检索结果-内蒙古大学图书馆

软件学报 2023年第5期34卷 2083-2100页

作者：姚暄高君宇徐常胜模式识别国家重点实验室(中国科学院自动化研究所) 北京100190 中国科学院大学人工智能学院北京100190 鹏城实验室广东深圳518055

视频问答作为一种跨模态理解任务,在给定一段视频和与之相关的问题的条件下,需要通过不同模态语义信息之间的交互来产生问题的答案.近年来,由于图神经网络在跨模态信息融合与推理方面强大的能力,其在视频问答任务中取得了显著的进展.但... 详细信息

视频问答作为一种跨模态理解任务,在给定一段视频和与之相关的问题的条件下,需要通过不同模态语义信息之间的交互来产生问题的答案.近年来,由于图神经网络在跨模态信息融合与推理方面强大的能力,其在视频问答任务中取得了显著的进展.但是,大多数现有的图网络方法由于自身固有的过拟合或过平滑、弱鲁棒性和弱泛化性的缺陷使得视频问答模型的性能未能进一步提升.鉴于预训练技术中自监督对比学习方法的有效性和鲁棒性,在视频问答任务中利用图数据增强的思路提出了一种图网络自监督对比学习框架GMC.该框架使用针对节点和边的两种数据增强操作来生成相异子样本,并通过提升原样本与生成子样本图数据预测分布之间的一致性来提高视频问答模型的准确率和鲁棒性.在视频问答公开数据集上通过与现有先进的视频问答模型和不同GMC变体模型的实验对比验证了所提框架的有效性.

关键词：图对比学习视频问答图数据增强预训练

来源：评论

学校读者我要写书评

暂无评论

基于动态语义记忆网络的长尾图像描述生成

引用

北京航空航天大学学报 2022年第8期48卷 1399-1408页

作者：刘昊杨小汕徐常胜中国科学院自动化研究所模式识别国家重点实验室北京100190

图像描述生成任务旨在基于输入图像生成对应的自然语言描述。现有任务数据集中大部分图像的描述语句通常包含少量常见词和大量罕见词,呈现出长尾分布。已有研究专注于提升模型在整个数据集上的描述语句准确性,忽视了对大量罕见词的准确... 详细信息

图像描述生成任务旨在基于输入图像生成对应的自然语言描述。现有任务数据集中大部分图像的描述语句通常包含少量常见词和大量罕见词,呈现出长尾分布。已有研究专注于提升模型在整个数据集上的描述语句准确性,忽视了对大量罕见词的准确描述,限制了在实际场景中的应用。针对这一问题,提出了基于动态语义记忆网络(DSMN)的长尾图像描述生成模型,旨在保证模型对常见名词准确描述的同时,提升模型对罕见名词的描述效果。DSMN模型能够动态挖掘罕见词与常见词的全局语义关系,实现从常见词到罕见词的语义知识迁移,通过协同考虑全局单词语义关系信息及当前输入图像和已生成单词的局部语义信息提升罕见词的语义特征表示能力和预测性能。为了有效评价长尾图像描述生成方法,基于MS COCO Captioning数据集定义了长尾图像描述生成任务专用测试集Few-COCO。在MS COCO Captioning和Few-COCO数据集上的多个量化实验表明,DSMN模型在Few-COCO数据集上的罕见词描述准确率为0.6028%,召回率为0.3234%,F-1值为0.3567%,相较于基准方法提升明显。

关键词：深度学习图像理解图像描述生成长尾分布记忆网络

来源：评论

学校读者我要写书评

暂无评论

合成孔径雷达三维成像中的视觉语义浅析

引用

雷达学报（中英文） 2022年第1期11卷 20-26页

作者：胡占义中国科学院自动化研究所模式识别国家重点实验室北京100190

"合成孔径雷达微波视觉三维成像",从概念上说,旨在将"视觉语义"引入到合成孔径雷达的成像模型中,以期提高三维成像的质量。对层析合成孔径雷达(TomoSAR)来说,"视觉语义"的引入可望有效减少TomoSAR所需的... 详细信息

