检索结果-内蒙古大学图书馆

计算机科学与探索 2025年第1期19卷 30-44页

作者：郭佳霖智敏殷雁君葛湘巍内蒙古师范大学计算机科学技术学院呼和浩特010022

卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存... 详细信息

卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存在的弱项,高效地发挥出各自的亮点,在图像处理任务中表现出优异的效果。基于CNN与视觉Transformer混合模型进行深入阐述。总体概述了CNN与Vision Transformer模型的架构和优缺点,并总结混合模型的概念及优势。围绕串行结构融合方式、并行结构融合方式、层级交叉结构融合方式以及其他融合方式等四个方面全面回顾梳理了混合模型的研究现状和实际进展,并针对各种融合方式的主要代表模型进行总结与剖析,从多方面对典型混合模型进行评价对比。多角度叙述了混合模型在图像识别、图像分类、目标检测和图像分割等实际图像处理特定领域中应用研究,展现出混合模型在具体实践中的适用性和高效性。深入分析混合模型未来研究方向,并为后续该模型在图像处理中的研究与应用提出展望。

关键词：卷积神经网络(CNN) 视觉Transformer 混合模型图像处理深度学习

来源：评论

学校读者我要写书评

暂无评论

神经机器翻译中课程学习研究综述

引用

计算机科学与探索 2025年第2期19卷 334-343页

作者：胡春月斯琴图王斯日古楞内蒙古师范大学计算机科学技术学院呼和浩特010022

课程学习作为一种新兴技术,近年来逐渐受到关注,它符合人类的学习习惯,由简到难、由浅至深。其核心思想是让模型从简单的、基础的概念开始学习,逐渐过渡到更复杂、更高层次的内容。在神经机器翻译中,课程学习作为一种训练策略,旨在帮助... 详细信息

课程学习作为一种新兴技术,近年来逐渐受到关注,它符合人类的学习习惯,由简到难、由浅至深。其核心思想是让模型从简单的、基础的概念开始学习,逐渐过渡到更复杂、更高层次的内容。在神经机器翻译中,课程学习作为一种训练策略,旨在帮助模型按照一定规律学习。课程学习现已被证明可以加速模型收敛,提高模型翻译质量和稳定性。从机器学习的角度介绍了课程学习的定义及其基础框架,并进一步探讨了课程学习在神经机器翻译领域中的应用。从样本难度评估与模型训练调度策略两个方面,详细阐述了预定义课程学习和动态课程学习两种方法。预定义课程学习通过事先确定样本的难度顺序,引导模型从简单到复杂的任务逐步学习;而动态课程学习则依据模型当前的学习状态动态调整样本的难度,提供了更灵活的训练方式。分析了课程学习在神经机器翻译领域的未来研究趋势,并提出了三个值得进一步探索的研究方向。

关键词：课程学习神经机器翻译难度评估训练调度

来源：评论

学校读者我要写书评

暂无评论

用于场景文本检测的非对称迭代细化预测网络

引用

计算机工程与应用 2025年第5期61卷 250-260页

作者：连哲殷雁君米增智敏徐巧枝内蒙古师范大学计算机科学技术学院呼和浩特010022

场景文本检测是图像处理领域的基础性研究工作,具有广泛的应用价值。DBNet作为该领域具有代表性的算法,重构文本实例的后处理过程过于简单,对纵横比显著变化的文本容易误检以及对小文本容易漏检。为解决以上问题,设计并提出用于场景文... 详细信息

场景文本检测是图像处理领域的基础性研究工作,具有广泛的应用价值。DBNet作为该领域具有代表性的算法,重构文本实例的后处理过程过于简单,对纵横比显著变化的文本容易误检以及对小文本容易漏检。为解决以上问题,设计并提出用于场景文本检测的非对称迭代细化预测网络AIRPNet。模型基于ResNet50特征提取网络,将常规卷积替换为可变形卷积以适应不规则文本特征,并调整block堆叠数使得各层携带的特征更加合理。采用RFP的递归思想更充分地融合多层特征,设计非对称迭代细化预测模块构建更为准确的概率图,可微分二值化后处理重构文本实例边界。针对非对称迭代细化预测模块,设计多种结构进行探究。为评估提出模型的有效性,在三个数据集上与最先进的主流模型进行对比,在ICDAR2015、MSRA-TD500和CTW1500数据集中,分别取得88.7%、88.4%和84.9%的F-measure,实现或接近SOTA性能。实验结果表明,提出模型能够捕获较为准确的概率图,从而构建较为完整的文本边界框。

