检索结果-内蒙古大学图书馆

重庆邮电大学学报（自然科学版） 2024年第2期36卷 383-392页

作者：陈乔松黄泽锰胡静王进邓欣重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学数据工程与可视计算重点实验室重庆400065

有效的特征交互,对于工业推荐系统中点击通过率(click-through-rate,CTR)预估的准确性起着至关重要的作用。以往并行结构的CTR预估模型通过将独立的浅层模型和深层模型并行连接,以此来学习特征的低阶交互和高阶交互。但是,这些模型存在... 详细信息

有效的特征交互,对于工业推荐系统中点击通过率(click-through-rate,CTR)预估的准确性起着至关重要的作用。以往并行结构的CTR预估模型通过将独立的浅层模型和深层模型并行连接,以此来学习特征的低阶交互和高阶交互。但是,这些模型存在浅层模型准确性低、未考虑特征交互时的多语义问题、参数过多、深层模型过度泛化等问题。基于上述问题,提出了一种基于域矩阵因子分解机的点击通过率预估增强网络,通过引入域矩阵优化浅层模型中的交互,提高运算效率,并在深层模型的DNN层与层之间增加了桥接模块,在每层高阶交互后增强对原始特征的记忆能力,将浅层模型和深层模型的结果相加并归一化得到预测值。该模型在Criteo、KKBox、Frappe和MovieLens数据集上进行了大量实验,展现了优秀的预测能力。

关键词：点击通过率域矩阵因子分解机桥接模块特征交互

来源：评论

学校读者我要写书评

暂无评论

基于流模型的荧光图像超分辨率

引用

中国激光 2024年第15期51卷 27-37页

作者：范骏超苗芸芸毕秀丽肖斌黄小帅重庆邮电大学计算机科学与技术学院重庆市图像认知重点实验室重庆400065 北京大学跨学部生物医学工程系北京100191

荧光图像超分辨率方法可以将低分辨率荧光图像重建为超分辨率图像。近几年来,基于深度学习的方法通过学习配对的高/低分辨率图像间的映射函数,取得了较好性能。然而,一幅低分辨率荧光图像可能由不同的超分辨图像退化而来,这使得荧光图... 详细信息

荧光图像超分辨率方法可以将低分辨率荧光图像重建为超分辨率图像。近几年来,基于深度学习的方法通过学习配对的高/低分辨率图像间的映射函数,取得了较好性能。然而,一幅低分辨率荧光图像可能由不同的超分辨图像退化而来,这使得荧光图像超分辨率任务属于欠定问题。现有的深度学习方法通常学习一个确定性的映射函数,而忽略了超分辨率任务的欠定特征。针对这一问题,提出了一种基于流模型的荧光图像超分辨率方法。该方法在给定低分辨率图像的条件下,可以重建出一系列超分辨率图像的分布,更符合超分辨率任务的欠定性质。此外,进一步提出了频域-空域联合注意力模块,用于提取荧光图像的潜在特征,使网络能够充分利用数据在时间和空间上的先验分布,从而获得更准确的图像重建结果。实验结果表明,此方法重建图像的感知指标和重建效果均有所提升。

关键词：深度学习超分辨率流模型重建

来源：评论

学校读者我要写书评

暂无评论

基于多边形特征池化与融合的复杂文本检测

引用

西安电子科技大学学报 2024年第3期51卷 113-123页

作者：张相南高新波田春娜西安电子科技大学电子工程学院陕西西安710071 重庆邮电大学计算机科学与技术学院图像认知重庆市重点实验室重庆400065

文本检测在图像理解中发挥着重要的作用。基于深度学习的文本检测是当前的主流算法,包括单阶段方法和双阶段方法两类,而且后者的检测精度往往高于前者。双阶段的检测方法通常包含感兴趣区域特征池化操作,为进一步的检测和识别任务提供... 详细信息