"合成孔径雷达微波视觉三维成像",从概念上说,旨在将"视觉语义"引入到合成孔径雷达的成像模型中,以期提高三维成像的质量。对层析合成孔径雷达(TomoSAR)来说,"视觉语义"的引入可望有效减少TomoSAR所需的观测次数。然而,什么是"视觉语义"?从视觉感知的途径看,"单眼"和"双眼"均可以从场景感知三维结构信息;从场景内容看,不同的人对同一幅图像会有不同感受;从视觉神经加工机理看,三维信息加工和二维信息加工也存在一些本质差异。另外,人类视觉感知普遍存在错觉(illusion)现象。那么,到底什么类型的"视觉语义信息"可望在计算的层次上有助于微波三维成像呢?如何借鉴计算机视觉的理论和方法来提取微波三维成像中有用的"视觉语义"信息呢?该文对这些问题进行了一些初步探讨。

关键词：视觉通道微波视觉层析SAR

来源：评论

学校读者我要写书评

暂无评论

基于对比学习的转录文本翻译方法研究

引用

中文信息学报 2025年第4期39卷 67-76页

作者：王世宁刘宇宸宗成庆中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

神经机器翻译系统极易受到输入噪声的干扰,特别是在口语翻译场景中,翻译系统的输入来自语音识别模块的输出,而后者不可避免地存在着识别错误,最终影响翻译性能。现有方法多采用错误修正和翻译的级联式策略以减少识别错误造成的影响,但... 详细信息

神经机器翻译系统极易受到输入噪声的干扰,特别是在口语翻译场景中,翻译系统的输入来自语音识别模块的输出,而后者不可避免地存在着识别错误,最终影响翻译性能。现有方法多采用错误修正和翻译的级联式策略以减少识别错误造成的影响,但易导致系统时延增长,且可能引入额外的噪声。该文提出了一种基于对比学习的鲁棒神经机器翻译方法,将包含识别错误的样本作为正例,通过句子级别或词级别的对比损失,分别从整体和局部两种不同角度拉近含噪声文本与干净文本在表示空间中的距离,以降低识别错误对文本表示的影响。同时,该文设计了多种精细化的错误合成方法以模拟更加真实的语音识别错误。在英汉双向多个数据集上的实验表明,该文所提出的方法可以有效降低语音识别错误对翻译模型的影响,提高模型的鲁棒性和翻译性能。

关键词：对比学习鲁棒神经机器翻译语音识别错误

来源：评论

学校读者我要写书评

暂无评论

中文医疗文本中的嵌套实体识别方法

引用

软件学报 2024年第6期35卷 2923-2935页

作者：闫璟辉宗成庆徐金安北京交通大学计算机与信息工程学院北京100091 模式识别国家重点研究室(中国科学院自动化研究所) 北京100190

实体识别是信息抽取的关键技术.相较于普通文本,中文医疗文本的实体识别任务往往面对大量的嵌套实体.以往识别实体的方法往往忽视了医疗文本本身所特有的实体嵌套规则而直接采用序列标注方法,为此,提出一种融合实体嵌套规则的中文实体... 详细信息

实体识别是信息抽取的关键技术.相较于普通文本,中文医疗文本的实体识别任务往往面对大量的嵌套实体.以往识别实体的方法往往忽视了医疗文本本身所特有的实体嵌套规则而直接采用序列标注方法,为此,提出一种融合实体嵌套规则的中文实体识别方法.所提方法在训练过程中将实体的识别任务转化为实体的边界识别与边界首尾关系识别的联合训练任务,在解码过程中结合从实际医疗文本中所总结出来的实体嵌套规则对解码结果进行过滤,从而使得识别结果能够符合实际文本中内外层实体嵌套组合的组成规律.在公开的医疗文本实体识别的实验上取得良好的效果.数据集上的实验表明,所提方法在嵌套类型实体识别性能上显著优于已有的方法,在整体准确率方面比最先进的方法提高0.5%.