关键词：文本检测递归金字塔非对称卷积迭代细化预测可微分二值化

来源：评论

学校读者我要写书评

暂无评论

大模型微调的多领域机器翻译方法综述

引用

计算机科学与探索 2025年第4期19卷 916-928页

作者：陈子建王斯日古楞斯琴图内蒙古师范大学计算机科学技术学院呼和浩特010022

随着机器翻译技术的快速发展,基于预训练大模型的机器翻译方法已在自然语言处理领域占据重要地位。然而,由于不同领域之间语言特征、词汇风格和表达方式的显著差异,单一预训练模型在多领域翻译任务中难以实现高效且稳定的性能。为此,聚... 详细信息

随着机器翻译技术的快速发展,基于预训练大模型的机器翻译方法已在自然语言处理领域占据重要地位。然而,由于不同领域之间语言特征、词汇风格和表达方式的显著差异,单一预训练模型在多领域翻译任务中难以实现高效且稳定的性能。为此,聚焦于多领域机器翻译任务中大模型微调技术的关键问题,系统性地综述了微调技术的核心原理、主要方法及应用效果,重点分析了全参数微调、参数高效微调和提示微调三类策略的性能表现与适用场景。深入探讨了不同微调方法的优势与局限性,重点分析了在资源受限条件下如何通过高效微调策略平衡领域泛化能力与任务特异性,展示了参数高效微调与提示微调在资源利用效率和领域适应性方面的显著优势。通过对比分析与实验验证,进一步评估了不同微调策略在领域迁移和资源利用方面的实际效果,并通过案例分析验证了其有效性。未来的研究方向应重点关注资源的高效利用、模型的领域自适应能力,以及翻译质量和鲁棒性的提升,从而推动多领域机器翻译系统在性能与适应性方面的持续发展。

关键词：大模型微调多领域机器翻译全参数微调参数高效微调提示微调

来源：评论

学校读者我要写书评

暂无评论

基于背景-前景组成式建模的电路板异常检测

引用

计算机研究与发展 2025年第1期62卷 144-159页

作者：傅冰飞陈同林许枫朱麟李斌薛向阳复旦大学计算机科学技术学院上海200438 联想研究院人工智能实验室北京100094

异常检测的目标是检测众多正常样本中的异常样本.在大数据时代,如何将异常检测应用于现实场景成为当下需要着重思考的问题之一.目前已有模型存在难以处理实际场景中遮挡、光照、色差等动态干扰,无法快速迁移应用场景等问题.基于此,提出... 详细信息

异常检测的目标是检测众多正常样本中的异常样本.在大数据时代,如何将异常检测应用于现实场景成为当下需要着重思考的问题之一.目前已有模型存在难以处理实际场景中遮挡、光照、色差等动态干扰,无法快速迁移应用场景等问题.基于此,提出了一种基于背景-前景组成式建模的深度学习模型,用于检测电路板场景中的异常物体.首先通过特征提取网络将输入图像重构为不包含异常物体的干净背景图像,并通过跳层连接保留图像可能存在的动态干扰.得到重构背景后,通过空间变换网络提取到异常物体的位置信息,利用自编码器提取到异常物体外观、形状和存在的隐空间表示并重构出每个异常物体.将重构的异常物体和背景图像组合得到完整图像并通过对异常物体的存在表示给定阈值来实现异常检测.为了验证方法的有效性,从真实的电路板组装环境中收集数据,并模拟实际生产中标注有限的情景,从而创建用于分析的电路板异物数据集.此外,还在航道异物碎片数据集上进行实验验证.结果表明,提出的方法在该数据集上表现良好,能够检测出9个真实场景数据中的所有异常目标,漏检率低至0%,可以应用于现实世界的电路板组装场景.

