检索结果-南通市图书馆

顾及上下文语义与局部特征的高分辨率遥感影像建筑物提取研究

在线全文

学校读者我要写书评

暂无评论

顾及上下文语义与局部特征的高分辨率遥感影像建筑物提取研究

作者：张文焯山东建筑大学

学位级别：硕士

随着城市化建设的不断加快,可持续发展的建设思路逐渐成为主旋律。其中,建筑物是城市发展的重要标志。建筑物的自动提取在城市规划、国防建设、土地利用变化监测、灾害监测预警等方面发挥着至关重要的作用,对智慧城市建设具有重要的参... 详细信息

随着城市化建设的不断加快,可持续发展的建设思路逐渐成为主旋律。其中,建筑物是城市发展的重要标志。建筑物的自动提取在城市规划、国防建设、土地利用变化监测、灾害监测预警等方面发挥着至关重要的作用,对智慧城市建设具有重要的参考价值。随着遥感影像分辨率达到亚米级,越来越精细的建筑物结构、纹理和光谱信息得以获取,高分辨率遥感影像成为建筑物提取的重要数据源之一。但是,高分辨率遥感影像的类内方差较大而类间方差较小,导致手工设计分类特征存在困难。同时,由于地表建筑物的复杂性,使得准确、自动地提取建筑物成为一项具有挑战性的任务。随着深度学习技术在自然图像处理领域显示出强大的优势,越来越多的研究者尝试将深度学习技术应用于遥感影像分析领域。深度学习技术强大的特征提取能力可以获得图像的抽象表示,有助于获取更深层次的建筑物语义信息,得到更精确的建筑物提取结果。但是,当前基于深度学习的建筑物提取方法仍然存在以下问题:第一,传统卷积神经网络的逐像素预测对像素之间关系利用不够,导致现有模型提取规则建筑物存在分割结果不连续等问题;第二,传统卷积神经网络缺乏全局依赖关系,导致现有模型提取不规则建筑物时存在边界模糊或边界噪声等问题;第三,传统卷积神经网络对特征的自适应聚合能力不足,导致现有模型识别小型建筑物时完整性不足。针对上述提到的问题,本文基于融合上下文语义和局部特征的思想指导,提出了相应的解决方案:(1)针对现有模型提取规则建筑物存在分割结果不连续等问题,本文提出了一种融合空洞空间金字塔池化和跳跃连接的生成对抗分割网络(ASGASN)。该方法的核心是基于对抗训练策略来加强关注像素之间的关系,提高建筑物提取结果的连续性。同时,该方法引入深度可分离卷积和全局卷积提高模型的分类和定位精度,并使用空洞空间金字塔模块增强模型对不同尺度建筑物的感知能力。基于以上策略,本方法拥有比传统神经网络更准确的规则建筑物提取能力。(2)针对现有模型提取不规则建筑物时存在边界模糊或边界噪声等问题,本文提出了一种结合深度全卷积网络和图卷积的建筑物图卷积网络(BGC-Net)。该方法的核心是提出一种双重图卷积模块,它可以对空间和通道中的上下文信息进行建模,从而获取全局依赖关系。同时,该方法构建了空洞注意力金字塔模块,将注意力机制嵌入到金字塔结构更准确地获得建筑物的多尺度特征。得益于全局依赖关系的指导以及多尺度特征的获取,本方法可以获得更加清晰、准确的不规则建筑物边界。(3)针对现有模型识别小型建筑物完整性不足等问题,本文提出了一种融合双注意力机制的多尺度建筑物分割网络(SCA-Net)。该方法的核心是嵌入空间和通道注意力机制模块,进而自适应地聚合建筑物特征。同时,该方法提出了一种密集连接特征金字塔模块,它可以实现大感受野下的密集空间采样,从而获取更大范围的建筑物多尺度特征。与传统神经网络相比,本方法可以自适应聚合建筑物特征,得到了更完整的小型建筑物提取结果。本文基于WHU建筑物数据集和中国典型城市建筑物实例数据集对提出的三种方法进行了实验验证。结果表明:本文提出的三种方法在两个数据集上的整体精度都在0.925以上,均能有效解决对应的问题。其中,基于ASGASN的建筑物提取方法在两个数据集上的规则建筑物提取精度最高;基于BGC-Net的建筑物提取方法提取得到的不规则建筑物边缘更规整、更清晰;基于SCA-Net的建筑物提取方法可以获得更完整的小型建筑物。本文针对建筑物提取时存在的问题提出了相应的解决方案,为基于上下文语义的建筑物提取方法探索了新的途径,为遥感大数据时代下的地学智能解译提供了理论参考。