关键词：实体识别中文文本医疗领域嵌套实体识别边界识别

来源：评论

学校读者我要写书评

暂无评论

融合社会学因素的模糊贝叶斯网技术预测模型

引用

山东大学学报（工学版） 2023年第2期53卷 23-33页

作者：张豪李子凌刘通张大伟陶建华中国科学院自动化研究所模式识别国家重点实验室北京100190

为研究诸如无人机等新兴信息科学的未来发展趋势,更好地把握这些技术发展与应用情况的动态并及时调整发展战略,在专家系统框架下提出一种基于模糊贝叶斯网的技术趋势预测方法,有效预测无人机技术在未来10 a的发展趋势。在构建预测方案... 详细信息

为研究诸如无人机等新兴信息科学的未来发展趋势,更好地把握这些技术发展与应用情况的动态并及时调整发展战略,在专家系统框架下提出一种基于模糊贝叶斯网的技术趋势预测方法,有效预测无人机技术在未来10 a的发展趋势。在构建预测方案的过程中,结合领域专家的知识,设计若干影响技术发展的维度用作预测参数,不仅包括技术型指标,也包括社会型指标,从而融合更加丰富的信息,使预测结果更加专业可信。提出基于模糊贝叶斯网的技术预测模型,分别对两种类型指标的影响程度进行综合计算形成推理机,使预测结果更加直观精细,具备一定的解释性。对预测模型的结果进行详细分析,并结合其他模型进行对比评价,结果与已有的专业预测结果相符合。试验结果表明,对无人机技术未来10 a发展趋势的预测中,基于模糊贝叶斯网的技术预测模型能够获取影响因素之间的关联关系,具有更好的预测效果。

关键词：技术预测模糊贝叶斯专家系统多映射社会学因素

来源：评论

学校读者我要写书评

暂无评论

基于改进慢快网络的猕猴多行为识别方法

引用

生物医学工程学杂志 2023年第2期40卷 257-264页

作者：仲伟峰徐哲朱翔昱马喜波哈尔滨理工大学自动化学院哈尔滨150000 中国科学院自动化研究所模式识别国家重点实验室北京100000

猕猴作为药物安全性评估中常见的动物模型,其行为反映它用药前后的健康情况,可以揭示出药物产生的副作用。目前,研究人员通常利用人工对猕猴的行为进行观察,该方式无法实现不间断的24 h监测。因此,急需发展一种方法体系实现对猕猴行为的... 详细信息

猕猴作为药物安全性评估中常见的动物模型,其行为反映它用药前后的健康情况,可以揭示出药物产生的副作用。目前,研究人员通常利用人工对猕猴的行为进行观察,该方式无法实现不间断的24 h监测。因此,急需发展一种方法体系实现对猕猴行为的24 h观测和识别。针对此问题,本文构建了一个包含九类猕猴行为的视频数据集(MBVD-9),并在此数据集的基础上提出一种名为基于变换器(Transformer)增强的慢快网络(SlowFast)用于猕猴行为识别(TAS-MBR)。具体地说,TAS-MBR网络在SlowFast的基础上将其快支路输入的红绿蓝(RGB)色彩模式帧转化为残差帧,并在卷积操作之后引入了变换器模块,更有效地提取了运动信息。结果显示,TAS-MBR网络对猕猴行为的平均分类准确率为94.53%,较原有的SlowFast有明显提升,证明了本文所提方法在猕猴行为识别方面的有效性和优越性。这项工作为猕猴行为的不间断的观测和识别提供了新的思路,奠定了药物安全评价中进行用药前后猕猴行为计算的技术基础。

关键词：药物安全性评估行为识别猕猴行为数据集卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

影子辅助的三维人体重建

引用

计算机辅助设计与图形学学报 2023年第11期35卷 1643-1653页

作者：康杨雨轩石剑任丽欣刘艳丽吴恩华中国科学院软件研究所计算机科学国家重点实验室北京100190 中国科学院大学北京100049 中国科学院自动化研究所模式识别国家重点实验室北京100090 四川大学计算机学院成都610024 澳门大学中国澳门999078

