检索结果-南通市图书馆

结合Segformer与增强特征金字塔的文本检测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年

作者：张铭泉张泽恩曹锦纲邵绪强华北电力大学控制与计算机工程学院华北电力大学复杂能源系统智能计算教育部工程研究中心

针对自然场景文本检测算法中的小尺度文本漏检、类文本像素误检以及边缘定位不准确的问题，提出一种基于Segformer和增强特征金字塔的文本检测模型。该模型首先采用基于混合Transformer(mix Transformer， MiT)的编码器生成多尺度特征... 详细信息

针对自然场景文本检测算法中的小尺度文本漏检、类文本像素误检以及边缘定位不准确的问题，提出一种基于Segformer和增强特征金字塔的文本检测模型。该模型首先采用基于混合Transformer(mix Transformer， MiT)的编码器生成多尺度特征图；然后，在具有特征金字塔结构解码器的上采样部分，提出级联融合注意力模块，通过全局平均池化、全局最大池化和Ghost模块获取全局通道信息并保留文本特征；接着，在解码器的特征融合部分提出两级正交融合注意力模块，利用非对称卷积分别从水平和垂直方向进行信息增强；最后，利用可微分二值化对结果进行后处理。将本文方法在ICDAR2015、ShopSign1265和MTWI 3个数据集上进行实验，相比于其他8种方法，本文方法的F值均为最优，分别达到了87.8%、59.1%和74.8%。结果表明，本文方法有效提高了文本检测的准确率。

关键词：文本检测特征金字塔注意力机制 Segformer Ghost模块多尺度特征融合平均池化最大池化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合主题特征的文本情感分析模型

计算机科学 2024年第S01期51卷 159-166页

作者：杨俊哲宋莹陈逸菲南京信息工程大学自动化学院南京210044 无锡学院自动化学院江苏无锡214105

随着大型语言模型的快速发展,如何在保证模型性能的同时减少模型参数量,成为了自然语言处理领的一个重要挑战。然而,现有的参数压缩技术往往难以兼顾模型的稳定性和泛化能力。为此,提出了一种融合主题特征的情感分析新架构,旨在利用主... 详细信息

随着大型语言模型的快速发展,如何在保证模型性能的同时减少模型参数量,成为了自然语言处理领的一个重要挑战。然而,现有的参数压缩技术往往难以兼顾模型的稳定性和泛化能力。为此,提出了一种融合主题特征的情感分析新架构,旨在利用主题信息增强模型对文本情感极性的判断能力。具体而言,采用一种结合LDA和K-means的方法来提取文本的主题特征,并将其作为固定维度的向量与词嵌入进行拼接,得到新的词向量表示。随后使用平均池化技术构建句子级别的表征向量,并输入到一个全连接层进行情感分类。为了验证所提模型的有效性,在公开的情感分析数据集上与多个基准算法进行了对比实验。实验结果表明,所提模型在多个数据集上明显优于ALBERT,准确率提高了约3.5%,在参数量仅有微小增加的情况下维持了较高的稳定性和泛化能力。

关键词：情感分析 ALBERT模型 LDA模型主题特征平均池化

在线全文

学校读者我要写书评

暂无评论

集成句法与情感知识的方面级情感分析模型

计算机应用 2024年

作者：李自亮朱广丽张玉雷刘佳佳焦熠璇张顺香安徽理工大学计算机科学与工程学院合肥综合性国家科学中心人工智能研究院

方面级情感分析（ABSA）是一项细粒度的情感分析任务，旨在分析给定文本中特定方面词的情感极性。现有的ABSA方法采用图卷积网络(GCN)处理句法和语义信息，然而这些方法将方面词的所有句法依赖等同看待，忽略了远距离不相关词对目标方... 详细信息

方面级情感分析（ABSA）是一项细粒度的情感分析任务，旨在分析给定文本中特定方面词的情感极性。现有的ABSA方法采用图卷积网络(GCN)处理句法和语义信息，然而这些方法将方面词的所有句法依赖等同看待，忽略了远距离不相关词对目标方面词的影响，造成目标方面词和观点词权重分配不适宜，且对语义信息提取不充分。针对这一问题，提出一种集成句法与情感知识的方面级情感分析模型。首先,根据句法信息构建可达矩阵，以此为基础，利用方面词进行中心位置赋权构建句法增强图；其次通过外部情感知识和方面增强构建语义增强图，利用图卷积分别对句法增强图和语义增强图进行充分建模形成不同的特征通道，再通过双仿射注意力（biaffine attention）使句法和语义信息更有效地进行交互融合，最后运用平均池化（average-pooling）和拼接操作获取方面词对应的最终特征向量。相较于深度依赖感知图卷积网络（DA-GCN-BERT），所提模型在五个公开数据集上的准确率分别提高了1.71、1.41、1.27、0.17和0.43个百分点。实验结果表明，所提模型在方面级情感分析领域具有很强的适用性。