关键词：建筑物提取高分辨率遥感影像上下文语义局部特征深度学习技术

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

基于上下文语义约束的汉字图像修复研究

基于上下文语义约束的汉字图像修复研究

作者：王家豪天津大学

学位级别：硕士

当前通用自然图像修复技术趋于成熟,但往往不适用于汉字图像修复问题,容易生成非汉字、伪汉字或形近字,主要原因为:(1)现有方法局限于单张图像的纹理修复,没有考虑汉字本身的字形结构和上下文关系;(2)缺乏用于监督训练、且能覆盖多种场... 详细信息

当前通用自然图像修复技术趋于成熟,但往往不适用于汉字图像修复问题,容易生成非汉字、伪汉字或形近字,主要原因为:(1)现有方法局限于单张图像的纹理修复,没有考虑汉字本身的字形结构和上下文关系;(2)缺乏用于监督训练、且能覆盖多种场景的汉字图像数据集。本文从语义特征辅助视觉特征的角度开展研究工作,首先设计了基于语义引导的汉字图像数据集,通过形态各异的掩模生成具有不同缺损的手写和打印文字图像,同时利用文本标签关联图像上下文。其次,文中提出了一个基于多分类判别的汉字图像修复模型,该模型基于生成对抗网络(Generative Adversarial Network,GAN)思想,通过结合分类与判别机制准确还原笔画结构和内容语义,避免产生伪汉字。考虑到当图像缺损严重时,模型可能无法学习字形特征,还需额外借助上下文信息指导,为此,本文改进并设计了基于上下文语义约束的汉字图像修复算法,通过引入全局语义监督模块(Global Semantic Supervising Module,GSSM)规范字形表达。该算法整体以GAN结构作为修复模块,以BERT模型生成的全局语义向量作为指导约束,受损图像在重建时可以参考上下文信息弥补自身内容,使得生成结果更加逼真的同时维持正确的上下文语义,避免产生形近字。本研究对上述方法在手写和打印汉字图像上进行了评价,通过与现有方法的实验对比,发现在不需要任何掩码先验的情况下,文中方法准确修复了汉字缺失的内容信息,形成了句子级语义。

关键词：汉字图像修复生成对抗网络上下文语义全局语义监督

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

一种结合上下文语义的短文本聚类算法

计算机科学 2016年第S2期43卷 443-446,450页

作者：张群王红军王伦文电子工程学院合肥230037

短文本因具有特征信息不足且高维稀疏等特点,使得传统文本聚类算法应用于短文本聚类任务时性能有限。针对上述情况,提出一种结合上下文语义的短文本聚类算法。首先借鉴社会网络分析领域的中心性和权威性思想设计了一种结合上下文语义的... 详细信息

短文本因具有特征信息不足且高维稀疏等特点,使得传统文本聚类算法应用于短文本聚类任务时性能有限。针对上述情况,提出一种结合上下文语义的短文本聚类算法。首先借鉴社会网络分析领域的中心性和权威性思想设计了一种结合上下文语义的特征词权重计算方法,在此基础上构建词条-文本矩阵;然后对该矩阵进行奇异值分解,进一步将原始特征词空间映射到低维的潜在语义空间;最后通过改进的K-means聚类算法在低维潜在语义空间完成短文本聚类。实验结果表明,与传统的基于词频及逆向文档频权重的文本聚类算法相比,该算法能有效改善短文本特征不足及高维稀疏性,提高了短文的本聚类效果。