光线投射至地面的人体影子可以为人体重建任务提供约束信息,有助于缓解单目图像中的深度歧义问题和自遮挡问题.为了重建三维人体模型,提出一种基于影子输入和深度神经网络的重建方法.首先搭建2个独立的卷积神经网络模块用于提取图像特... 详细信息

光线投射至地面的人体影子可以为人体重建任务提供约束信息,有助于缓解单目图像中的深度歧义问题和自遮挡问题.为了重建三维人体模型,提出一种基于影子输入和深度神经网络的重建方法.首先搭建2个独立的卷积神经网络模块用于提取图像特征和影子特征,并估计对应的人体模型参数;然后建立一个可导投影算子(differentiable projection operator,DPO)对齐2个网络的输出;最后将DPO构建的损失函数应用于微调神经网络和直接优化输出.在Human3.6M合成影子数据集上的实验结果表明,与基线方法相比,微调神经网络的关节误差指标下降了1.4~4.9 mm;在自采集的一个含真实影子的3人2视角小规模数据集上的定性实验结果表明,直接优化的人体姿态更加接近原始图像.

关键词：三维人体重建人体影子轮廓参数化人体模型深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于篇章结构多任务学习的神经机器翻译

引用

软件学报 2022年第10期33卷 3806-3818页

作者：亢晓勉宗成庆模式识别国家重点实验室(中国科学院自动化研究所) 北京100190 中国科学院大学人工智能学院北京100049

篇章翻译方法借助跨句的上下文信息以提升篇章的翻译质量.篇章具有结构化的语义信息,可以形式化地表示为基本篇章单元之间的依存关系.但是目前的神经机器翻译方法很少利用篇章的结构信息.为此,提出了一种篇章翻译模型,能够在神经机器翻... 详细信息

篇章翻译方法借助跨句的上下文信息以提升篇章的翻译质量.篇章具有结构化的语义信息,可以形式化地表示为基本篇章单元之间的依存关系.但是目前的神经机器翻译方法很少利用篇章的结构信息.为此,提出了一种篇章翻译模型,能够在神经机器翻译的编码器-解码器框架中显式地建模基本篇章单元切分、篇章依存结构预测和篇章关系分类任务,从而得到结构信息增强的篇章单元表示.该表示分别通过门控加权和层次注意力的方式,与编码和解码的状态向量进行融合.此外,为了缓解模型在测试阶段对篇章分析器的依赖,在训练时采用多任务学习的策略,引导模型对翻译任务和篇章分析任务进行联合优化.在公开数据集上的实验结果表明,所提出的方法能够有效地建模和利用篇章单元间的依存结构信息,从而达到提升译文质量的目的.

关键词：神经机器翻译篇章结构多任务学习篇章分析

来源：评论

学校读者我要写书评

暂无评论

融合双语命名实体信息的神经机器翻译模型

引用

中文信息学报 2023年第12期37卷 44-53页

作者：贺楚祎张家俊中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学北京100049

神经机器翻译(NMT)模型在机器翻译任务上取得了良好效果,但由于对训练数据规模的依赖,NMT模型对于命名实体等稀有词语翻译能力有限,存在大量错翻、漏翻等问题。针对上述问题,该文提出了基于多引擎融合的双语命名实体词典构建方法和基于... 详细信息

神经机器翻译(NMT)模型在机器翻译任务上取得了良好效果,但由于对训练数据规模的依赖,NMT模型对于命名实体等稀有词语翻译能力有限,存在大量错翻、漏翻等问题。针对上述问题,该文提出了基于多引擎融合的双语命名实体词典构建方法和基于双语命名实体进行数据增强的Transformer模型架构,在多个中-英翻译测试集上的实验表明,该文提出的神经机器翻译模型相比于朴素Transformer模型在译文整体质量和命名实体翻译正确率上都有一定的提升,分别提升1.58的BLEU值和35.3个百分点的命名实体翻译准确率。

关键词：命名实体翻译神经机器翻译双语命名实体词典

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：