检索结果-内蒙古大学图书馆

计算机工程与设计 2024年第6期45卷 1843-1849页

作者：杜浩宇苟刚贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

为解决现有遮挡行人重识别方法只注重于引入外部信息而忽略特征增强的问题,提出一种姿态引导与特征增强结合的遮挡行人重识别方法。将小步幅的滑动窗口引入VIT(Vision-Transformer),使网络获取局部的细微特征,将特征经过遮挡消除模块,... 详细信息

为解决现有遮挡行人重识别方法只注重于引入外部信息而忽略特征增强的问题,提出一种姿态引导与特征增强结合的遮挡行人重识别方法。将小步幅的滑动窗口引入VIT(Vision-Transformer),使网络获取局部的细微特征,将特征经过遮挡消除模块,消除遮挡带来的干扰;在模型中融入人体姿态估计网络,辅助模型解决遮挡带来的语义信息缺失问题;通过CBN模块提高模型的学习能力,使模型学习到更多高级语义信息。在遮挡行人重识别主流数据集Occluded-DukeMTMC上达到69.8%的Rank-1准确率以及63.2%的mAP,优于现有的其它方法,在整体行人重识别数据集上也取得了具有竞争力的结果。

关键词：遮挡行人重识别姿态引导特征增强 Vision-Transformer模型小步幅滑动窗口 CBN模块遮挡消除模块

来源：评论

学校读者我要写书评

暂无评论

改进的大核卷积U-Net视网膜血管分割方法

引用

计算机工程与设计 2024年第5期45卷 1541-1548页

作者：顾茂华吴云贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

眼底视网膜血管结构形态复杂、对比度低,且训练样本有限,易产生过拟合现象。针对以上问题,提出一种改进的大核卷积U-Net视网膜血管分割方法(large kernel residual U-Net, LKR-UNet)。减少U-Net下采样次数和每一层的通道数缓解模型过拟... 详细信息

眼底视网膜血管结构形态复杂、对比度低,且训练样本有限,易产生过拟合现象。针对以上问题,提出一种改进的大核卷积U-Net视网膜血管分割方法(large kernel residual U-Net, LKR-UNet)。减少U-Net下采样次数和每一层的通道数缓解模型过拟合和退化问题;使用大核残差卷积模块(large kernel residual convolution block, LKR-Block)充分提取视网膜血管的特征;通过级联空间通道注意力(cascaded spatial channel attention, CSCA)模块计算空间和通道注意力,提高分割的准确性。提出方法在DRIVE和CHASE_DB1数据集上进行消融实验,在两个数据集上的敏感度分别为84.04%和83.77%,AUC分别为97.82%和98.75%,F1-score分别为82.92%和84.67%。该方法较现有先进算法有一定提升,能有效进行视网膜血管分割。

关键词：深度学习医学图像处理视网膜血管分割大核卷积注意力机制过拟合 U型网络

来源：评论

学校读者我要写书评

暂无评论

生物启发的运动行人视觉不变性响应神经网络

引用

计算机科学 2024年

作者：于世海胡滨公共大数据国家重点实验室贵州大学计算机科学与技术学院贵州大学计算机科学与技术学院贵州大学人工智能研究院

视觉不变性是生物视脑认知机能的重要神经调谐响应特性，但目前尚未有该神经特性在运动行人视觉感知问题研究计算模型报道。针对该问题，基于哺乳动物视觉神经结构特性，借助人类大脑内侧颞叶区（MTL）神经元尖峰响应机理以及人体运动... 详细信息

视觉不变性是生物视脑认知机能的重要神经调谐响应特性，但目前尚未有该神经特性在运动行人视觉感知问题研究计算模型报道。针对该问题，基于哺乳动物视觉神经结构特性，借助人类大脑内侧颞叶区（MTL）神经元尖峰响应机理以及人体运动力学特性，提出一种适用于运动行人视觉感知与不变性响应的人工视觉神经网络（mpvirNN）。所提出的神经网络包括两个部分：突触前和突触后网络。其中，突触前网络基于哺乳动物视网膜视觉信息加工处理机制，感知视野域中行人对象的低阶视觉运动信息；突触后网络提取行人运动周期频率视觉线索，整合输出表征视觉响应的神经膜电位簇。系统性的实验研究表明，mpvirNN能有效感知视觉场景中的运动行人对象，产生具有视觉不变性特性的神经尖峰响应输出。论文工作涉及生物视脑认知神经机制启发的运动行人视觉动态信息加工处理，可为人工智能中的行人检测与认知识别研究提供新思想、新方法。