关键词：异常检测合成数据集组成式建模生成式模型多阶段训练

来源：评论

学校读者我要写书评

暂无评论

基于周期事件触发机制的分布式资源分配算法

引用

控制与决策 2025年第2期40卷 563-571页

作者：李志勇谈世磊西南交通大学电气工程学院成都611756 中国科学技术大学计算机科学与技术学院合肥230026

针对有限通信带宽下的多智能体系统最优资源分配问题,研究一种周期事件触发的分布式优化算法.首先,在连续时间型分布式加权梯度算法上,通过一种新的李雅普诺夫函数综合出一种事件触发通信机制,其触发器只需以一个固定周期采样自身状态... 详细信息

针对有限通信带宽下的多智能体系统最优资源分配问题,研究一种周期事件触发的分布式优化算法.首先,在连续时间型分布式加权梯度算法上,通过一种新的李雅普诺夫函数综合出一种事件触发通信机制,其触发器只需以一个固定周期采样自身状态信息并评估触发条件来判断是否需要进行通信;然后,通过稳定性分析表明,所提出分布式优化算法以指数速率收敛至最优解,这种周期事件触发机制不仅自然地排除芝诺行为,而且不需要触发器进行实时的检测;最后,通过数值仿真验证了所提出分布式事件触发优化算法的有效性.

关键词：多智能体系统资源分配问题分布式优化周期事件触发通信指数收敛连续时间算法

来源：评论

学校读者我要写书评

暂无评论

深度学习下的单阶段通用目标检测算法研究综述

引用

计算机科学与探索 2025年

作者：王宁智敏内蒙古师范大学计算机科学技术学院

近年来，目标检测算法作为计算机视觉领域中的核心任务，逐渐成为热门研究方向。它使得计算机能够识别和定位图像或视频帧中的目标物体，广泛应用于自动驾驶、生物个体检测、农业检测、医疗影像分析等领域。随着深度学习的发展，通用目... 详细信息

近年来，目标检测算法作为计算机视觉领域中的核心任务，逐渐成为热门研究方向。它使得计算机能够识别和定位图像或视频帧中的目标物体，广泛应用于自动驾驶、生物个体检测、农业检测、医疗影像分析等领域。随着深度学习的发展，通用目标检测算法从传统的目标检测方法转变为基于深度学习下的目标检测方法。其中深度学习下的通用目标检测算法主要分为单阶段目标检测与两阶段目标检测，本文以单阶段目标检测为切入点，根据采用经典卷积与Transformer两种不同架构，对首个单阶段目标检测算法YOLO系列（YOLOv1～YOLOv11、YOLO主要改进版本）、SSD等和以Transformer为基础架构的DETR系列的主流单阶段检测算法进行分析总结。主要包括介绍各个算法的网络结构以及其研究进展，根据各个算法的结构归纳出其特点优势以及局限性，概括目标检测领域主要通用数据集与评价指标，分析各算法以及其改进方法的性能，讨论各算法在不同领域的应用现状，最后展望单阶段目标检测算法在未来的研究方向。

关键词：目标检测深度学习计算机视觉单阶段 YOLO DETR

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel-1 SAR数据的冬小麦灌溉事件识别与频次估算

引用

农业工程学报 2025年第5期41卷 116-125页

作者：葛冰洋于砚宁孙佑涛杨姗姗张佳华张莎青岛大学计算机科学技术学院青岛266071 河北师范大学地理科学学院石家庄050024

精确识别冬小麦的灌溉事件并获取准确的灌溉频次对于合理利用水资源及精确估算灌溉用水量至关重要。站点观测记录可以提供准确的灌溉信息,但该类数据不易获取且能提供灌溉信息的观测站点较少,不能准确反映区域尺度的灌溉事件和频次信息... 详细信息

