检索结果-内蒙古大学图书馆

计算机科学 2023年第3期50卷 199-207页

作者：白雪飞马亚楠王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

针对乳腺超声图像边缘模糊、斑点噪声多、对比度低等问题,提出了一种融合多特征的边缘引导多尺度选择性核U-Net(Edge-guided Multi-scale Selective Kernel U-Net,EMSK U-Net)方法。EMSK U-Net采用基于U-Net的对称编解码结构可以适应小... 详细信息

针对乳腺超声图像边缘模糊、斑点噪声多、对比度低等问题,提出了一种融合多特征的边缘引导多尺度选择性核U-Net(Edge-guided Multi-scale Selective Kernel U-Net,EMSK U-Net)方法。EMSK U-Net采用基于U-Net的对称编解码结构可以适应小数据集医学图像分割的特点,将扩张卷积与传统卷积构成选择性核模块作用于编码路径,并提取下采样过程中的选择性核特征进行边缘检测任务,在丰富图像空间信息的同时细化边缘信息,有效缓解斑点噪声和边缘模糊的问题,在一定程度上可以提升小目标的检测精度。然后在解码路径通过多尺度特征加权聚合获取丰富的深层语义信息,多种信息之间相互补充,从而提升网络的分割性能。在3个公开的乳腺超声图像数据集上的实验结果表明,与其他分割方法相比,EMSK U-Net算法各项指标表现良好,分割性能有显著提升。

关键词：乳腺超声图像分割特征融合边缘检测多尺度特征深度学习 U-Net

来源：评论

学校读者我要写书评

暂无评论

融合边缘增强与多尺度注意力的皮肤病变分割

引用

计算机科学 2023年第4期50卷 96-102页

作者：白雪飞靳智超王文剑马亚楠山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

皮肤病变形状、颜色、大小类型多样,给皮肤病变的准确分割带来了巨大挑战。针对这一问题,提出了一种融合边缘增强与多尺度注意力的皮肤病变分割网络(BEMA U-Net)。该网络包含一个用于提取全局特征的空间多尺度注意力模块和一个用于增强... 详细信息

皮肤病变形状、颜色、大小类型多样,给皮肤病变的准确分割带来了巨大挑战。针对这一问题,提出了一种融合边缘增强与多尺度注意力的皮肤病变分割网络(BEMA U-Net)。该网络包含一个用于提取全局特征的空间多尺度注意力模块和一个用于增强病变区域边缘特征的边缘增强模块,将两种模块添加到以编码解码结构为主干的网络(U-Net)中,能够有效抑制病变图像中背景噪声的干扰并强化病灶的边缘细节。此外,设计了混合损失函数,结合Dice Loss和Boundary Loss,并在训练过程中实现混合损失函数的动态权重调整,使网络对病变图像整体特征和边缘细节特征的提取进行多重监督,缓解了皮肤病变图像分割中毛发干扰和边缘模糊的问题。在ISIC2017和ISIC2018两个公开数据集上的实验结果表明,所提算法对皮肤病变部位的分割图像边缘连续、轮廓清晰,具有更好的分割效果。

关键词：皮肤病变分割空间多尺度注意力全局特征边缘增强 U-Net

来源：评论

学校读者我要写书评

暂无评论

基于二部图表示的属性网络社区发现算法

引用

计算机科学 2023年第11期50卷 107-113页

作者：赵兴旺薛晋芳山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

属性网络社区发现是网络数据分析中的一项重要研究内容。为了提高社区发现的准确性,现有算法大多通过融合拓扑信息和属性信息对属性网络进行低维表示,然后基于低维特征进行社区发现。然而,这类算法通常基于深度模型进行表示学习,缺乏一... 详细信息

属性网络社区发现是网络数据分析中的一项重要研究内容。为了提高社区发现的准确性,现有算法大多通过融合拓扑信息和属性信息对属性网络进行低维表示,然后基于低维特征进行社区发现。然而,这类算法通常基于深度模型进行表示学习,缺乏一定的可解释性。因此,文中提出了一种基于二部图表示的属性网络社区发现算法,以提高社区发现结果的准确性和可解释性。首先,分别基于属性网络的拓扑信息和属性信息计算网络中各个节点作为代表点的概率,通过两类信息融合选出一定比例的节点作为代表点;其次,基于拓扑结构和节点属性计算各个节点到代表点的距离,构建二部图;最后,基于二部图利用谱聚类算法进行社区发现,得到最终结果。在人造属性网络和真实属性网络上与已有的属性网络社区发现算法进行实验比较分析。实验结果表明,所提算法在标准化互信息、调整兰德指数等评价指标上均优于已有算法。

关键词：属性网络社区发现二部图融合

来源：评论

学校读者我要写书评

暂无评论

极限距离噪声估计与过滤方法

引用

计算机科学 2023年第6期50卷 151-158页

作者：姜高霞秦佩王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

近年来,机器学习不断取得显著性进展并被成功应用于诸多领域,然而很多学习模型或算法高度依赖数据的标签质量。实际应用中大量数据集普遍存在复杂的标签噪声,因此机器学习在低质数据建模和标签噪声处理方面面临严峻挑战。文中针对回归... 详细信息

