检索结果-内蒙古大学图书馆

太原理工大学学报 2018年第1期49卷 106-112页

作者：卢宗光刘青山孙玉宝南京信息工程大学信息与控制学院南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044

针对传统人工设计特征鲁棒性差、检索计算复杂等缺点,提出以深度特征表示人脸图像并采取由粗到细的人脸图像检索方法。首先,使用拥有近四百万张人脸图片的数据库训练卷积神经网络得到人脸特征提取模型;然后进行人脸特征提取、存储和聚... 详细信息

针对传统人工设计特征鲁棒性差、检索计算复杂等缺点,提出以深度特征表示人脸图像并采取由粗到细的人脸图像检索方法。首先,使用拥有近四百万张人脸图片的数据库训练卷积神经网络得到人脸特征提取模型;然后进行人脸特征提取、存储和聚类分析;最后,采用由粗到细地检索方式进行人脸检索。在LFW数据库上进行验证,基于深度学习的人脸特征的人脸检索准确率为99.1%,人脸检索时间约0.5s.实验结果表明,基于深度学习的人脸特征鲁棒性强、检索计算复杂度低。由粗到细的检索方法效率高,结果准确率高。

关键词：人脸检索卷积神经网络深度学习由粗到细

来源：评论

学校读者我要写书评

暂无评论

运动目标检测的l_0群稀疏RPCA模型及其算法

引用

电子学报 2016年第3期44卷 627-632页

作者：周伟孙玉宝刘青山吴敏江苏省南京信息工程大学大数据分析技术重点实验室江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044 南京军区南京总医院医学工程科江苏南京210002

经典的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)目标检测算法使用l1范数逐一判别每一像素点是否属于运动目标,未能考虑到运动目标在空间分布的连续性,不利于提升运动目标检测的鲁棒性.本文提出了一种基于l0群稀疏RPC... 详细信息

经典的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)目标检测算法使用l1范数逐一判别每一像素点是否属于运动目标,未能考虑到运动目标在空间分布的连续性,不利于提升运动目标检测的鲁棒性.本文提出了一种基于l0群稀疏RPCA模型的运动目标检测方法.首先运用Ncuts算法进行区域过分割,生成多个同性区域,将其作为群稀疏约束的分组信息;第二步构造基于l0群稀疏RPCA模型,运用群稀疏准则判别过分割后的各同性区域是否为运动目标,采用交替方向乘子算法对模型进行快速求解,约束过分割形成的同性区域具有相同检测结果,进而将背景环境和运动前景分离,能够更加准确地度量运动目标的区域边界,且对复杂的背景扰动更加鲁棒,达到了运动目标鲁棒检测的目的.

关键词： RPCA模型 l0群稀疏过分割交替方向乘子法运动目标检测

来源：评论

学校读者我要写书评

暂无评论

基于Contourlet变换和ICA的多时相遥感图像变化检测

引用

地球物理学报 2016年第4期59卷 1284-1292页

作者：吴一全曹照清陶飞翔南京航空航天大学电子信息工程学院南京211106 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 城市空间信息工程北京市重点实验室北京100038 成都理工大学国土资源部地学空间信息技术重点实验室成都610059 江西省数字国土重点实验室南昌330013

为了提高多时相遥感图像变化检测的精确度和运算效率,本文提出了一种基于Contourlet变换和独立分量分析(ICA-Independent component analysis)的变化检测算法.利用Contourlet变换多尺度、多方向性和各向异性等性质,对图像数据进行多尺... 详细信息

为了提高多时相遥感图像变化检测的精确度和运算效率,本文提出了一种基于Contourlet变换和独立分量分析(ICA-Independent component analysis)的变化检测算法.利用Contourlet变换多尺度、多方向性和各向异性等性质,对图像数据进行多尺度分解,再对分解后的数据进行独立分量分析,利用改进的基于牛顿迭代的固定点ICA算法分离出互相独立的数据分量,然后将分离后的数据分量转变成图像分量,最终对变化图像分量经阈值分割实现变化检测.实验结果表明,与现有的基于PCA、基于ICA、基于小波变换与ICA三种变化检测算法相比,本文算法能有效地分离出变化信息,减少了计算的复杂性,得到的变化图像具有更高的精确度,且对背景有较强的稳健性.

关键词：多时相遥感图像变化检测 Contourlet变换独立分量分析

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和CNN的多标签文本分类模型

引用

计算机应用与软件 2024年第3期41卷 156-162页

作者：杨春霞吴佳君瞿涛姚思诚南京信息工程大学江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044

针对目前多标签文本分类模型存在无法充分提取文本语义与标签的相互关系,提出一种基于注意力机制和卷积神经网络(CNN)的多标签文本分类模型。通过多头注意力机制和CNN对文本进行建模表示,充分挖掘文本全局和局部的语义特征;结合标签与... 详细信息

