检索结果-内蒙古大学图书馆

计算机应用与软件 2024年第10期41卷 197-201页

作者：孟令源孙哲刘扬赵振李永伟青岛科技大学信息科学技术学院山东青岛266100 中国科学院自动化研究所模式识别国家重点实验室北京100089

针对基于时间序列的语音情感识别方法难以计算情感帧携带的情感信息量的问题,提出一种局部注意力机制(LAM)和结合连接主义时间分类(CTC)融合的语音情感识别模型(LAM-CTC)。提取VGFCC情感特征作为共享编码器的输入;CTC层最小化代价损失... 详细信息

针对基于时间序列的语音情感识别方法难以计算情感帧携带的情感信息量的问题,提出一种局部注意力机制(LAM)和结合连接主义时间分类(CTC)融合的语音情感识别模型(LAM-CTC)。提取VGFCC情感特征作为共享编码器的输入;CTC层最小化代价损失并预测情感类别,LAM层使用局部注意力机制计算上下文向量;通过解码器对上下文向量进行解码;通过平均值法将解码结果融合得到情感预测结果。实验结果表明,提出的模型在IEMOCAP数据集上的UAR和WAR分别达到了68.1%和68.3%。

关键词：语音情感识别注意力机制 CTC VGFCC IEMOCAP

来源：评论

学校读者我要写书评

暂无评论

部位级遮挡感知的人体姿态估计

引用

计算机研究与发展 2022年第12期59卷 2760-2769页

作者：褚真米庆马伟徐士彪张晓鹏北京工业大学信息学部北京100124 北京邮电大学人工智能学院北京100876 模式识别国家重点实验室(中国科学院自动化研究所) 北京100190

随着深度学习的快速发展,人体姿态估计技术近年来取得显著进步,但是现有方法仍难以较好地处理普遍存在的遮挡问题.针对此问题,提出一种部位级遮挡感知的人体姿态估计方法.首先,采用基准人体姿态估计网络从含遮挡噪声的图像中获得各人体... 详细信息

随着深度学习的快速发展,人体姿态估计技术近年来取得显著进步,但是现有方法仍难以较好地处理普遍存在的遮挡问题.针对此问题,提出一种部位级遮挡感知的人体姿态估计方法.首先,采用基准人体姿态估计网络从含遮挡噪声的图像中获得各人体部位的带噪声特征表达.然后,通过遮挡部位预测模块估计人体被遮挡部位,从而获得可见性向量.遮挡部位预测模块由遮挡部位分类网络和可见性编码器组成,前者预测关节点的遮挡状态,后者利用注意力机制将遮挡状态转换为一组权重.最后,通过通道重加权方式融合可见性向量和带噪声特征,获得部位级遮挡感知的人体部位相关特征,用于计算关节点热图.在MPII和LSP(leeds sports pose)数据集上的实验结果表明,相比基准姿态估计网络,该方法能够在较小的额外计算代价下更好地应对遮挡问题,并且取得了比目前先进方法更佳的结果.

关键词：人体姿态估计人体关节点检测遮挡推理通道注意力机制多任务学习

来源：评论

学校读者我要写书评

暂无评论

自顶向下导引式特征融合的物体轮廓检测网络

引用

计算机辅助设计与图形学学报 2021年第6期33卷 855-863页

作者：马伟龚超凡徐士彪张晓鹏北京工业大学信息学部北京100124 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

针对现有方法所得物体轮廓位置欠准确、线条粗、乱等问题,提出自顶向下导引式逐层融合的物体轮廓检测网络.首先采用常用卷积神经网络作为主干网络提取不同尺度特征;鉴于低层特征中边缘位置准确但包含较多非轮廓噪声,而高层特征更有助于... 详细信息

针对现有方法所得物体轮廓位置欠准确、线条粗、乱等问题,提出自顶向下导引式逐层融合的物体轮廓检测网络.首先采用常用卷积神经网络作为主干网络提取不同尺度特征;鉴于低层特征中边缘位置准确但包含较多非轮廓噪声,而高层特征更有助于区分轮廓和非轮廓,自顶向下逐渐融合相邻尺度特征,借助高层特征强化轮廓边缘并抑制非轮廓噪声;最后提出改进的2分类交叉熵损失函数,训练网络生成物体轮廓.在PyTorch环境下,用公开数据集SBD测试所提出网络.量化和可视化实验结果表明,相比现有方法,该网络所得物体轮廓位置更准确、线条更细、更干净.