近年来,机器学习不断取得显著性进展并被成功应用于诸多领域,然而很多学习模型或算法高度依赖数据的标签质量。实际应用中大量数据集普遍存在复杂的标签噪声,因此机器学习在低质数据建模和标签噪声处理方面面临严峻挑战。文中针对回归中的数值型标签噪声,从理论分析和仿真实验的角度研究了标签估计区间与噪声的关联性,提出了一种极限距离噪声估计方法。在最优样本选择框架下,基于此噪声估计方法提出了一种极限距离噪声过滤(Limit Distance Noise Filtering, LDNF)算法。实验结果表明,所提噪声估计方法与真实标签噪声具有更高的相关性和更低的估计偏差。在标准数据集和真实年龄估计数据集上证实了所提过滤算法可以在不同噪声环境下有效识别标签噪声并减小模型的测试误差,其表现优于最新的其他过滤算法。

关键词：数值型标签噪声回归噪声估计极限距离噪声过滤

来源：评论

学校读者我要写书评

暂无评论

基于自适应正则化的无偏场景图生成方法

引用

计算机科学 2023年第10期50卷 104-111页

作者：李浩晨曹付元乔世昌山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

场景图生成旨在给定一张图片,通过目标检测模块得到实体和实体间关系的视觉三元组形式,即主语、关系和宾语,构建语义结构化表示。场景图可应用于图像检索和视觉问答等下游任务。然而,由于数据集中的实体间关系呈长尾分布,因此现有模型... 详细信息

场景图生成旨在给定一张图片,通过目标检测模块得到实体和实体间关系的视觉三元组形式,即主语、关系和宾语,构建语义结构化表示。场景图可应用于图像检索和视觉问答等下游任务。然而,由于数据集中的实体间关系呈长尾分布,因此现有模型在预测关系时更偏向于粗粒度的头部关系。这样的场景图无法对下游任务起到辅助性作用。以往工作普遍采用再平衡策略,如重采样和重加权的方法,来解决长尾问题。但模型反复学习尾部关系样本,易出现过拟合现象。为了解决上述问题,文中提出了一种自适应正则化无偏场景图生成方法。具体来说,该方法通过设计一个基于先验关系频率的正则项,自适应地调整模型全连接分类器权重,从而实现对模型的平衡预测。所提方法在场景图VG(Visual Genome)数据集上进行了实验,实验结果表明,该方法不仅能防止模型过拟合,也能缓解关系长尾分布问题对场景图生成的负面影响,且最先进的场景图生成方法在结合所提方法后能更有效地改善无偏场景图生成的性能。

关键词：场景图长尾分布重采样重加权自适应正则化

来源：评论

学校读者我要写书评

暂无评论

基于框架语义和图结构的阅读理解答案抽取方法

引用

计算机科学 2023年第8期50卷 170-176页

作者：杨陟卓许玲玲张虎李茹山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

机器阅读理解是自然语言处理领域最具挑战性的任务之一。随着深度学习技术的不断发展以及大规模MRC数据集的发布,机器阅读理解模型的性能不断刷新记录。但是以往的模型在逻辑推理、深层语义理解等方面仍存在不足。为解决上述问题,提出... 详细信息

机器阅读理解是自然语言处理领域最具挑战性的任务之一。随着深度学习技术的不断发展以及大规模MRC数据集的发布,机器阅读理解模型的性能不断刷新记录。但是以往的模型在逻辑推理、深层语义理解等方面仍存在不足。为解决上述问题,提出了一种基于框架语义和图结构的阅读理解答案抽取方法。该方法首先利用汉语框架网匹配与问句语义相关的候选句;其次提取问题和候选句中的实体,以实体在句子中的依存句法和语义关系构建实体关系图;最后将实体关系图引入图注意网络进行逻辑推理,实现阅读理解答案抽取。在DuReader-robust数据集上的实验结果表明,所提方法取得了比基线模型更好的效果。

关键词：机器阅读理解 CFN 实体关系图图注意网络句法关系

来源：评论

学校读者我要写书评

暂无评论

FMLED:细粒度级多尺度特征表示的轻量级边缘检测方法

引用

小型微型计算机系统 2023年第4期44卷 812-817页

作者：杨红菊王昱蓉山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

针对现有基于深度学习的轻量级边缘检测方法存在检测效果不佳的问题,本文提出一种细粒度级多尺度特征表示的轻量级边缘检测方法——FMLED.首先,以细粒度方式提取图像多尺度特征,得到更细致并具有全局性的特征图;其次,对特征图进行上采样... 详细信息

针对现有基于深度学习的轻量级边缘检测方法存在检测效果不佳的问题,本文提出一种细粒度级多尺度特征表示的轻量级边缘检测方法——FMLED.首先,以细粒度方式提取图像多尺度特征,得到更细致并具有全局性的特征图;其次,对特征图进行上采样,得到不同阶段的中间边缘图;最后,使用学习滤波器为每个像素分配不同权重并融合中间边缘图特征,使生成的边缘更加清晰准确.本文方法可用于任何边缘检测任务,而无需进行预训练或微调;并以较小的模型复杂度产生优质边缘.在BIPED、BSDS500和NYUD 3个数据集上的实验结果表明,FMLED框架在不增加计算负载的情况下,可以得到更高质量的边缘.