针对目前多标签文本分类模型存在无法充分提取文本语义与标签的相互关系,提出一种基于注意力机制和卷积神经网络(CNN)的多标签文本分类模型。通过多头注意力机制和CNN对文本进行建模表示,充分挖掘文本全局和局部的语义特征;结合标签与文本信息进行交互注意力计算,捕捉结合文本内容后标签间的相互关系;使用一种自适应融合策略进一步提取两者语义信息。实验结果表明,该模型相比于其他主流模型能有效提升多标签文本分类效果。

关键词：多标签文本分类注意力机制卷积神经网络文本表示

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的肾透明细胞癌细胞核分割

引用

生物医学工程研究 2017年第4期36卷 340-345页

作者：鲁浩达徐军刘利卉周超周晓军张泽林南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南京军区南京总医院南京210044

肾透明细胞癌病理图像中细胞核的形态和位置信息对肾癌的良恶性分级诊断具有重要意义,为提高肾透明细胞癌细胞核分割的质量,本研究提出了基于深度卷积神经网络的细胞核分割方法。首先,根据标定的病理图像中细胞核轮廓,构建细胞核分割样... 详细信息

肾透明细胞癌病理图像中细胞核的形态和位置信息对肾癌的良恶性分级诊断具有重要意义,为提高肾透明细胞癌细胞核分割的质量,本研究提出了基于深度卷积神经网络的细胞核分割方法。首先,根据标定的病理图像中细胞核轮廓,构建细胞核分割样本集;然后,深度卷积神经网络通过隐式特征学习对细胞核分割模型进行训练,避免人为设计特征;最后,利用细胞核分割模型对病理图像进行逐像素分割。实验结果表明,深度卷积神经网络的细胞核分割算法在肾透明细胞癌细胞核分割的像素准确率高达90.33%,细胞核分割性能稳定,深度卷积神经网络强大的鲁棒性和适应性使得肾透明细胞癌细胞核自动分割具有可能。

关键词：分割卷积神经网络细胞核肾透明细胞癌逐像素

来源：评论

学校读者我要写书评

暂无评论

动态需求响应概念扩展及研究重点

引用

电力系统自动化 2019年第14期43卷 207-215页

作者：姚建国张凯锋丁哲通李亚平杨胜春夏旻中国电力科学研究院有限公司(南京) 江苏省南京市210003 复杂工程系统测量与控制教育部重点实验室(东南大学) 江苏省南京市210096 江苏省大数据分析技术重点实验室(南京信息工程大学) 江苏省南京市210044

在短时间尺度上,掌握需求侧资源的动态响应特性以及与电网动态变化过程的配合关系对于发挥资源的灵活调节作用、促进电网安全稳定运行具有重要作用.文中在对需求响应相关概念及研究成果进行梳理的基础上,认识到动态需求响应能够改善电... 详细信息

在短时间尺度上,掌握需求侧资源的动态响应特性以及与电网动态变化过程的配合关系对于发挥资源的灵活调节作用、促进电网安全稳定运行具有重要作用.文中在对需求响应相关概念及研究成果进行梳理的基础上,认识到动态需求响应能够改善电网的动态过程品质,拓展了动态需求响应的新内涵,扩大了动态需求响应的作用范围.在阐明新内涵后,从大范围、多类型资源的研究视角出发,分析了动态需求响应面临的挑战,提出了面向大规模多样化资源的动态需求响应研究重点,包括动态需求响应资源辨识、资源的动态特性分析、适应动态需求响应的市场机制设计、动态需求响应控制理论及控制策略等4个方面,并对各项研究重点进行了概括和展望.

关键词：动态需求响应动态过程资源辨识市场机制控制理论

来源：评论

学校读者我要写书评

暂无评论

一种粒度融合的新闻文本主题分类模型

引用

小型微型计算机系统 2020年第11期41卷 2256-2259页

作者：杨春霞李锐秦家鹏南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044

中文新闻文本主题分类任务中通常只考虑字符粒度或者词粒度中一种粒度的Embedding,这往往会使得在特征提取过程中丧失了另一种粒度的特性.本文针对中文新闻文本主题分类任务,提出了一种基于字符粒度与词粒度融合的分类模型.通过中文文... 详细信息

中文新闻文本主题分类任务中通常只考虑字符粒度或者词粒度中一种粒度的Embedding,这往往会使得在特征提取过程中丧失了另一种粒度的特性.本文针对中文新闻文本主题分类任务,提出了一种基于字符粒度与词粒度融合的分类模型.通过中文文本特有的字、词、句的句法关系与字-词包含关系,对字、词进行嵌入,构成字向量、词向量并进行粒度融合.选择卷积神经网络提取新闻文本语义、上下文特征,对中文新闻文本进行主题分类.在THUCNews、搜新闻数据两个公开数据集上进行模型性能测试,该模型的分类准确率分别为97.48%、97.64%,结果表明本文提出的模型性能显著提高.