文本检测在图像理解中发挥着重要的作用。基于深度学习的文本检测是当前的主流算法,包括单阶段方法和双阶段方法两类,而且后者的检测精度往往高于前者。双阶段的检测方法通常包含感兴趣区域特征池化操作,为进一步的检测和识别任务提供特定维度的局部区域特征。然而对于弯曲文本等复杂文本区域来说,现有的基于矩形感兴趣区域的池化方法不再适用,而基于点特征替代区域特征的方法又损失了空间信息。针对该问题,提出了一种基于多边形特征池化和Transformer的复杂文本区域检测方法。首先,将复杂文本区域检测中感兴趣区域进行多边形特征池化,将池化操作的区域形状从矩形拓展到多边形并且不需要借助其他形状进行拟合,即可将多边形区域对应的特征池化为固定维度的特征序列,避免了拟合过程中出现误差。进而,将池化后的特征视为具有空间关系的序列,然后利用Transformer融合视觉特征之间的上下文关系,降低训练难度,提升检测精确度。在包含弯曲文本等复杂文本情况的ICDAR2015、MLT、Total Text和CTW1500数据集上的测试实验结果表明,提出的双阶段检测算法能更好地提取感兴趣区域特征,并取得了比现有方法更好的检测结果。

关键词：文本检测双阶段方法多边形特征池化 Transformer

来源：评论

学校读者我要写书评

暂无评论

增强型注意力网络点击通过率预估方法

引用

重庆邮电大学学报（自然科学版） 2023年第1期35卷 147-155页

作者：陈乔松胡高浩曹宏剑王子权孙开伟邓欣王进重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学数据工程与可视计算重点实验室重庆400065

针对以往模型在对点击通过率(click-through rate,CTR)进行建模预测时,存在着特征重要性学习不足、特征交互低效等问题,提出了一种增强型注意力网络预估模型,用于动态学习特征重要性和特征交互信息,模型主要由注意力层、双线性交互层和... 详细信息

针对以往模型在对点击通过率(click-through rate,CTR)进行建模预测时,存在着特征重要性学习不足、特征交互低效等问题,提出了一种增强型注意力网络预估模型,用于动态学习特征重要性和特征交互信息,模型主要由注意力层、双线性交互层和全连接神经网络层构成。注意力层的多尺度多头自注意力机制通过设置不同尺寸子空间增强特征重要性学习能力,在得到特征重要性后,进一步采用张量积双线性交互学习特征交互信息。通过对注意力的子空间尺寸大小、张量积交互形式、神经网络层数和节点个数等进行定量分析,确定模型的最佳参数。实验证明,该模型相比已有模型拥有更好的预测能力。

关键词：点击通过率注意力双线性交互神经网络增强型注意力网络

来源：评论

学校读者我要写书评

暂无评论

LFDP:融合低频信息的差分隐私鲁棒性增强方法

引用

信息安全学报 2025年第1期10卷 47-60页

作者：王豪许强张清华李开菊重庆邮电大学计算机科学与技术学院重庆400065 旅游多源数据感知与决策技术文化和旅游部重点实验室重庆400065 香港城市大学电机工程系中国香港999077 重庆邮电大学计算智能重庆市重点实验室重庆400065 重庆大学计算机学院重庆400044

机器学习模型由于其预测和分类的高精度和各种应用场景的普适性,在图像处理、自动驾驶、自然语言处理等领域得到广泛应用。但机器学习模型容易遭受对抗样本攻击,在遭受对抗样本攻击时,预测和分类的精度会大幅下降。目前,数据增强方法通... 详细信息

机器学习模型由于其预测和分类的高精度和各种应用场景的普适性,在图像处理、自动驾驶、自然语言处理等领域得到广泛应用。但机器学习模型容易遭受对抗样本攻击,在遭受对抗样本攻击时,预测和分类的精度会大幅下降。目前,数据增强方法通过改变或者扰动原始图像的方式,使得机器学习模型具有更强的泛化能力,在保护隐私的同时,能够增强其抵御对抗样本攻击的鲁棒性,是当前机器学习模型鲁棒性增强的主流方法之一。但基于差分隐私的鲁棒性增强方法面临加入的高频噪声容易被滤除,导致鲁棒性增强效果下降的问题。针对这一问题,结合信号处理的知识,本文从频域角度阐述差分隐私能够增强机器学习模型鲁棒性的原理,从理论上证明其有效性。设计了一种高频噪声滤波器HFNF,能够将差分隐私加入的高频高斯噪声滤除,使得差分隐私的鲁棒性增强效果下降,从理论上分析差分隐私鲁棒性增强方法存在缺陷的原因。提出了一种普适的融合低频信息的差分隐私鲁棒性增强算法LFDP,通过对图像不同频域部分加入生成的高低频噪声,即使存在高频噪声滤波攻击,仍然能够保证模型的鲁棒性,弥补了差分隐私原有高频高斯噪声的不足。从理论上分析并给出所提出方案的鲁棒性和误差边界,并在实际的数据集中进行测试。实验结果表明,与直接加入高频噪声的差分隐私鲁棒性增强方法相比,LFDP在不增大噪声尺度的同时能够起到更好的鲁棒性增强效果。

