检索结果-内蒙古大学图书馆

计算机学报 2023年第3期46卷 594-608页

作者：蒲瞻星葛永新重庆大学大数据与软件学院重庆401331 北京理工大学计算机学院北京100081

现有基于小样本学习的视频行为识别方法,在解决小样本学习中信息量稀缺问题时存在信息重复度高以及类间相似性大等不足,而且鲜有关注小样本学习中的域偏移与枢纽点问题,从而导致动作类表达能力弱和行为识别中错误分类的问题,此外,复杂... 详细信息

现有基于小样本学习的视频行为识别方法,在解决小样本学习中信息量稀缺问题时存在信息重复度高以及类间相似性大等不足,而且鲜有关注小样本学习中的域偏移与枢纽点问题,从而导致动作类表达能力弱和行为识别中错误分类的问题,此外,复杂的网络结构导致参数量与计算量成倍增加.针对以上问题,本文提出一种基于多特征融合的小样本视频行为识别算法,具体来说,该方法提出深度特征与流形特征的融合策略.首先,针对特征形式之一的流形特征,提出使用表征传播对流形结构进行平滑操作,更好地缓解了小样本学习中的域偏移与枢纽点问题.其次,通过同时使用对视频特征表达能力不同的深度特征与流形特征,获得更多的样本有效信息,进而缓解小样本学习中样本稀缺的问题.最后,为减小模型的参数量与计算量,选择基于2D方法构建模型.在HMDB51、UCF101以及Kinetics三个数据集上进行实验,结果表明,本文方法在“5-way 1-shot”任务下表现突出,识别率优于现有的小样本视频行为识别方法,在HMDB51上提高了8.5%,在UCF101上提高了9.5%,在Kinetics上提高了1.0%.

关键词：小样本学习行为识别视频分类数据的流形分布多特征融合

来源：评论

学校读者我要写书评

暂无评论

中华菜系饮食数据可视分析

引用

计算机辅助设计与图形学学报 2023年第4期35卷 562-574页

作者：冯丹月小琪秦红星胡海波信息物理社会可信服务计算教育部重点实验室重庆400044 重庆大学大数据与软件学院重庆400044 重庆大学计算机学院重庆400044

饮食文化是中华文明的重要组成部分,对饮食文化中八大菜系的探究有助于传承和弘扬中华文明.为了向人们进行合理的食谱推荐,提出一个可视分析系统DietVis.首先,设计一种用于表达菜系多维属性的新颖视图,帮助用户分析菜系构成特征;其次,... 详细信息

饮食文化是中华文明的重要组成部分,对饮食文化中八大菜系的探究有助于传承和弘扬中华文明.为了向人们进行合理的食谱推荐,提出一个可视分析系统DietVis.首先,设计一种用于表达菜系多维属性的新颖视图,帮助用户分析菜系构成特征;其次,通过对食谱的食材构成和烹饪手法等进行聚类分析,让用户可以多角度地探究食谱间的关联;并结合食谱搭配的关联规则进行推荐,以满足不同用户的检索需求;最后,通过多视图联动构建出完整的饮食数据可视分析系统,支持用户在多层面对菜系及食谱进行探索和对比分析.通过案例分析和用户评估实验,采用李克特量表对调查问卷进行分析,验证了可视化视图的有效性以及系统的实用性.

关键词：多维数据可视化关联可视分析饮食文化

来源：评论

学校读者我要写书评

暂无评论

基于双流互信息联合匹配的小样本行为识别

引用

重庆大学学报 2024年

作者：邓龙冯波葛永新重庆大学大数据与软件学院西南计算机有限责任公司

尽管基于度量学习范式的小样本行为识别方法已经取得了巨大成功，然而有以下问题无法同时解决。（1）无法很好地进行动作关系建模，没能充分利用模态信息。（2）无法处理好不同长度不同速度视频匹配问题，无法处理好视频子动作错位的视... 详细信息