关键词：视觉不变性神经尖峰响应人体运动力学特性运动行人视网膜神经视觉运动感知

来源：评论

学校读者我要写书评

暂无评论

生物启发的运动人群瓶颈效应感知视觉神经网络

引用

计算机应用研究 2025年

作者：陆显佩胡滨贵州大学公共大数据国家重点实验室贵州大学计算机科学与技术学院贵州大学人工智能研究院

在大型活动中，人群瓶颈效应常是导致拥挤甚至踩踏等灾难事件的重要前兆。然而目前针对人群瓶颈效应检测的计算模型研究工作较少。且由于这种效应随机性强，人群状态复杂多变，传统的计算模型检测效果并不理想。为解决这一问题，论文在... 详细信息

在大型活动中，人群瓶颈效应常是导致拥挤甚至踩踏等灾难事件的重要前兆。然而目前针对人群瓶颈效应检测的计算模型研究工作较少。且由于这种效应随机性强，人群状态复杂多变，传统的计算模型检测效果并不理想。为解决这一问题，论文在借鉴蝗虫视觉系统神经结构特性的基础上，结合蝗虫LGMD危险感知机理，提出了一种运动人群瓶颈效应感知视觉神经网络(CBEPVNN)。该模型模拟蝗虫和哺乳动物视觉信息处理特点，整合视野域中人群活动所引发的视觉运动信息，并利用LGMD神经元危险感知机理构建尖峰阈值机制调谐神经网络输出，以感知视觉场景中的运动人群瓶颈效应。实验结果表明，CBEPVNN能够有效感知视频序列中的运动人群瓶颈效应，并产生强烈的偏好性响应。该工作涉及生物视神经机理启发的人群动态视觉信息处理机制，可为智能视频监控中的异常人群活动检测与行为分析提供新的思路与方法。

关键词：人群异常活动分析人群瓶颈效应 LGMD 蝗虫视觉神经系统神经尖峰响应智能视频监控

来源：评论

学校读者我要写书评

暂无评论

基于相关性约束矩阵分解的多标签分类方法

引用

南京大学学报（自然科学版） 2023年第1期59卷 76-84页

作者：田小瑜秦永彬黄瑞章陈艳平公共大数据国家重点实验室贵州大学贵阳550025 贵州大学计算机科学与技术学院贵阳550025

多标签分类是一项重要且具有挑战性的任务,对于场景分类、信息检索和网页挖掘等领域有重要意义.近年来,研究者倾向于挖掘并利用标签相关性以及实例相关性来提升多标签分类的性能,其中利用这类相关性来解决多标签分类中的标签缺失问题一... 详细信息

多标签分类是一项重要且具有挑战性的任务,对于场景分类、信息检索和网页挖掘等领域有重要意义.近年来,研究者倾向于挖掘并利用标签相关性以及实例相关性来提升多标签分类的性能,其中利用这类相关性来解决多标签分类中的标签缺失问题一直是机器学习领域的热门研究点,但现有的方法都忽略了标签和实例之间的相关性.针对标签完整和标签缺失的情况,基于矩阵分解的方式分解得到实例和标签的特征表示矩阵,在利用标签相关性和实例相关性建立正则约束的同时,首次建立实例和标签特征表示间的相关性并用以建立正则约束,进而提升算法性能.在三个真实数据集上对提出的算法进行性能验证,实验结果表明,该算法和对比算法相比,获得了最高的预测精度.

关键词：标签相关性实例相关性标签与实例相关性矩阵分解多标签分类

来源：评论

学校读者我要写书评

暂无评论

用于多标签文本分类的深度模块化标签注意网络

引用

山西大学学报(自然科学版) 2023年第3期46卷 500-508页

作者：田小瑜秦永彬黄瑞章陈艳平贵州大学公共大数据国家重点实验室贵州大学计算机科学与技术学院

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，... 详细信息

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，本文基于注意力机制提出了一种深度模块化标签注意网络，主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元，从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较，对于现有的最佳性能平均提升0.54%。

关键词：标签语义表示标签注意网络双向标签注意单元自我注意单元特定于标签的文本表示

来源：评论

学校读者我要写书评

暂无评论

跨度语义增强的命名实体识别方法

引用

西安交通大学学报 2022年第7期56卷 118-126页

作者：耿汝山陈艳平唐瑞雪黄瑞章秦永彬董博公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025 西安交通大学计算机科学与技术学院西安710049

针对命名实体识别方法存在字与字之间语义信息丢失、模型召回率不佳等问题,提出了一种跨度语义信息增强的命名实体识别方法。首先,使用ALBERT预训练语言模型提取文本中包含上下文信息的字符向量,并使用GloVe模型生成字符向量;其次,将两... 详细信息

针对命名实体识别方法存在字与字之间语义信息丢失、模型召回率不佳等问题,提出了一种跨度语义信息增强的命名实体识别方法。首先,使用ALBERT预训练语言模型提取文本中包含上下文信息的字符向量,并使用GloVe模型生成字符向量;其次,将两种向量进行拼接作为模型输入向量,对输入向量进行枚举拼接形成跨度信息矩阵;然后,使用多维循环神经网络和注意力网络对跨度信息矩阵进行运算,增强跨度之间的语义联系;最后,将跨度信息增强后的矩阵进行跨度分类以识别命名实体。实验表明:与传统的跨度方法相比该方法能够有效增强跨度之间的语义依赖特征,从而提升命名实体识别的召回率;该方法在ACE2005英文数据集上比传统的方法召回率提高了0.42%,并且取得了最高的F1值。