关键词：机器学习鲁棒性差分隐私低频噪声

来源：评论

学校读者我要写书评

暂无评论

结合整体注意力与分形稠密特征的图像超分辨率重建

引用

计算机工程 2022年第11期48卷 207-214,223页

作者：陈乔松蒲柳张羽孙开伟邓欣王进重庆邮电大学计算机科学与技术学院数据工程与可视计算重庆市重点实验室重庆400065

现有单图像超分辨率模型普遍基于卷积神经网络且使用单一尺度的卷积核提取特征信息,容易造成细节信息遗漏并降低网络表征能力。为有效提取高频信息同时提高图像重建性能,提出一种基于整体注意力机制与分形稠密特征增强的图像超分辨率重... 详细信息

现有单图像超分辨率模型普遍基于卷积神经网络且使用单一尺度的卷积核提取特征信息,容易造成细节信息遗漏并降低网络表征能力。为有效提取高频信息同时提高图像重建性能,提出一种基于整体注意力机制与分形稠密特征增强的图像超分辨率重建模型。在特征增强过程中,级联9个分形稠密特征增强模块,每个模块通过4条分支路径提取和融合多尺度特征,并引入局部稠密跳跃连接传递信息以获取更丰富的细节信息。引入整体注意力机制,从3个维度出发建立特征图之间的关联关系,通过对不同通道、空间和层次的特征进行加权和选择性聚合为特征图分配不同的权重,从而提高模型判别学习能力。在Set5、Set14、BSDS100和Urban100数据集上的实验结果表明,该模型可有效重建纹理细节更丰富的高分辨率图像,重建图像在主观视觉效果与客观评价指标上均优于同类模型,且在图像放大3倍时,峰值信噪比和结构相似性指标最高比MSRN模型提升了0.57 dB和0.007。

关键词：超分辨率重建卷积神经网络多尺度特征提取注意力机制高频信息

来源：评论

学校读者我要写书评

暂无评论

基于边缘优化和全局建模的多路径语义分割

引用

计算机科学 2023年第S01期50卷 421-427页

作者：陈乔松张羽蒲柳谭冲冲邓欣王进孙开伟欧阳卫华重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室重庆400065 重庆邮电大学自动化学院重庆400065

目前的语义分割卷积网络中,空间信息和细节信息随着卷积层的加深而逐渐丢失,造成物体边界和细小物体的分割效果不准确。同时,卷积的局部特征能力限制了网络获取有效的全局建模能力,造成物体内部分割混淆。针对这些问题,文中设计了基于... 详细信息

目前的语义分割卷积网络中,空间信息和细节信息随着卷积层的加深而逐渐丢失,造成物体边界和细小物体的分割效果不准确。同时,卷积的局部特征能力限制了网络获取有效的全局建模能力,造成物体内部分割混淆。针对这些问题,文中设计了基于边缘优化和全局建模的多路径语义分割算法。该算法提出了多路径邻近错位融合的网络,4条不同的分辨率路径邻近之间细节信息融会,高分辨率路径尾部与低分辨率路径首部间的语义信息交融,以此减少空间信息和细节信息的丢失。文中提出了自适应边缘特征模块得到边缘特征,融入网络中间层和深度监督层,增强边缘特征的表达能力和细小物体的分割效果,提出了Transformer全局特征模块,采用不同卷积进行下采样操作,缩短自注意力序列的长度,再融合通道信息与自注意力信息,从而获取有效的高层语义的全局信息。实验结果表明,在CamVid测试集和Cityscapes验证集上mIoU值分别达到76.2%和79.1%。

关键词：语义分割多路径边缘优化深度监督全局建模

来源：评论

学校读者我要写书评

暂无评论

基于浅层空间特征融合与自适应通道筛选的目标检测方法

引用

江苏大学学报（自然科学版） 2022年第1期43卷 67-74页

作者：陈乔松周丽毛彦嵋王进邓欣重庆邮电大学数据工程与可视计算重点实验室重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合... 详细信息

为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合后的特征图谱进行自适应通道筛选后组装到SSD的网络中,强化全局信息在目标检测模型中的作用.最后,设计了基于余弦距离的分类损失函数,使目标分类的准确度更高.以VGG网络为主干网络,参照SSD目标检测网络,加入了提出的下采样特征融合模块、自适应通道筛选模块以及改进的损失函数,进行了多组对比试验.结果表明,当网络的图像输入尺寸为512×512时,该方法在Pascal VOC 2007与Pascal VOC 2012数据集上对于目标检测的平均精度均值达到了82.2%,优于所对比的单级目标检测模型.该方法在保证实时检测速度的条件下,达到与拥有较深主干网络的检测模型同级别的性能.