尽管基于度量学习范式的小样本行为识别方法已经取得了巨大成功，然而有以下问题无法同时解决。（1）无法很好地进行动作关系建模，没能充分利用模态信息。（2）无法处理好不同长度不同速度视频匹配问题，无法处理好视频子动作错位的视频匹配问题。为了解决以上问题，本文提出了一个基于双流互信息联合匹配的小样本行为识别方法，该方法分为两个模块：多模态对比学习模块和联合匹配模块。多模态对比学习模块主要用以探索模态间的互信息，利用对比学习将同一个视频的不同模态特征视为正样本对进行拉近。联合匹配模块主要用以同时解决上述提到的视频匹配问题，通过动态时间规整算法和二部图匹配算法联合匹配得到最终的匹配结果，以获得良好的小样本行为识别分类准确度。本文在两个广泛使用的小样本行为识别数据集SSV2和Kinetics上评估方法的有效性，同时进行了大量的消融实验验证了本文所提方法的有效性。

关键词：深度学习行为识别多模态小样本学习

来源：评论

学校读者我要写书评

暂无评论

渐进式上下文交互和注意力机制的混凝土路面裂缝检测网络

引用

计算机应用 2025年

作者：尹学辉傅林琳周尚波重庆邮电大学软件工程学院重庆大学计算机学院

为保障道路质量与安全，自动化裂缝检测在混凝土路面维护中至关重要。针对现有基于深度学习的检测方法因过度下采样导致裂缝像素信息丢失的问题，提出一种基于渐进式上下文交互和注意力机制的混凝土裂缝检测网络。首先，以优化的UNet++... 详细信息

为保障道路质量与安全，自动化裂缝检测在混凝土路面维护中至关重要。针对现有基于深度学习的检测方法因过度下采样导致裂缝像素信息丢失的问题，提出一种基于渐进式上下文交互和注意力机制的混凝土裂缝检测网络。首先，以优化的UNet++为主干，采用非对称卷积块来增强特征提取能力；其次，引入渐进式上下文交互机制（PCIM）以高效捕捉与融合相邻特征图的多尺度特征；再次，在特征增强阶段，用注意力组合（AC）方式提高特征表达能力；最后，在特征融合阶段，使用多语义注意力动态融合模块（MADFM），以增强细节恢复和保留效果。在3个公开数据集上的测试结果表明，相较于DeepCrack、CrackFormer、PAF-Net (Progressive and Adaptive Feature Fusion Network)，所提方法的性能更优。在DeepCrack测试集上，F-score分别提高了1.33、5.07和3.93个百分点;在Crack500测试集上，分别提升了3.04、4.35和0.82个百分点；在CFD测试集上，分别提升了3.03、6.00和4.73个百分点，这些结果充分验证了所提方法在裂缝检测准确性方面实现提升，同时在不同测试集上均展现出出色的鲁棒性能。

关键词： UNet++ 裂缝检测非对称卷积多尺度特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

内容感知的可解释性路面病害检测模型

引用

计算机研究与发展 2024年第3期61卷 701-715页

作者：李傲葛永新刘慧君杨春华周修庄重庆大学大数据与软件学院重庆401331 重庆城市管理职业学院智能工程学院重庆401331 重庆大学计算机学院重庆400044 北京邮电大学人工智能学院北京100876

针对实际场景中高分辨路面图像难以直接作为现有卷积神经网络(convolutional neural network,CNN)的输入、现有预处理及下采样算法无法有效感知并保留原始路面图像中低占比的病害区域信息等问题,借助于可视化解释的技术手段,设计了一种... 详细信息

针对实际场景中高分辨路面图像难以直接作为现有卷积神经网络(convolutional neural network,CNN)的输入、现有预处理及下采样算法无法有效感知并保留原始路面图像中低占比的病害区域信息等问题,借助于可视化解释的技术手段,设计了一种即插即用的图像内容自适应感知模块(adaptive perception module,APM),既平衡了高分辨路面图像与CNN输入限制,又能够自适应感知激活前景病害区域,从而实现高分辨路面图像中病害类型的快速准确检测,构建可信路面病害视觉检测软件系统.APM利用大卷积核和下采样残差操作降低原始图像分辨率并获取图像浅层特征表示;通过注意力机制自适应感知并激活图像中路面病害区域信息,过滤无关的背景信息.利用联合学习的方式,无需额外监督信息完成对APM的训练.通过可视化解释方法辅助选择和设计APM的具体结构,在最新公开数据集CQUBPMDD上的实验结果表明:APM相比于现有的图像预处理采样算法均有明显提升,分类准确率最高为84.47%;在CQU-BPDD上的实验结果及APM决策效果可视化分析表明APM具备良好的泛化性与鲁棒性.实验代码已开源:https://***/Li-Ao-Git/apm.

