暂无评论

基于门控卷积的视频帧预测方法研究

基于门控卷积的视频帧预测方法研究

引用

作者：张新勇北方民族大学

学位级别：硕士

随着数字技术的发展,在气候预测、城市交通等领域产生了大量的无标签视频数据,对于视频数据的分析和预测有着迫切需求。传统方法通常需要对数据进行人工标记来训练模型,耗费了大量的时间和人力。而自监督学习等技术的发展,使得视频预测... 详细信息

随着数字技术的发展,在气候预测、城市交通等领域产生了大量的无标签视频数据,对于视频数据的分析和预测有着迫切需求。传统方法通常需要对数据进行人工标记来训练模型,耗费了大量的时间和人力。而自监督学习等技术的发展,使得视频预测模型通过自身对数据进行学习和预测,无需人工标记,提高了预测的效率和准确性。但视频预测方法仍然存在一定的局限性,主要包括:1)时空特征捕捉能力不足;2)难以获取序列中的交互信息。传统方法构建空间特征提取模块和简单的特征交互模块来解决上述问题,但对时空特征和交互信息的学习仍然不够充分,导致预测结果出现模糊、伪影等现象。因此,本文将Transformer和注意力机制相结合,从增强模型的多尺度特征学习能力和交互信息捕捉能力的角度进行研究,具体的研究工作如下: 针对当前模型难以完整捕捉序列中时空特征的问题,构建了基于门控时空注意力的视频帧预测模型,该模型包含两个部分:1)采用通道注意力和基于多尺度深度条形卷积的空间注意力来构建时空注意力,以解决传统注意力机制对多尺度空间特征及时间信息捕捉能力不足的问题;2)设计了门控融合模块,使模型对空间维度和时间维度信息采取相同的重视程度。在Moving MNIST、Taxi BJ、Weather Bench(温度)和KITTI四个时空预测基准数据集上,MSE分别降低了14.7%、6.7%、10.5%、18.5%。MAE指标也分别降低了8.8%、3.2%、7.5%、12.3%,显示出很好的泛化能力。此外,在Taxi BJ数据集上进行消融扩展实验,验证了该模型局部模块对最终预测精度的有效性,能够预测出更加清晰的未来帧序列。针对当前模型难以充分获取序列中时空交互信息的问题,构建了基于特征交互的视频预测模型。该模型由三个部分组成:1)使用通道注意力和基于膨胀卷积的空间注意力来构建时空交互注意力,以增强对序列中交互信息的学习能力。2)建立信息增强模块,使得模型可以动态排除琐碎交互信息的影响。3)设计信道聚合模块,对获得的交互特征进行聚合。在Moving MNIST、Taxi BJ和Weather Bench(风量)三个基准数据集上,MSE分别降低了2.9%、4.3%、0.9%。MAE指标也分别降低了3.3%、1.5%、0.3%。此外,在Taxi BJ数据集上的消融实验,验证了每个模块对交互信息学习能力的增强作用。

关键词：视频预测自监督学习时空注意力交互注意力门控融合机制

来源：评论

学校读者我要写书评

暂无评论

智能烟叶分级算法研究及系统的设计与实现

智能烟叶分级算法研究及系统的设计与实现

引用

作者：焦方圆郑州大学

学位级别：硕士

烟草行业在中国国民经济中具有重要的地位,烟叶分级是将农业生产的烟叶转化为卷烟工业过程中的一个重要环节,因此如何保证烟叶分级的质量至关重要。现有的烟叶分级方式主要依靠人工经验来进行分级,存在很强的主观性。随着智能时代的到来... 详细信息

烟草行业在中国国民经济中具有重要的地位,烟叶分级是将农业生产的烟叶转化为卷烟工业过程中的一个重要环节,因此如何保证烟叶分级的质量至关重要。现有的烟叶分级方式主要依靠人工经验来进行分级,存在很强的主观性。随着智能时代的到来,越来越多的人工智能技术被用于实现烟叶分级。但绝大部分研究都集中在基础理论方面,与实际应用还具有较远的距离。为此,本文从工程化和实用化的角度对烟叶分级算法进行了一定的研究,并初步设计和实现了一个智能烟叶分级系统,使烟叶分级从算法研究向实际应用迈进了一步。具体工作如下:1.特征筛选及XGBoost烟叶等级识别方法。首先提取出了 104个烟叶颜色、形状和纹理特征,并用max-min方法对其进行归一化。其次为提高烟叶分级准确率和分级速度,提出使用离散度差值和自适应遗传算法级联的方法进行特征筛选,最优特征组合的特征个数减少到35个,XGBoost烟叶分级算法的准确率由83.63%增加到90.01%,烟叶分级速度由2381片/s提高到9090片/s。最后进行数据增强并建立XGBoost分级模型,分级准确率提高到90.27%。实验结果表明,本文通过对烟叶特征进行级联筛选和对烟叶图像进行数据增强,有效地提高了烟叶分级的准确率和分级速度。2.基于改进ResNet网络的烟叶等级识别。首先构建传统的ResNet网络模型,然后利用空洞卷积代替传统卷积和池化模块,减少了池化操作带来的特征信息损失,同时增大了图像感受野。其次在改进卷积模块的基础上,提出使用门控融合的方法改变残差学习单元的连接方式,实现不同输入之间的优势互补。实验表明,改进ResNet网络的烟叶分级准确率由88.02%提高到90.5%,烟叶分级速度由280片/s提高到926片/s。最后进行数据增强,改进ResNet网络的烟叶分级准确率进一步提高到93.46%。3.智能烟叶分级系统的设计及实现。在Windows操作系统下,本文以python和前端语言为核心开发语言,运用Pycharm集成开发环境、Django开发框架和MTV设计模式实现了一个初步的智能烟叶分级系统。系统包括图像获取、数据存储、智能分级、分级结果及特征信息显示模块以及各模块之间的集成。实验结果表明,特征筛选及XGBoost烟叶分级方法分级速度较快,硬件化实现成本低,但分级准确率略低;而改进ResNet网络烟叶分级模型具有更好的分级准确率但分级速度较慢,硬件化实现成本高。本文设计和实现的智能系统的智能分级模块同时包括了这两个模块,用户可以根据实际需求选择相应的分级模块。本系统具有良好的拓展性,很容易改进已有模块的性能或增加需要的新功能。

关键词：烟叶分级特征筛选空洞卷积门控融合机制系统实现

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：