检索结果-内蒙古大学图书馆

中文信息学报 2021年第5期35卷 77-85页

作者：闫璟辉向露周玉孙建陈思薛晨北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044 中国科学院自动化研究所模式识别国家重点实验室北京100190 北京中科凡语科技有限公司北京100080 凡语AI研究院北京100080 中国科学院大学人工智能学院北京100049

临床术语标准化任务是医学统计中不可或缺的一部分。在实际应用中,一个标准的临床术语可能有数种口语化和非标准化的描述,而对于一些应用例如临床知识库的构建而言,如何将这些描述进行标准化是必须要面对的问题。该文主要关注中文临床... 详细信息

临床术语标准化任务是医学统计中不可或缺的一部分。在实际应用中,一个标准的临床术语可能有数种口语化和非标准化的描述,而对于一些应用例如临床知识库的构建而言,如何将这些描述进行标准化是必须要面对的问题。该文主要关注中文临床术语的标准化任务,即将非标准的中文临床术语的描述文本和给定的临床术语库中的标准词进行对应。尽管一些深度判别式模型在简单文本结构的医疗术语,例如,疾病、药品名等的标准化任务上取得了一定成效,但对于中文临床术语标准化任务而言,其带标准化的描述文本中经常包含的信息缺失、"一对多"等情况,仅依靠判别式模型无法得到完整的语义信息,因而导致模型效果欠佳。该文将临床术语标准化任务类比为翻译任务,引入深度生成式模型对描述文本的核心语义进行生成并得到标准词候选集,再利用基于BERT的语义相似度算法对候选集进行重排序得到最终标准词。该方法在第五届中国健康信息处理会议(CHIP2019)评测数据中进行了实验并取得了很好的效果。

关键词：术语标准化核心语义生成式模型

来源：评论

学校读者我要写书评

暂无评论

利用上下文相似度增强词对齐效果的自然语言推理方法

引用

智能科学与技术学报 2020年第1期2卷 26-35页

作者：杜倩龙宗成庆苏克毅中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学北京100049 台湾“中央研究院”资讯科学研究所台湾台北11529

当前的自然语言推理方法在进行词对齐时往往只关注如何利用上下文信息改善词汇的表示,而忽略了上下文相似度对词汇对齐的帮助。推理方法在融合局部判定信息进行结果预测时,通常赋予局部判定信息相同的权重,而实际上不同词汇对应的局部... 详细信息

当前的自然语言推理方法在进行词对齐时往往只关注如何利用上下文信息改善词汇的表示,而忽略了上下文相似度对词汇对齐的帮助。推理方法在融合局部判定信息进行结果预测时,通常赋予局部判定信息相同的权重,而实际上不同词汇对应的局部判定信息对最终结果具有不同的影响。因此,提出一种通过增强词对齐性能改善自然语言推理性能的方法,该方法在词对齐时同时考虑词汇的词义相似度和上下文相似度,并且利用选择门机制对不同的局部判定信息进行加权。实验表明,该方法能够获得与当前最优的模型相当的准确率,而且该方法更加符合人脑推理判定行为过程,且具有很好的可解释性。

关键词：文本蕴含自然语言推理词对齐

来源：评论

学校读者我要写书评

暂无评论

多目鱼眼相机系统的视觉里程计解决方案

引用

中国体视学与图像分析 2021年第3期26卷 278-291页

作者：刘一龙孟维亮张晓鹏中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院软件研究所计算机科学国家重点实验室北京100190 之江实验室杭州311121 中国科学院大学北京100049

多目鱼眼相机系统具有可视范围广、成本低廉等诸多优点,成为自动驾驶系统中常用的传感器配置。但其成像畸变大、视角差异明显等特性,使得鱼眼相机间图像数据关联较为困难,大大限制了视觉里程计算法的精度。本文设计了一种可以用于自动... 详细信息

多目鱼眼相机系统具有可视范围广、成本低廉等诸多优点,成为自动驾驶系统中常用的传感器配置。但其成像畸变大、视角差异明显等特性,使得鱼眼相机间图像数据关联较为困难,大大限制了视觉里程计算法的精度。本文设计了一种可以用于自动驾驶场景下多目鱼眼相机系统的里程计解决方案及可以用于多目鱼眼相机系统的前后端算法,并实现两种鱼眼相机间数据关联模块:一是基于光度的数据关联方法,可以在光照差异明显或存在遮挡等条件下获得稳定的关联结果并纠正系统的尺度偏差;二是基于相机模型变换和描述子匹配的数据关联方法,可以加入优化系统提升里程计精度。实验表明,本文的解决方案可以达到平均约5‰的相对位置误差水平,可以满足自动驾驶场景对里程计的精度要求。