关键词：物体轮廓检测细轮廓卷积神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

基于四元数门控图神经网络的脚本事件预测

引用

智能系统学报 2023年第1期18卷 138-143页

作者：车飞虎张大伟邵朋朋杨国花刘通陶建华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 中国科学院大学人工智能学院北京100049 中国科学院脑科学与智能技术卓越中心北京100190

脚本事件预测需要考虑两类信息来源:事件间的关联与事件内的交互。针对于事件间的关联,采用门控图神经网络对其进行建模。而对于事件内的交互,采用四元数对事件进行表征,接着通过四元数的哈密顿乘积来捕捉事件4个组成部分之间的交互。... 详细信息

脚本事件预测需要考虑两类信息来源:事件间的关联与事件内的交互。针对于事件间的关联,采用门控图神经网络对其进行建模。而对于事件内的交互,采用四元数对事件进行表征,接着通过四元数的哈密顿乘积来捕捉事件4个组成部分之间的交互。提出结合四元数和门控图神经网络来学习事件表示,它既考虑了外部事件图的交互作用,又考虑了事件内部的依赖关系。得到事件表示后,利用注意机制学习上下文事件表示和每个候选上下文表示的相对权值。然后通过权重计算上下文事件表示的和,再计算其与候选事件表示的欧氏距离。最后选择距离最小的候选事件作为正确的候选事件。在纽约时报语库上进行了实验,结果表明,通过多项选择叙事完形填空评价,本文的模型优于现有的基线模型。

关键词：四元数门控图神经网络事件表示脚本事件预测注意力机制事理图谱图神经网络事件交互

来源：评论

学校读者我要写书评

暂无评论

基于多尺度注意力机制的场景文本擦除

引用

模式识别与人工智能 2022年第7期35卷 614-624页

作者：何平张恒刘成林安徽大学计算机科学与技术学院合肥230601 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 中国科学院大学人工智能学院北京100049

自然场景文本擦除技术可应用在图像通信中的隐私保护、图像编辑等领域,然而现阶段的场景文本擦除在面对背景复杂、文本尺度变化较大的场景图像时,难以提取鲁棒的文本特征,出现文本检测不全、背景修复不完整等问题.针对上述问题,文中提... 详细信息

自然场景文本擦除技术可应用在图像通信中的隐私保护、图像编辑等领域,然而现阶段的场景文本擦除在面对背景复杂、文本尺度变化较大的场景图像时,难以提取鲁棒的文本特征,出现文本检测不全、背景修复不完整等问题.针对上述问题,文中提出基于多尺度注意力机制的场景文本擦除框架.该框架主要由背景修复网络和文本检测网络共同组成,它们共享一个主干网络.在背景修复网络中,设计纹理自适应模块,从原始特征的通道和空间两个维度进行特征编码,自适应地集成局部特征与全局特征,有效修复因重构文本区域而导致的阴影部分.在文本检测网络中,设计上下文感知模块,学习图像中文本区域和非文本区域之间的判别关系,有效区分文本区域和非文本区域,提升文本检测的效果.此外,为了增强网络的感受野,改进不同尺度文本的擦除效果,提出多尺度特征损失函数,同时优化背景修复网络和文本检测网络.SCUT-SYN、SCUT-EnsText数据集上的实验表明,文中框架可取得较优的文本擦除性能.