关键词：目标检测实时性单级特征融合通道筛选轻量级

来源：评论

学校读者我要写书评

暂无评论

边界加权的甲状腺癌病理图像细胞核分割方法

引用

西安电子科技大学学报 2023年第5期50卷 75-86页

作者：韩冰高路高新波陈玮铭西安电子科技大学电子工程学院陕西西安710071 重庆邮电大学计算机科学与技术学院图像认知重庆市重点实验室重庆400065

甲状腺癌是实体癌中发病率增速最快的恶性肿瘤之一,病理学诊断是医生诊断肿瘤的黄金标准,而细胞核分割是病理图像自动分析的关键步骤。针对细胞核分割中细胞核边界位置难以分割问题,设计了边界加权模块使网络在训练时更多关注细胞核边... 详细信息

甲状腺癌是实体癌中发病率增速最快的恶性肿瘤之一,病理学诊断是医生诊断肿瘤的黄金标准,而细胞核分割是病理图像自动分析的关键步骤。针对细胞核分割中细胞核边界位置难以分割问题,设计了边界加权模块使网络在训练时更多关注细胞核边界。另一方面,为了避免网络过分关注边界而忽视细胞核主体部分,导致一些染色较浅的细胞核分割失败,提出了前景增强分割网络;该网络通过在上采样的过程中添加前景增强模块不断增强前景并抑制背景,从而实现细胞核精准分割。在自建的甲状腺癌病理图像分割数据集VIP-TCHis-Seg上的相似系数(Dice)和像素准确率(PA)两个指标分别约为85.26%和95.89%,在公共细胞核分割数据集MoNuSeg上的相似系数(Dice)和像素准确率(PA)两个指标分别约为81.03%和94.63%。上述实验结果表明,提出的边界加权和前景增强模块的方法能有效提高网络在边界处的分割准确率。

关键词：甲状腺乳头状癌图像分割 UNet 边界加权前景增强

来源：评论

学校读者我要写书评

暂无评论

基于模态特异及模态共享特征信息的多模态细粒度检索

引用

计算机工程 2022年第11期48卷 62-68,76页

作者：李佩陈乔松陈鹏昌邓欣王进朴昌浩重庆邮电大学计算机科学与技术学院重庆400065 数据工程与认知计算重庆市重点实验室重庆400065

跨模态检索的目标是用户给定任意一个样本作为查询样例,系统检索得到与查询样例相关的各个模态样本,多模态细粒度检索在跨模态检索基础上强调模态的数量至少大于两个,且待检索样本的分类标准为细粒度子类,存在多模态数据间的异构鸿沟及... 详细信息

跨模态检索的目标是用户给定任意一个样本作为查询样例,系统检索得到与查询样例相关的各个模态样本,多模态细粒度检索在跨模态检索基础上强调模态的数量至少大于两个,且待检索样本的分类标准为细粒度子类,存在多模态数据间的异构鸿沟及细粒度样本特征差异小等难题。引入模态特异特征及模态共享特征的概念,提出一种多模态细粒度检索框架MS2Net。使用分支网络及主干网络分别提取不同模态数据的模态特异特征及模态共享特征,将两种特征通过多模态特征融合模块进行充分融合,同时利用各个模态自身的特有信息及不同模态数据间的共性及联系,增加高维空间向量中包含的语义信息。针对多模态细粒度检索场景,在center loss函数的基础上提出multi-center loss函数,并引入类内中心来聚集同类别且同模态的样本,根据聚集类内中心来间接聚集同类别但模态不同的样本,同时消减样本间的异构鸿沟及语义鸿沟,增强模型对高维空间向量的聚类能力。在公开数据集FG-Xmedia上进行一对一与一对多的模态检索实验,结果表明,与FGCrossNet方法相比,MS2Net方法 mAP指标分别提升65%和48%。

关键词：信息检索多模态检索细粒度检索多模态表征学习深度学习

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：