关键词：多目鱼眼相机系统同时建图与定位特征匹配视觉里程计

来源：评论

学校读者我要写书评

暂无评论

基于球坐标的植物果实重建

引用

中国农机化学报 2020年第10期41卷 176-182页

作者：陆玲姚玲洁郭建伟王蕾东华理工大学信息工程学院南昌市330013 中国科学院自动化研究所模式识别国家重点实验室北京市100190

针对植物果实形状特点,提出基于坐标变换的点云快速重建方法。对于生长在茎干上的果实,首先计算茎干方向即果实的中心轴方向,将点云直角坐标转为球坐标,利用中值滤波沿半径方向对点云数据去噪,判断果实的长扁特征,计算果实中心轴的经纬... 详细信息

针对植物果实形状特点,提出基于坐标变换的点云快速重建方法。对于生长在茎干上的果实,首先计算茎干方向即果实的中心轴方向,将点云直角坐标转为球坐标,利用中值滤波沿半径方向对点云数据去噪,判断果实的长扁特征,计算果实中心轴的经纬度;然后以果实的中心轴作为球坐标的中心轴再次对原始点云进行坐标变换,进行去噪和填空点处理,最后采用B样条曲面对果实进行重建。本文方法的计算效率高于传统方法的2.5倍以上,随着点云数据量的增加,计算速度可加快几十倍,而且重建结果与实际点云误差小于2.2%。

关键词：植物果实三维点云球坐标系重建 B样条曲面

来源：评论

学校读者我要写书评

暂无评论

连续情境学习：迈向高适应性通用智能的重要一步

引用

人工智能 2020年第1期 47-53页

作者：陈阳余山中国科学院自动化研究所中国科学院模式识别国家重点实验室

近年来,以深度神经网络为代表的人工智能得到快速发展,引起社会各界的广泛关注。随着计算能力的提升和大数据时代的来临,深度人工神经网络在图像的分类和检测、序列学习等领域已取得令人瞩目的成绩,在围棋、星际争霸等竞技游戏中也超越... 详细信息

近年来,以深度神经网络为代表的人工智能得到快速发展,引起社会各界的广泛关注。随着计算能力的提升和大数据时代的来临,深度人工神经网络在图像的分类和检测、序列学习等领域已取得令人瞩目的成绩,在围棋、星际争霸等竞技游戏中也超越了人类的顶尖选手。但是,人们普遍认为,在目前的人工智能与类人的通用智能之间,还存在巨大的能力鸿沟。而大脑作为实现了通用智能的唯一样本,为今后人工智能的发展提供了一个绝佳的参照。本文就大脑智能的两个重要方面,即连续学习和情境学习进行介绍,并结合类脑计算领域相关的最新进展,讨论这一研究方向将如何促进神经网络逐步迈向高适应性通用智能。

关键词：人工神经网络高适应性人工智能情境学习

来源：评论

学校读者我要写书评

暂无评论

声音伪造与防伪检测技术研究

引用

信息技术与标准化 2020年第1期 54-58页

作者：鲍薇温正棋中国电子技术标准化研究院中科院自动化研究所模式识别国家重点实验室

围绕声音伪造与防伪检测技术,首先梳理声音伪造与防伪检测技术的发展脉络,其次分析伪造声音的语音合成和语音转换技术的原理,以及声音防伪检测技术的原理,最后对声音防伪检测技术提出构建大规模真伪声音数据库、进一步挖掘可辨识真伪声... 详细信息

围绕声音伪造与防伪检测技术,首先梳理声音伪造与防伪检测技术的发展脉络,其次分析伪造声音的语音合成和语音转换技术的原理,以及声音防伪检测技术的原理,最后对声音防伪检测技术提出构建大规模真伪声音数据库、进一步挖掘可辨识真伪声音的特征、优化防伪检测模型三点发展建议。

关键词：声音伪造声音防伪检测语音合成语音转换

来源：评论

学校读者我要写书评

暂无评论

基于伪三维卷积神经网络的手势姿态估计

引用

计算机应用研究 2020年第4期37卷 1230-1233,1243页

作者：张宏源袁家政刘宏哲原春锋王雪峤邓智方北京联合大学北京市信息服务工程重点实验室北京100101 北京开放大学北京100081 中国科学院自动化研究所模式识别国家重点实验室北京100190

大多数现有的基于深度学习的手势姿态估计方法都使用标准三维卷积神经网络提取三维特征,估计手部关节坐标。该方法提取的特征缺乏手部的多尺度信息,限制了手势姿态估计的精度。另外,由于三维卷积神经网络巨大的计算成本和内存需求,这些... 详细信息