关键词：深度学习轻量级多尺度表示细粒度级边缘检测

来源：评论

学校读者我要写书评

暂无评论

基于对比学习和语义增强的多模态推荐算法

引用

模式识别与人工智能 2024年第6期37卷 479-490页

作者：张凯涵冯晨娇姚凯旋宋鹏梁吉业中北大学计算机科学与技术学院太原030051 山西财经大学应用数学学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学经济与管理学院太原030031

产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建... 详细信息

产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建基于对比学习和语义增强的多模态推荐算法.首先,采用图神经网络与注意力机制充分融合协同特征与多模态特征.然后,以协同信息中的交互结构为指导,学习各模态内的语义关联结构.同时,采用对比学习范式捕捉跨模态的表征依赖关系,在对比损失中引入可靠性因子,自适应调整对多模态特征的约束强度,抑制数据噪声的影响.最后,联合优化上述任务,生成推荐结果.在4个真实数据集上的实验表明文中算法的优越性.

关键词：推荐系统多模态推荐算法图神经网络对比学习

来源：评论

学校读者我要写书评

暂无评论

基于关联特征传播的跨模态检索

引用

计算机研究与发展 2022年第9期59卷 1993-2002页

作者：张璐曹峰梁新彦钱宇华山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学计算机与信息技术学院太原030006

深度学习的快速发展和关联学习的深度研究,使得跨模态检索的性能有了很大提升.跨模态检索研究面临的挑战是:不同模态的数据在高层语义上具有关联关系,但在底层特征上存在异构鸿沟.现有方法主要通过单个相关性约束将不同模态的特征映射... 详细信息

深度学习的快速发展和关联学习的深度研究,使得跨模态检索的性能有了很大提升.跨模态检索研究面临的挑战是:不同模态的数据在高层语义上具有关联关系,但在底层特征上存在异构鸿沟.现有方法主要通过单个相关性约束将不同模态的特征映射到具有一定相关性的特征空间中来解决底层特征上的异构鸿沟问题.然而,表征学习表明,不同层次的特征在帮助模型最终性能的提升上都会起作用.所以,现有方法学习到的单一特征空间的关联性是弱的,即该特征空间可能不是最优的检索空间.为解决该问题,提出了基于关联特征传播的跨模态检索模型,其基本思想是强化深度网络各层之间的关联性,即前一层具有一定关联的特征经过非线性变化传到后一层,有利于找到使2种模态关联性更强的特征空间.通过在Wikipedia,Pascal数据集上的大量实验验证得到,该方法提升了平均精度均值.

关键词：跨模态检索特征传播深度网络关联学习深度学习

来源：评论

学校读者我要写书评

暂无评论

结合力导向图分布算法的特征加权深度嵌入聚类

引用

小型微型计算机系统 2024年第6期45卷 1318-1324页

作者：吕维钱宇华王婕婷李飞江胡深山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室太原030006 山西大学大数据科学与产业研究院太原030006

聚类分析作为无监督学习领域的一个重要研究方向,是许多数据驱动应用的核心.但是高维数据特有的高维距离趋同特性,使得高维空间样本近邻结构遭到破坏,从而使得大量基于距离(基于近邻)的聚类算法性能急剧下降.目前,大量研究者认为,高维... 详细信息

聚类分析作为无监督学习领域的一个重要研究方向,是许多数据驱动应用的核心.但是高维数据特有的高维距离趋同特性,使得高维空间样本近邻结构遭到破坏,从而使得大量基于距离(基于近邻)的聚类算法性能急剧下降.目前,大量研究者认为,高维数据往往包含大量与任务不相关特征及相互关联的特征,其真实特征维度往往要比原始特征维度低很多.在学习样本低维等价表示上,基于深度自编码器的深度嵌入学习尽可能地保留重构信息.然而,现有此类方法往往需要聚类损失引导聚类,这虽然提高了聚类性能,但聚类损失与重构损失间的内在矛盾,限制了聚类性能的进一步提高.基于力导向图分布算法的降维算法则是尽可能保留近邻结构信息的基础上学习样本低维表示,但是高维距离趋同的特性使得此类算法较难准确获取样本高维近邻结构信息.本文在深度自编码器与力导向图分布算法的基础上引入特征加权思想,使模型在具有强大的低维等价表示能力及根据数据近邻结构凸显簇结构能力的同时考虑特征对聚类任务的适合程度.5个数据集上与最新高维聚类算法的对比实验充分证明了本文算法的合理性与优越性.

关键词：高维聚类深度自编码器特征加权力导向图分布算法

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：