关键词：场景文本擦除文本分割注意力机制多尺度特征端到端方法

来源：评论

学校读者我要写书评

暂无评论

基于单幅图像学习景深的古建局部三维重建和精度评测

引用

激光与光电子学进展 2022年第14期59卷 216-225页

作者：胡立华阴文庄邢思远张继福董秋雷胡占义太原科技大学计算机科学与技术学院山西太原030024 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

主要探索当前无监督框架下基于单幅图像学习景深的方法,研究该方法是否能有效应对古建图像固有的结构和纹理重复现象,以及能否达到古建存档要求的厘米级重建精度。具体地,将结构光深度相机获取的数据作为真值,通过直接比较深度图和三维... 详细信息

主要探索当前无监督框架下基于单幅图像学习景深的方法,研究该方法是否能有效应对古建图像固有的结构和纹理重复现象,以及能否达到古建存档要求的厘米级重建精度。具体地,将结构光深度相机获取的数据作为真值,通过直接比较深度图和三维点云,比较在双目相机固定的图像获取方式下和在单相机运动的图像获取方式下基于单幅图像学习景深的精度差异。实验结果表明,尽管因结构和纹理重复现象的存在基于多幅图像的三维重建是一个困难的问题,但对基于单幅图像学习景深的影响一般并不明显。另外,尽管基于单幅图像学习景深在很多公开的室内和室外数据集上均取得了与激光扫描相媲美的精度,但对古建三维重建而言,目前仍难以达到古建数字化存档要求的厘米级重建精度。后续需要进一步探索提高重建精度的途径,特别是基于模型先验约束的方法。

关键词：机器视觉古建景深学习精度评估三维重建

来源：评论

学校读者我要写书评

暂无评论

多通道运动特征融合的微表情识别方法

引用

计算机辅助设计与图形学学报 2021年第9期33卷 1457-1465页

作者：佘文祥刘斌陶建华张昊吕钊安徽大学多模态认知计算安徽省重点实验室合肥230601 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

针对已有的微表情识别中由于微表情变化幅度不明显,导致细微特征容易在学习过程中丢失,从而使模型的性能受到限制的问题,提出一种基于运动特征的微表情识别方法.首先分析变化幅度相对明显的区域对微表情识别的影响,根据生理学研究对微... 详细信息

针对已有的微表情识别中由于微表情变化幅度不明显,导致细微特征容易在学习过程中丢失,从而使模型的性能受到限制的问题,提出一种基于运动特征的微表情识别方法.首先分析变化幅度相对明显的区域对微表情识别的影响,根据生理学研究对微表情变化相对活跃区域进行局部切割,并使用并行神经网络分别对局部区域和全局区域提取特征;然后采用一种能够提取特征级运动信息的运动特征提取模块从空间特征图中学习到运动特征,将运动特征和空间特征进行聚合,以减少细微特征的丢失;最后将局部特征和全局的聚合特征组合成新的混合特征用于微表情识别.实验结果表明,在MEGC 2019数据集(包含CASME II,SMIC和SAMM)上,未加权F1分数和未加权平均召回率的结果分别为81.81%和79.01%,与MEGC 2019最好的方法相比分别提高了2.96%和0.77%,该方法具有更好的识别性能.

关键词：微表情识别动作特征提取神经网络局部特征特征聚合

来源：评论

学校读者我要写书评

暂无评论

基于动态稀疏和特征学习增强的模型剪枝

引用

中国科学：技术科学 2022年第5期52卷 667-681页

作者：阮晓峰胡卫明刘雨帆李兵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 中国科学院大学人工智能学院北京100049 中国科学院脑科学与智能技术卓越创新中心上海200031

为了减轻深度学习算法在实际应用中庞大的参数量和繁重的计算量,剪枝已经被广泛地应用在模型压缩任务中.然而,大多数剪枝方法仅仅利用已经训练好的模型参数作为训练的初始参数,而模型本身的特征信息没有被利用.为此,本文提出了一种基于... 详细信息

为了减轻深度学习算法在实际应用中庞大的参数量和繁重的计算量,剪枝已经被广泛地应用在模型压缩任务中.然而,大多数剪枝方法仅仅利用已经训练好的模型参数作为训练的初始参数,而模型本身的特征信息没有被利用.为此,本文提出了一种基于模型特征学习增强的动态剪枝方法,在训练过程中,提出的方法不需要数据集类别标签.一方面,本文利用基准模型(训练好的模型)输出的预测类别信息和中间层特征作为监督信息指导压缩子模型的任务学习,增强了压缩模型学习基准模型特征的能力;另一方面,本文利用不同压缩子模型的输出信息互相学习,增强了压缩子模型之间特征学习的能力.此外,本文使用一种动态的结构化稀疏正则方式,仅仅在预期稀疏的参数上施加正则,同时使用基于泰勒级数的通道敏感性准则确定预期稀疏参数.在优化过程中,本文使用动态稀疏的迭代阈值收缩算法(iterative shrinkage-thresholding algorithm,ISTA)求解器解决了约束剪枝率的优化问题.模型训练结束后,提出的方法直接移除冗余的参数,剪枝后的模型不需要微调.在多个网络结构和数据集下,本文提出的方法均获得了很好的压缩性能.