关键词：自然语言处理新闻文本文本分类粒度融合卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

深度信号引导学习混合变换器的高性能无监督视频目标分割

引用

电子学报 2023年第5期51卷 1388-1395页

作者：苏天康宋慧慧樊佳庆张开华南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学大气环境与装备技术协同创新中心江苏南京210044 南京航天航空大学计算机与科学技术学院江苏南京211106

现存的无监督视频目标分割方法通常使用光流作为运动线索来提升模型性能.然而,光流的估计常存在误差,这将导致双流网络易对噪声过拟合.为此,本文提出一种基于混合变换器的无监督视频目标分割算法,通过引入深度信号引导变换器高效融合不... 详细信息

现存的无监督视频目标分割方法通常使用光流作为运动线索来提升模型性能.然而,光流的估计常存在误差,这将导致双流网络易对噪声过拟合.为此,本文提出一种基于混合变换器的无监督视频目标分割算法,通过引入深度信号引导变换器高效融合不同模态数据,以学习更加鲁棒的特征表达,从而减轻模型对噪声的过拟合.首先,设计一个新颖的混合注意力模块来获得全局感受野并对不同模态的特征进行充分交互,以增强特征的全局语义信息来提升模型的抗干扰能力.接着,为了进一步感知精细化的目标边缘,设计了一个局部-非局部语义增强模块,将局部语义的归纳偏置引入补充学习非局部语义特征,在提升模型抗干扰力的同时突出更精细化的目标区域.最后,增强后的特征输入变换器的解码器,预测得到高质量的分割结果 .与最先进的方法相比,本文所提算法在四个标准数据集上都获得了领先的性能,充分表明了本文所提方法的有效性.

关键词：无监督视频目标分割混合变换器混合注意力多模态深度估计鲁棒特征

来源：评论

学校读者我要写书评

暂无评论

基于深度级联网络的乳腺淋巴结全景图像的癌转移区域自动识别

引用

中国生物医学工程学报 2020年第3期39卷 257-264页

作者：李宝明胡佳瑞徐海俊王聪蒋燕妮张智弘徐军南京信息工程大学江苏省大数据分析技术重点实验室南京210044 江苏省人民医院病理科南京210029 江苏省人民医院影像科南京210029

淋巴结癌转移区域的自动识别是乳腺癌病理分期的重要前提。但由于全景图像尺寸巨大,组织形态复杂多样,在乳腺淋巴结全景图像中自动检测和定位癌转移区域具有很大的难度。设计一种基于深度级联网络的方法,实现对乳腺淋巴结全景图像癌转... 详细信息

淋巴结癌转移区域的自动识别是乳腺癌病理分期的重要前提。但由于全景图像尺寸巨大,组织形态复杂多样,在乳腺淋巴结全景图像中自动检测和定位癌转移区域具有很大的难度。设计一种基于深度级联网络的方法,实现对乳腺淋巴结全景图像癌转移区域的自动定位与识别。采用由粗定位到精定位的两个深度网络模型级联的方式,首先基于医生标记的癌转移区域,提取阳性与阴性图像块训练粗定位网络VGG16得到粗定位结果,然后对比粗定位结果与医生标记提取阳性和假阳性区域的图像块,再训练精定位的Res Net50网络用于识别阳性和假阳性区域。为了验证所提出深度级联网络的有效性,选用Camelyon16公开的共400张乳腺淋巴结全景图像数据集用作训练和测试。结果表明,所提出的VGG16+Res Net50级联网络模型的定位指标FROC得分达到0.8912,分别比单个深度网络模型VGG16和Res Net50的FROC得分高0.1531和0.1470,比Alex Net+VGG16级联的网络模型FROC得分高0.0288,显示深度级联网络模型对淋巴结癌转移区域可以实现更加精准的识别。

关键词：全景病理图像癌转移区域检测深度级联网络

来源：评论

学校读者我要写书评

暂无评论

用于方面级情感分析的多信息增强图卷积网络

引用

计算机工程与应用 2024年第14期60卷 144-151页

作者：杨春霞闫晗吴亚雷黄昱锟南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 江苏省大气环境与装备技术协同创新中心南京210044

方面级情感分析旨在预测句子中特定方面的情感极性。然而,现阶段的研究依然存在语义信息不充分利用的问题,一方面大多数现有工作侧重于学习上下文词到方面词之间的依存信息,没有充分利用句子的语义信息;另一方面现有研究没有专注于依存... 详细信息

方面级情感分析旨在预测句子中特定方面的情感极性。然而,现阶段的研究依然存在语义信息不充分利用的问题,一方面大多数现有工作侧重于学习上下文词到方面词之间的依存信息,没有充分利用句子的语义信息;另一方面现有研究没有专注于依存树的语法构建,从而没有充分利用语法结构信息去补充语义信息。针对以上问题,提出多信息增强图卷积神经网络(MIE-GCN)模型。主要包括两部分:一是通过方面感知注意力、自注意力和外部常识形成多信息融合层充分利用语义信息;二是根据单词间不同的语法距离构造句子的语法掩码矩阵,通过获得全面语法结构信息来补充语义信息。利用图卷积神经网络增强节点表示。在基准数据集上的实验结果表明,提出的模型均比对比模型有一定的提升。

关键词：方面级情感分析外部常识方面感知注意力语法掩码矩阵

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：