针对输入的图像视觉信息不能在每一步解码过程中动态调整,同时为了提高图像语义描述模型的精度和泛化能力,提出了一种结合引导解码和视觉注意力机制的双层长短时记忆(long short term memory,LSTM)网络的图像语义描述模型。将提取到的...
详细信息
针对输入的图像视觉信息不能在每一步解码过程中动态调整,同时为了提高图像语义描述模型的精度和泛化能力,提出了一种结合引导解码和视觉注意力机制的双层长短时记忆(long short term memory,LSTM)网络的图像语义描述模型。将提取到的图像的视觉和目标特征通过一个引导网络建模后送入LSTM网络的每一时刻,实现端到端的训练过程;同时设计了基于图像通道特征的视觉注意力机制,提高了模型对图像细节部分的描述。利用MSCOCO和Flickr30k数据集对模型进行了训练和测试,结果显示模型性能在不同的评价指标上都得到了提升。
采用基底辅助激光诱导击穿光谱技术,以标准油中的Mg、Ti、Ni与Cr为目标元素进行定量分析。选定Mg II 279.55 nm、Ti I 334.94 nm、Ni I 352.45 nm与Cr I 425.44 nm为目标元素的定量分析谱线进行分析。考察样品预处理静置时间、样品油膜...
详细信息
采用基底辅助激光诱导击穿光谱技术,以标准油中的Mg、Ti、Ni与Cr为目标元素进行定量分析。选定Mg II 279.55 nm、Ti I 334.94 nm、Ni I 352.45 nm与Cr I 425.44 nm为目标元素的定量分析谱线进行分析。考察样品预处理静置时间、样品油膜平均厚度、探测延时和激光脉冲能量对Mg、Ti、Ni与Cr元素光谱信号强度与信背比的影响。在最优的实验条件下,利用6个标准油样品建立了标准曲线定标模型,得出Mg、Ti、Ni与Cr的检出限分别为3.10,8.17,18.79,6.10μg·g^-1。基于定标曲线,预测了另外5个标准油样品中Mg、Ti、Ni与Cr的质量比,相对误差分别为7.43%、8.91%、13.66%与10.40%。
暂无评论