关键词：短文本聚类上下文语义奇异值分解 K均值算法

在线全文

学校读者我要写书评

暂无评论

基于上下文语义的文本情感分类研究

基于上下文语义的文本情感分类研究

作者：赵乐桂林理工大学

学位级别：硕士

社会化媒体,即网络社交媒体,是人们可以分享彼此观点、经验和见解等的工具或平台。如何对评论文本进行分类,提取出其中的有效信息,情感分类技术尤为重要。本研究旨在更好地捕获上下文语义信息,提取上下文语义特征,进一步提高情感分类效... 详细信息

社会化媒体,即网络社交媒体,是人们可以分享彼此观点、经验和见解等的工具或平台。如何对评论文本进行分类,提取出其中的有效信息,情感分类技术尤为重要。本研究旨在更好地捕获上下文语义信息,提取上下文语义特征,进一步提高情感分类效果,为此,在前人研究的基础上提取上下文语义特征,对特征向量进行改进,用以提高文本情感分类效果。首先,构建情感词典资源,包括基本情感词典、网络情感新词词典、否定词词典、连词词典、程度副词词典和停用词词典。前人对情感词研究较多,而对标点符号在文本中的情感作用研究较少,本文归纳了标点符号在文本中的情感作用,构建了情感符号词典,设置相应的权值。对基础词典进行扩展,通过研究,给出一种基于Simple Good-Turing平滑的SO-PMI情感词典扩展算法,构建扩展情感词集1;同时,结合Word2Vec词向量工具计算语义相似度得到扩展情感词集2;最后结合两种方法构建的扩展情感词典,进行融合、去重,人工筛选后,构建扩展情感词典。通过实验仿真表明,构建的情感词典是有效的。然后,研究句子级情感分类,提取情感单元,构建句子情感向量。根据句子是由多个不同词性和符号的组合构建而成这一特性,构建了5项情感单元,包括诸如连词、否定词、程度副词、情感词和情感符号等在内的上下文语义信息。在句子向量化中,利用Word2Vec工具对预处理后的句子进行向量表示,结合构建的情感单元,调整原词向量以获得句子情感向量,使用基于注意力机制的双向长短期记忆网络模型进行句子级情感分类。实验结果表明,该方法有效地提高了句子级情感分类。最后,结合句子级情感分类研究,展开篇章级情感分类。首先使用Doc2Vec模型将篇章进行向量化,结合句子情感倾向和句子位置等上下文语义特征对篇章向量进行调整,得到篇章级情感向量,将基于注意力机制的双向长短期记忆网络模型用于篇章级情感分类。实验结果表明,该方法有效地提高了篇章级情感分类。

关键词：上下文语义情感分类情感向量注意力机制双向长短期记忆模型

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

基于上下文语义的社交网络用户人格预测

中南民族大学学报（自然科学版） 2020年第3期39卷 289-294页

作者：王江晴陈思敏刘晶孙翀毕建权中南民族大学计算机科学学院湖北省制造企业智能管理工程技术研究中心武汉430074

在利用文本信息预测用户大五人格的普遍方法中,对于文本特征的提取未充分考虑上下文语义信息,存在对语义特征提取不够精准的问题.针对该问题,提出了一种结合深度学习与上下文语义的方法:在TF-IDF中加入单词的上下文语义信息来计算单词权... 详细信息

在利用文本信息预测用户大五人格的普遍方法中,对于文本特征的提取未充分考虑上下文语义信息,存在对语义特征提取不够精准的问题.针对该问题,提出了一种结合深度学习与上下文语义的方法:在TF-IDF中加入单词的上下文语义信息来计算单词权值,然后结合基于文本的卷积神经网络模型和由单词权值构成的上下文语义特征向量进行用户大五人格预测.实验数据使用Facebook中myPersonality应用的用户社交记录,实验结果表明:将文本上下文语义加入到深度学习预测模型后,人格预测的准确率有所提高.