精确识别冬小麦的灌溉事件并获取准确的灌溉频次对于合理利用水资源及精确估算灌溉用水量至关重要。站点观测记录可以提供准确的灌溉信息,但该类数据不易获取且能提供灌溉信息的观测站点较少,不能准确反映区域尺度的灌溉事件和频次信息,区域尺度灌溉事件和频次的精确获取仍然具有一定的挑战性。该研究提出一种冬小麦灌溉事件识别和频次估算的方案,通过比较冬小麦分布(田块或像元)与其一定邻域范围内的Sentinel-1合成孔径雷达信号(synthetic aperture radar,SAR)垂直发射垂直接收(vertical-vertical,VV)单极化后向散射系数时间序列并结合逐日降水量时间序列识别冬小麦灌溉事件,进而估算灌溉频次。该研究使用该方案在3种不同的空间尺度(田块尺度、500 m与30 m像元尺度)分别识别山东省禹城市冬小麦的灌溉事件,利用观测的灌溉数据对3种空间尺度的灌溉事件识别结果进行验证,在灌溉事件识别精度最高的空间尺度估算灌溉频次,获取禹城市2018—2020年冬小麦灌溉频次的空间分布。结果表明,该研究提出的方法在田块尺度、500 m、30 m像元尺度识别灌溉事件的召回率分别为85.71%、78.57%、57.14%,F-score分别为70.59%、66.67%、50.00%,田块尺度应用的精度优于在500 m和30 m像元尺度应用的精度;基于田块尺度的冬小麦灌溉频次分布的“严格”的总体精度为69.75%,“宽松”的总体精度为90.24%;禹城市2018–2020年冬小麦的灌溉频次集中在1~3之间。该研究可为区域尺度的灌溉事件识别和频次估算提供可靠方法。

关键词：冬小麦灌溉 Sentinel-1 SAR 灌溉频次面向对象

来源：评论

学校读者我要写书评

暂无评论

基于概率图模型结构学习的条件函数依赖发现

引用

计算机应用与软件 2025年第2期42卷 280-286页

作者：江嗣嘉谈子敬复旦大学计算机科学技术学院上海200433

条件函数依赖包含了传统的函数依赖,在数据质量管理和数据清洗研究领域有着广泛的应用。一般的方法会发现能够支持关系数据模型的所有条件函数依赖,而实际数据清洗过程中只需使用其中非常少的对错误检测有意义的部分,因此需要一个昂贵... 详细信息

条件函数依赖包含了传统的函数依赖,在数据质量管理和数据清洗研究领域有着广泛的应用。一般的方法会发现能够支持关系数据模型的所有条件函数依赖,而实际数据清洗过程中只需使用其中非常少的对错误检测有意义的部分,因此需要一个昂贵的后处理步骤。将条件函数依赖发现问题视为一个借助概率图模型稀疏回归的结构学习过程,通过对脏数据集进行转换,再对转换后的数据集进行逆协方差估计并分解得到自回归矩阵,学习能够表征数据集分布情况的条件函数依赖。实验结果表明,该方法能够有效地发现少量的用于错误检测的条件函数依赖,与常用的条件函数依赖发现方法相比更加有效。

关键词：数据质量数据约束条件函数依赖结构学习

来源：评论

学校读者我要写书评

暂无评论

DeepCorp:一种基于上下文和操作角色的需求实体共指检测网络

引用

计算机应用与软件 2025年第2期42卷 157-164页

作者：田梦晗杨卫东复旦大学计算机科学技术学院上海201203

自动化检测需求实体共指(EC),对于需求质量的一致性分析十分重要。现有方法往往是利用编辑距离或词嵌入等完成EC检测,其在没有大量专家标注数据的情况下和在捕获需求语句较为复杂的语义信息方面表现不佳。提出一种用于EC检测的新型深度... 详细信息

自动化检测需求实体共指(EC),对于需求质量的一致性分析十分重要。现有方法往往是利用编辑距离或词嵌入等完成EC检测,其在没有大量专家标注数据的情况下和在捕获需求语句较为复杂的语义信息方面表现不佳。提出一种用于EC检测的新型深度网络DeepCorp(Deep&Context-wise&Requirements Operation Role Network),通过引入实体上下文和需求操作角色信息,使用多层感知机隐式融合嵌入表示来实现需求实体深层次的语义表达,从而进行实体语义相似性判断。在公开需求文档仓库上的实验表明,DeepCorp可达到96.72%准确率、96.67%召回率和96.69%F1,相较于现有方法平均提升1.27%。

关键词：需求工程实体共指不一致深度学习

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：