关键词：深度卷积神经网络模型压缩特征学习剪枝结构化稀疏

来源：评论

学校读者我要写书评

暂无评论

基于对偶变分多模态注意力网络的不完备社会事件分类方法

引用

计算机科学 2022年第9期49卷 132-138页

作者：周旭钱胜胜李章明方全徐常胜郑州大学河南先进技术研究院郑州450000 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

互联网的快速发展和社交媒体规模的不断扩大,带来丰富的社会事件资讯,社会事件分类任务越来越具有挑战性。充分利用图像级和文本级信息是社会事件分类的关键所在。然而,现存的方法大多存在以下局限性:1)现有的多模态方法大多都有一个理... 详细信息

互联网的快速发展和社交媒体规模的不断扩大,带来丰富的社会事件资讯,社会事件分类任务越来越具有挑战性。充分利用图像级和文本级信息是社会事件分类的关键所在。然而,现存的方法大多存在以下局限性:1)现有的多模态方法大多都有一个理想的假设,即每种模态的样本都是充分和完整的,但在实际生活应用中这个假设并不总是成立,会存在事件某个模态缺失的情况;2)大部分方法只是简单地将社会事件的图像特征和文本特征串联起来,以此得到多模态特征来对社会事件进行分类,忽视了模态之间的语义鸿沟。为了应对这些挑战,提出了一种能同时处理完备与不完备社会事件分类的对偶变分多模态注意力网络(DVMAN)。在DVMAN网络中,提出了一个新颖的对偶变分自编码器网络来生成社会事件的公共表示,并进一步重构不完备社会事件学习中缺失的模态信息。通过分布对齐和交叉重构对齐,对图像和文本潜在表示进行双重对齐,以减小不同模态之间的差距,并对缺失的模态信息进行重构,合成其潜在表示。除此之外,设计了一个多模态融合模块对社会事件的图像和文本细粒度信息进行整合,以此实现模态之间信息的互补和增强。在两个公开的事件数据集上进行了大量的实验,与现有先进方法相比,DVMAN的准确率提升了4%以上,证明了所提方法对于社会事件分类的优越性能。

关键词：多模态社会事件分类社交媒体不完备数据学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的眼周识别方法研究

引用

计算机应用与软件 2024年第6期41卷 186-193页

作者：秦涛王云龙孙哲南周琬婷湖南工业大学计算机学院湖南株洲412007 中国科学院自动化研究所模式识别国家重点实验室智能感知与计算研究中心北京100190 中国科学院大学人工智能学院北京100049

为了提高眼周识别性能,提出一种基于深度卷积神经网络的眼周识别方法(PeriocularNet)。PeriocularNet具有16层卷积神经网络,融入了残差学习模块,使用了ArcFace损失函数;在训练策略上引入数据增强,以解决训练过程中产生的过拟合。在UBIPr... 详细信息

为了提高眼周识别性能,提出一种基于深度卷积神经网络的眼周识别方法(PeriocularNet)。PeriocularNet具有16层卷积神经网络,融入了残差学习模块,使用了ArcFace损失函数;在训练策略上引入数据增强,以解决训练过程中产生的过拟合。在UBIPr、UBIRIS.V2数据集上进行实验,实验结果表明所提方法的识别EER值分别达到1.9%和7.9%,相较于经典的眼周识别方法取得了更好的眼周识别性能。另外,为了验证端到端的眼周识别方法中眉毛区域特征对眼周识别性能的影响,建立两个涉及三种眉毛形态的眼周数据集。通过实验验证,保持眉毛区域特征不变的眼周数据识别EER比其他两种去掉眉毛特征的情况更低,表明眉毛区域特征能够提高眼周识别性能。

关键词：生物特征识别眼周识别深度学习卷积神经网络眉毛区域

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：