关键词：路面病害检测可解释性自适应感知注意力机制联合学习

来源：评论

学校读者我要写书评

暂无评论

DECANet:基于改进DeepLabv3+的图像语义分割方法

引用

激光与光电子学进展 2023年第4期60卷 82-90页

作者：唐璐万良王婷婷李树胜贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学计算机软件与理论研究所贵州贵阳550025

在图像的语义分割任务中,不同对象之间像素值存在差异,导致现有的网络模型在图像语义分割过程中丢失图像局部细节信息。针对上述问题,提出一种图像语义分割方法(DECANet)。首先,引入通道注意力网络模块,通过对所有通道的依赖关系进行建... 详细信息

在图像的语义分割任务中,不同对象之间像素值存在差异,导致现有的网络模型在图像语义分割过程中丢失图像局部细节信息。针对上述问题,提出一种图像语义分割方法(DECANet)。首先,引入通道注意力网络模块,通过对所有通道的依赖关系进行建模提高网络的表达能力,选择性地学习并强化通道特征,提取有用信息,抑制无用信息。其次,利用改进的空洞空间金字塔池化(ASPP)结构,对提取到的图像卷积特征进行多尺度融合,减少图像细节信息丢失,且在权重参数不改变的情况下提取语义像素位置信息,加快模型的收敛速度。最后,DECANet在PASCAL VOC2012和Cityscapes数据集上的平均交并比分别达81.08%和76%,与现有的先进网络模型相比,检测性能更优,可以有效地捕获局部细节信息,减少图像语义像素分类错误。

关键词：图像语义分割注意力机制空洞空间金字塔池化多尺度融合

来源：评论

学校读者我要写书评

暂无评论

用于精准预测空间蛋白组与转录组细胞丰度的智能方法

引用

计算机工程与应用 2025年

作者：宋渝杰曾远松杨跃东戴智明中山大学计算机学院重庆大学大数据与软件工程学院

细胞类型反卷积是从复杂组学数据（如空间蛋白组学和转录组学）中解析细胞丰度的关键技术。然而，传统的反卷积方法通常仅针对特定组学数据进行设计，未能提供通用的预测框架。为此，研究人员提出了一种新型深度学习反卷积方法——Spati... 详细信息

细胞类型反卷积是从复杂组学数据（如空间蛋白组学和转录组学）中解析细胞丰度的关键技术。然而，传统的反卷积方法通常仅针对特定组学数据进行设计，未能提供通用的预测框架。为此，研究人员提出了一种新型深度学习反卷积方法——SpatialDec，旨在同时处理蛋白组学和转录组学数据。SpatialDec结合了图神经网络的优势，能够识别复杂的细胞交互关系，并通过三元组损失函数强化细胞间的相似性与差异性。此外，SpatialDec采用领域自适应技术，有效去除源数据和目标数据之间的批次效应。大量实验证明，SpatialDec在多个蛋白组学和转录组学数据集上显著提升了预测性能。在蛋白组学数据集上，SpatialDec将均方根误差（RMSE）降低了21.9%，Lin的一致性相关系数（CCC）提高了46.1%，皮尔逊相关系数（PCC）提高了18.0%。在转录组学数据集上，SpatialDec也显著提高了性能，将RMSE降低了34.0%，CCC提高了45.4%，PCC提高了43.8%。

关键词：细胞类型反卷积蛋白组学图神经网络三元组损失

来源：评论

学校读者我要写书评

暂无评论

基于对抗生成网络的缺陷定位模型域数据增强方法

引用

软件学报 2024年第5期35卷 2289-2306页

作者：张卓雷晏毛晓光薛建新常曦广州商学院信息技术与工程学院广东广州510700 重庆大学大数据与软件学院重庆401331 国防科技大学计算机学院湖南长沙410073 上海第二工业大学计算机与信息工程学院上海200127

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测... 详细信息

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测试用例数量.已有研究表明,少量失败测试用例会导致测试用例集出现类别不平衡问题,严重影响着缺陷定位有效性.为了解决这个问题,提出基于对抗生成网络的缺陷定位模型域数据增强方法.该方法基于模型域(即缺陷定位频谱信息)而非传统输入域(即程序输入),利用对抗生成网络合成覆盖最小可疑集合的模型域失败测试用例,从模型域上解决类别不平衡的问题.实验结果表明,所提方法大幅提升了11种典型缺陷定位方法的效能.