关键词：自然语言处理方面级情感分析图卷积网络双仿射注意力平均池化

基于改进算法YOLOv5+的混凝土轨枕裂纹检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

铁道标准设计 2024年第4期68卷 70-77,87页

作者：令雅莉杨桂芹张又元王小鹏兰州交通大学电子与信息工程学院兰州730070

基于既有研究成果在对混凝土轨枕裂纹检测效率不足的基础上,提出一种改进算法YOLOv5+,主要以YOLOv5网络模型为基础,对混凝土轨枕裂纹进行高效检测。首先,采用分治标签的策略来增大裂纹在标签中的实际占比,从而解决混凝土轨枕裂纹尺度变... 详细信息

基于既有研究成果在对混凝土轨枕裂纹检测效率不足的基础上,提出一种改进算法YOLOv5+,主要以YOLOv5网络模型为基础,对混凝土轨枕裂纹进行高效检测。首先,采用分治标签的策略来增大裂纹在标签中的实际占比,从而解决混凝土轨枕裂纹尺度变化大的问题,使网络更利于提取有效特征;其次,将YOLOv5网络结构中SPP模块的最大池化层改为平均池化层,减少裂纹漏检的现象;同时,在YOLOv5骨干网络中嵌入SE注意力模块(Squeeze and Excitation,SE)提高对细小裂纹的检测能力;最后,结合新的检测尺度与特征融合网络,降低微小裂纹的漏检现象。实验结果表明,以YOLOv5网络模型为基础的改进算法YOLOv5+,除了召回率Recall变化不大外,精确率Precision提高6.5%,平均精度均值mAP提升8%,帧率FPS也有所提升,能够满足实时性的检测需求。

关键词：混凝土轨枕裂纹检测分治标签平均池化注意力模块 YOLOv5+

在线全文

学校读者我要写书评

暂无评论

基于分形和分理论的分形池化算法

微电子学与计算机 2024年第7期41卷 1-7页

作者：肖莎莎高哲贾凯焦芷媛柴浩宇辽宁大学数学与统计学院辽宁沈阳110036 辽宁大学轻型产业学院辽宁沈阳110036

传统池化操作既不能客观地评价池化区域中数据之间的差异性,也不能有效地保留池化区域中鉴别性特征。为解决这类问题,提出了一种基于分形和分理论,且能够根据每个特征图各通道中数据间的差异性,自行地选择最优池化策略的分形池化算法。... 详细信息

传统池化操作既不能客观地评价池化区域中数据之间的差异性,也不能有效地保留池化区域中鉴别性特征。为解决这类问题,提出了一种基于分形和分理论,且能够根据每个特征图各通道中数据间的差异性,自行地选择最优池化策略的分形池化算法。首先,引入分形和分的定义,构造分形池化算子和训练误差的反向传播算法。该算子不仅包括最大池化、平均池化,还能够降低训练误差。然后,在算法实现的过程中,根据每个特征图各通道中数据间的差异性自适应地整定阶次,以确定池化区域中每个数据的训练权重。最后,在不同数据集和不同架构上进行了大量分类性能实验,验证了所提出的方法比传统池化方法和混合池化都取得了更好的分类效果。

关键词：分形和分最大池化平均池化分形池化分类

在线全文

学校读者我要写书评

暂无评论

基于Sobel算子的池化算法设计

科学技术与工程 2023年第3期23卷 1145-1151页

作者：冯松松王斌君中国人民公安大学信息网络安全学院北京100038

池化算法是卷积神经网络中用于特征降维、参数压缩、扩大感受野的重要一层。针对现有的池化方法没有充分考虑到池化前特征图的整体内容及风格特征分布问题,提出了一种通过Sobel算子对卷积后的特征图计算每个特征点的梯度值,并根据梯度... 详细信息

池化算法是卷积神经网络中用于特征降维、参数压缩、扩大感受野的重要一层。针对现有的池化方法没有充分考虑到池化前特征图的整体内容及风格特征分布问题,提出了一种通过Sobel算子对卷积后的特征图计算每个特征点的梯度值,并根据梯度值分布确定每个池化窗口取最大值、均值或者最小值的池化算法。该算法充分考虑了特征图池化前后的整体内容及风格特征分布,保持了特征图的整体不变性。实验表明,该池化算法在VGG、ResNet等经典网络架构上取得了优异性能,具有普适性,可用来替代常用的最大池化、平均池化。

关键词：卷积神经网络最大池化平均池化最小池化 Sobel算子

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的语音识别研究

基于卷积神经网络的语音识别研究

作者：杨颖华南理工大学

学位级别：硕士

“人工智能”“深度学习”等词汇自从2016年3月AlphaGo战胜人类围棋高手李世石后,就走入了大众的视野。“学习”,就是利用以往的经验对未知的情况作出有理有据的判断。现在,计算机被赋予了要像人类一样能对接触到的环境和事物具有识别... 详细信息