关键词：命名实体识别跨度语义增强多维循环神经网络 ALBERT预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

基于提示标签协同的关系抽取方法

引用

计算机科学与探索 2025年第6期 1580-1587页

作者：冉哲宇陈艳平王凯黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心贵州大学公共大数据国家重点实验室贵州大学计算机科学与技术学院

提示学习可以将下游任务转换为预训练任务形式的掩码预测任务。然而，将提示学习应用于关系抽取任务时，由于掩码的输出是标签类别的语义向量表示，容易导致生成空间过大而对掩码语义解析度不足。针对这一问题，提出了一种基于提示标签... 详细信息

提示学习可以将下游任务转换为预训练任务形式的掩码预测任务。然而，将提示学习应用于关系抽取任务时，由于掩码的输出是标签类别的语义向量表示，容易导致生成空间过大而对掩码语义解析度不足。针对这一问题，提出了一种基于提示标签协同的关系抽取方法。为每个关系类构建两组同义词标签。其中一组用于学习掩码表示，另一组用于强化标签语义。在掩码语言模型中引入约束层以对掩码表示进行双向约束。使得两组同义词标签间隐含差异的语义和先验知识能够融入到关系表示中。由于同义词标签是基于知识初始化的，它们在潜在变量空间中可能不是最优的，应该与周围的上下文相关联。因此，在训练过程中，同义词标签表示会与掩码共同参与优化。提出的方法能够提高模型对标签语义的认知能力，同时优化掩码表示，从而提升模型对掩码的语义解析能力。实验结果表明，该方法在标准和小样本设置的三个公共数据集上均明显优于对比方法，证明了该方法的有效性。

关键词：提示学习提示标签协同掩码语言模型

来源：评论

学校读者我要写书评

暂无评论

基于Affix-Attention的命名实体识别语义补充方法

引用

山东大学学报（工学版） 2023年第2期53卷 70-76页

作者：宋佳芮陈艳平王凯黄瑞章秦永彬公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

针对现有命名实体识别方法存在的语义信息获取不全面问题,提出基于Affix-Attention的命名实体识别语义补充方法。将句子和句子中每个单词对应的词缀输入到编码层,使用Bi-LSTM提取上下文特征。在编码层设计特征融合模块、建模文本特征与... 详细信息

针对现有命名实体识别方法存在的语义信息获取不全面问题,提出基于Affix-Attention的命名实体识别语义补充方法。将句子和句子中每个单词对应的词缀输入到编码层,使用Bi-LSTM提取上下文特征。在编码层设计特征融合模块、建模文本特征与词缀特征的对应关系,使用Affix-Attention同时关注文本信息和词缀信息进行语义补充。解码层使用CRF层得到目标序列。在生物医学领域的JNLPBA-2004和BC2GM基准数据集上的试验结果综合评价指标F1达到81.73%、84.73%;在公共数据集CONLL-2003中试验结果综合评价指标F1达到91.35%。试验结果表明,本研究方法能够有效获取词的内部语义特征,融合文本信息和词缀信息,达到语义补充的效果,提升命名实体识别的性能。

关键词：命名实体识别语义补充注意力机制特征融合深度学习

来源：评论

学校读者我要写书评

暂无评论

一种面向关系抽取的表填充依赖特征学习方法

引用

计算机工程与应用 2024年第13期60卷 143-151页

作者：唐媛陈艳平扈应黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心贵阳550025 贵州大学公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025

基于表填充的关系抽取方法利用深度神经网络将句子映射到二维抽象表示,忽略了句子中不同跨度之间的语义结构,很难获取到句子中的长距离语义依赖。针对表填充方法的这一不足之处,提出了一个结合句法依存树的表填充关系抽取模型。该模型... 详细信息

基于表填充的关系抽取方法利用深度神经网络将句子映射到二维抽象表示,忽略了句子中不同跨度之间的语义结构,很难获取到句子中的长距离语义依赖。针对表填充方法的这一不足之处,提出了一个结合句法依存树的表填充关系抽取模型。该模型通过双仿射将句子映射到二维抽象表示。利用句子的句法依存树初始化语义依赖邻接矩阵,利用邻接矩阵学习二维表示中单词与单词之间的句法依赖特征。使用门控循环单元提取特征对句子的二维表示进行更新,从而在句子二维抽象表示中获取跨度之间的语义依赖关系和句子的结构特征。实验结果表明提出的模型可以有效获取句子中的长距离语义依赖特征,通过学习跨度的语义依赖信息和句子的语法结构特征来提升关系抽取的性能。

关键词：关系抽取表填充句法依存树神经网络

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：