大多数现有的基于深度学习的手势姿态估计方法都使用标准三维卷积神经网络提取三维特征,估计手部关节坐标。该方法提取的特征缺乏手部的多尺度信息,限制了手势姿态估计的精度。另外,由于三维卷积神经网络巨大的计算成本和内存需求,这些方法常难以满足实时性要求。为了克服这些缺点,提出以空间滤波器和深度滤波器级联的方式模拟三维卷积,减少网络参数量。同时,在各个尺度上提取手势姿态特征并加以整合,充分利用手势的三维信息。实验表明,该方法能有效提高手势姿态估计精度,减小模型尺寸,且在具有单块GPU的计算机上能以超过119 fps的速度运行。

关键词：手势姿态估计伪三维卷积神经网络三维特征深度图像深度学习

来源：评论

学校读者我要写书评

暂无评论

基于3D卷积神经网络的视频哈希算法

引用

计算机应用研究 2020年第3期37卷 887-890,900页

作者：刘玉莹刘宏哲袁家政李兵北京联合大学北京市信息服务工程重点实验室北京100101 北京开放大学北京100081 中国科学院自动化研究所模式识别国家重点实验室北京100190

针对目前相似性视频检索方法中快速性和准确性仍无法满足用户要求等问题,提出了一种基于3D卷积神经网络的视频快速检索方法。该算法将3D卷积神经网络与哈希学习方法结合应用于视频数据,既能快速学习视频时空特征表示,又能极大地缩短视... 详细信息

针对目前相似性视频检索方法中快速性和准确性仍无法满足用户要求等问题,提出了一种基于3D卷积神经网络的视频快速检索方法。该算法将3D卷积神经网络与哈希学习方法结合应用于视频数据,既能快速学习视频时空特征表示,又能极大地缩短视频检索时间。在常用视频数据集上的实验结果表明,利用所提出的方法对视频进行相似性检索性能优于当前主流方法。

关键词：深度学习哈希算法视频检索

来源：评论

学校读者我要写书评

暂无评论

面向智慧城市的交通视频结构化分析前沿进展

引用

中国图象图形学报 2021年第6期26卷 1227-1253页

作者：赵耀田永鸿党建武付树军王恒友万军安高云杜卓然廖理心韦世奎北京交通大学信息科学研究所北京100044 北京大学信息科学技术学院北京100871 兰州交通大学电子与信息工程学院兰州730070 山东大学数学学院济南250100 北京建筑大学理学院北京102616 中国科学院自动化研究所模式识别国家重点实验室北京100190

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市... 详细信息

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市建设的关键。面对高度冗余的交通视频数据,如何高效准确地挖掘和提取结构化信息,实现对重点目标(如人、车、物)的快速检测、识别与检索,是交通视频处理的核心问题——交通视频结构化分析。交通视频结构化分析包括车辆视频结构化分析、人员结构化分析及其行为分析。其中,车辆结构化作为一个复杂的多步骤任务,主要由车辆的检测、车辆的属性(车牌、车型和颜色)识别以及车辆的检索和重识别等子任务构成。人脸结构化和行人结构化是交通视频中行人结构化智能分析中的两个重要研究方向,主要分析人脸或者行人的一些表观属性。行人行为分析是指对行人在复杂交通环境下做出的动作进行识别和预测。本文从交通视频中的车辆、行人及其行为分析等方面,阐述交通视频结构化分析领域的研究热点及前沿进展,汇总比较国内外的相关成果,并对交通视频结构化分析领域的研究进行总结分析与展望。

关键词：交通视频车辆结构化分析行人结构化分析行为结构化分析车辆检测车辆属性识别车辆检索人脸结构化分析

来源：评论

学校读者我要写书评

暂无评论

基于社会多媒体内容的用户建模应用研究

引用

南京信息工程大学学报(自然科学版) 2020年第1期12卷 31-44页

作者：徐常胜黄晓雯钱胜胜方全中国科学院自动化研究所模式识别国家重点实验室中国科学院大学

随着互联网和社会媒体平台的发展,社会媒体吸引着数以亿计的用户参与其中进行创造和分享信息,产生了海量的文本、图像、音频和视频数据.面对这些数量巨大、异构多源、模态复杂的社会多媒体内容数据,如何对其进行有效的内容理解和知识表... 详细信息

随着互联网和社会媒体平台的发展,社会媒体吸引着数以亿计的用户参与其中进行创造和分享信息,产生了海量的文本、图像、音频和视频数据.面对这些数量巨大、异构多源、模态复杂的社会多媒体内容数据,如何对其进行有效的内容理解和知识表示,从而为用户提供更高效、优质的服务,成为实现社会媒体大数据价值的关键.本文对近年来在社会多媒体内容分析、知识提取和表示以及用户建模应用的相关研究展开综述,并针对社会多媒体特征融合、跨模态知识提取与表示,以及基于社会媒体的用户建模相关应用研究三个方面进行详细总结.随后对社会多媒体内容的知识表示和用户建模的研究与应用的发展趋势进行介绍,最后对多媒体知识表示与用户建模研究进行了总结和展望.

关键词：社会多媒体多模态知识表示用户建模

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：