“人工智能”“深度学习”等词汇自从2016年3月AlphaGo战胜人类围棋高手李世石后,就走入了大众的视野。“学习”,就是利用以往的经验对未知的情况作出有理有据的判断。现在,计算机被赋予了要像人类一样能对接触到的环境和事物具有识别判断的能力要求。深度学习的目的就是研究探索生物的神经网络结构,进而可以模仿人脑感知外部音视频刺激的方法。作为人机交互的重要技术,语音识别与控制成为了人工智能领域的研究重点之一。纵观语音识别技术的发展历程,从基于隐马尔可夫框架的传统声学建模方式,到神经网络在此领域的应用,识别准确率得到了稳步的提升。在进行语音识别的神经网络中,具有代表性的有循环神经网络、长短期记忆网络和卷积神经网络。相比其他神经网络来说,卷积神经网络在结构上更接近于生物神经网络,它的网络结构对平移、缩放等变形均具有高度不变性,同时还有权值共享的特点,在图像识别中被普遍应用。本文将卷积神经网络引用至语音识别中,具体开展了以下工作:1、使用卷积神经网络对语音信号进行识别,并利用卷积层这个特殊层,也就是特征提取层进行语音特征的提取与处理,大大提高语音特征提取的速度与效果。2、在LeNet-5的基础上进行了网络改造,构造了两个网络模型。第一个模型包含输入层,两层卷积层,两层池化层,一层全连接层和包含Softmax和交叉熵函数的输出层的七层卷积神经网络模型;第二个模型是在第一个模型的基础上,多加了一层卷积层和一层池化层的九层卷积神经网络模型。通过适配激活函数、优化学习率和步长,对两个模型的同一样本集的识别准确率进行了测试和对比。3、加入了改进的Dropout策略。本文改进的随机稀疏度Dropout策略与Dropout策略的不同之处在于,每次训练的时候是按随机比例将部分神经元“丢弃”,而不是按照固定比例“丢弃”,以防过多携带重要特征的神经元的激活值被置零。经过实验数据对比后可见随机稀疏度Dropout策略比传统的Dropout策略对提升网络模型性能有更好的作用,能提高模型的泛化能力。4、提出了使用平均池化层对特征进行平滑处理的想法。本文在模型最后的池化层中,先使用极大池化,再使用一次平均池化将待输出的语音特征做平滑化处理,预期达到减少输入至全连接层参数的目的。经过实验数据对比后可见,使用平均池化层对特征进行平滑处理的方式,能有效提升网络模型在测试集上的准确率。

关键词：语音识别卷积神经网络 Dropout 平均池化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于BERT和池化操作的文本分类模型

计算机与现代化 2022年第6期 1-7页

作者：张军邱龙龙东华理工大学软件学院江西南昌330013 东华理工大学信息工程学院江西南昌330013

使用预训练语言模型的微调方法在以文本分类为代表的许多自然语言处理任务中取得了良好的效果,尤其以基于Transformer框架的BERT模型为典型代表。然而,BERT直接使用[CLS]对应的向量作为文本表征,没有从全局和局部考虑文本的特征,从而限... 详细信息

使用预训练语言模型的微调方法在以文本分类为代表的许多自然语言处理任务中取得了良好的效果,尤其以基于Transformer框架的BERT模型为典型代表。然而,BERT直接使用[CLS]对应的向量作为文本表征,没有从全局和局部考虑文本的特征,从而限制了模型的分类性能。因此,本文提出一种引入池化操作的文本分类模型,使用平均池化、最大池化以及K-MaxPooling等池化方法从BERT输出矩阵中提取文本的表征向量。实验结果表明,与原始的BERT模型相比,本文提出的引入池化操作的文本分类模型具有更好的性能,在实验的所有文本分类任务中,其准确率和F1-Score值均优于BERT模型。

关键词：文本分类分类模型 BERT 平均池化最大池化 K-MaxPooling

基于轻量型PSPNet的道路场景语义分割算法

在线全文

学校读者我要写书评

暂无评论

信息与电脑 2022年第19期34卷 70-73页

作者：张绪德唐厚炳凯里学院贵州凯里556011

随着城市道路变得越来越复杂,实现道路场景图像在像素级别上的分类成为自动驾驶研究的基础。道路场景中对于外界因素如光照、遮挡、尺寸会使得目标物体与图片上差异较大,对语义分割有着更高要求。选用基于金字塔池化模块(Pyramid Scene ... 详细信息

随着城市道路变得越来越复杂,实现道路场景图像在像素级别上的分类成为自动驾驶研究的基础。道路场景中对于外界因素如光照、遮挡、尺寸会使得目标物体与图片上差异较大,对语义分割有着更高要求。选用基于金字塔池化模块(Pyramid Scene Parseing Network,PSPNet)语义分割算法进行道路场景分割,在进行特征提取时选择使用深度可分离卷积、残差边模块轻量型的MobileNetV2网络,得到特征图经过PSP模块时平均池化分成4个区域,区域大小为1×1、2×2、3×3以及6×6,将4个区域结果统一尺寸,并输入PSP模块特征图做堆叠,最终分割出每个像素代表类别。实验结果表明,使用PSPNet模型能够有效对道路场景进行语义分割。

关键词：语义分割平均池化深度可分离卷积