关键词：缺陷定位测试用例对抗生成网络数据增强可疑值

来源：评论

学校读者我要写书评

暂无评论

基于数据流传播路径学习的智能合约时间戳漏洞检测

引用

软件学报 2024年第5期35卷 2325-2339页

作者：张卓刘业鹏薛建新鄢萌陈嘉弛毛晓光广州商学院信息技术与工程学院广东广州510700 国防科技大学计算机学院湖南长沙410073 上海第二工业大学计算机与信息工程学院上海200127 重庆大学大数据与软件学院重庆401331 中山大学软件工程学院广东珠海519082

智能合约是一种被大量部署在区块链上的去中心化的应用.由于其具有经济属性,智能合约漏洞会造成潜在的巨大经济和财产损失,并破坏以太坊的稳定生态.因此,智能合约的漏洞检测具有十分重要的意义.当前主流的智能合约漏洞检测方法(诸如Oye... 详细信息

智能合约是一种被大量部署在区块链上的去中心化的应用.由于其具有经济属性,智能合约漏洞会造成潜在的巨大经济和财产损失,并破坏以太坊的稳定生态.因此,智能合约的漏洞检测具有十分重要的意义.当前主流的智能合约漏洞检测方法(诸如Oyente和Securify)采用基于人工设计的启发式算法,在不同应用场景下的复用性较弱且耗时高,准确率也不高.为了提升漏洞检测效果,针对智能合约的时间戳漏洞,提出基于数据流传播路径学习的智能合约漏洞检测方法Scruple.所提方法首先获取时间戳漏洞的潜在的数据传播路径,然后对其进行裁剪并利用融入图结构的预训练模型对传播路径进行学习,最后对智能合约是否具有时间戳漏洞进行检测.相比而言,Scruple具有更强的漏洞捕捉能力和泛化能力,传播路径学习的针对性强,避免了对程序整体依赖图学习时造成的层次太深而无法聚焦漏洞的问题.为了验证Scruple的有效性,在真实智能合约的数据集上,开展Scruple方法与13种主流智能合约漏洞检测方法的对比实验.实验结果表明,Scruple在检测时间戳漏洞上的准确率,召回率和F1值分别可以达到0.96,0.90和0.93,与13种当前主流方法相比,平均相对提升59%,46%和57%,从而大幅提升时间戳漏洞的检测能力.

关键词：智能合约时间戳漏洞漏洞检测数据流传播路径预训练

来源：评论

学校读者我要写书评

暂无评论

MEC中基于改进粒子群算法的任务卸载策略

引用

计算机工程 2024年

作者：吴波龙廷艳万良夏云霓贵州大学计算机学院科学与技术学院公共大数据国家重点实验室重庆大学计算机学院软件与理论重庆市重点实验室

针对多基站多任务移动边缘计算环境中任务卸载问题，在同时考虑任务在基站之间并行传输、任务卸载系统时延和边缘服务器负载的情况下，提出以系统时延和负载均衡为最小化优化目标的任务卸载策略。为求解优化问题，提出了一种基于改进粒... 详细信息

针对多基站多任务移动边缘计算环境中任务卸载问题，在同时考虑任务在基站之间并行传输、任务卸载系统时延和边缘服务器负载的情况下，提出以系统时延和负载均衡为最小化优化目标的任务卸载策略。为求解优化问题，提出了一种基于改进粒子群算法的任务卸载方法IPSO，通过采用反向学习策略对粒子群算法的初始解空间进行优化，提升算法的收敛与搜索能力；再利用levy飞行策略对各粒子的速度矢量进行更新，有效避免局部最优解，同时引入遗传算法的精英保留策略，得到一个能够稳定降低边缘服务器负载的任务卸载策略，将所提的IPSO算法与混合启发式算法、PSO算法、人工蜂鸟算法、遗传算法和随机算法进行对比。实验结果表明，IPSO算法在不同的任务数、边缘服务器数下得到的时延和负载标准差都小于其它5种算法，其中，在任务数增长下进行实验后得到的系统时延分别比其它对比算法平均降低了3.04%、4.63%、6.79%、8.94%、12.7%，边缘服务器之间负载标准差分别比其它对比算法平均降低了16.2%、26.4%、62.8%、71.3%、91.5%。

关键词：边缘计算任务卸载并行传输负载均衡粒子群算法

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：