关键词：人格预测大五人格上下文语义深度学习社交网络

在线全文

学校读者我要写书评

暂无评论

基于听说知识融合网络的多模态对话情绪识别

控制与决策 2024年第6期39卷 2031-2040页

作者：刘琴谢珺胡勇郝戍峰郝雅卉太原理工大学信息与计算机学院太原030024 北京航空航天大学新媒体艺术与设计学院北京100191 太原理工大学大数据学院太原030024

多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的... 详细信息

多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的捕捉.为解决该问题,提出一种基于听说知识融合网络的多模态对话情绪识别模型(LSKFN),引入与倾听者和说话者相关的外部常识知识,实现多模态上下文信息和知识信息的有机融合.LSKFN包含多模态上下文感知、听说知识融合、情绪信息汇总和情绪决策4个阶段,分别用于提取多模态上下文特征、融入听说知识特征、消除冗余特征和预测情绪分布.在两个公开数据集上的实验结果表明,与其他基准模型相比,LSKFN能够为目标话语提取到更加丰富的情绪特征,并且获得较好的对话情绪识别效果.

关键词：情感计算对话情绪识别多模态特征外部常识知识上下文语义知识特征融合

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

结合三维交互注意力与语义聚合的表情识别

计算机工程与应用 2024年第6期60卷 238-248页

作者：王广宇罗晓曙徐照兴丰芳宇许江杰广西师范大学电子与信息工程学院广西桂林541004 江西服装学院大数据学院南昌330201

针对传统卷积网络难以有效整合不同阶段人脸面部表情的特征、存在特征表征瓶颈以及无法高效利用上下文语义等问题,提出了一种结合三维交互注意力与语义聚合的面部表情识别方法。在秩扩展(ReXNet)网络的基础上对其进行优化,在消除表征瓶... 详细信息

针对传统卷积网络难以有效整合不同阶段人脸面部表情的特征、存在特征表征瓶颈以及无法高效利用上下文语义等问题,提出了一种结合三维交互注意力与语义聚合的面部表情识别方法。在秩扩展(ReXNet)网络的基础上对其进行优化,在消除表征瓶颈的情况下,融合上下文特征,使其更适配表情识别任务。为捕获判别性人脸表情细粒度特征,结合非本地块与跨维度信息交互理论构建了三维交互注意力。为充分利用表情的浅中层底层特征与高层语义特征,设计了语义聚合模块,将多级全局上下文特征与高级语义信息进行聚合,达到同一类别的表情语义相互增益、增强类内一致性的目的。实验表明,该方法在公开数据集RAF-DB、FERPlus和AffectNet-8上的准确率分别为88.89%、89.53%与62.22%,展现了该方法的先进性。

关键词：人脸表情识别表征瓶颈三维交互注意力上下文语义

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于谐音干扰词替换的中文仇恨言论检测方法

应用科技 2024年第3期51卷 72-81页

作者：王琰慧王小龙张顺香周渝皓汪才钦安徽理工大学计算机科学与工程学院安徽淮南232001 合肥综合性国家科学中心人工智能研究院安徽合肥230026

社交网络中的仇恨言论常含有形式多变的谐音干扰词,使得现有方法难以适应此现象,不能满足即时检测的要求。针对此问题,提出一种基于谐音干扰词替换的中文仇恨言论检测方法,提取原义词替换谐音干扰词,解决原有方法处理相对滞后问题。首先... 详细信息

社交网络中的仇恨言论常含有形式多变的谐音干扰词,使得现有方法难以适应此现象,不能满足即时检测的要求。针对此问题,提出一种基于谐音干扰词替换的中文仇恨言论检测方法,提取原义词替换谐音干扰词,解决原有方法处理相对滞后问题。首先,对文本预处理,通过N-gram提取干扰词候选项,并利用点间互信息和邻接熵进行过滤;然后,计算拼音相似度筛选出谐音干扰词及其对应的候选原义词,通过语法结构和上下文语义相似确定原义词并对相应谐音干扰词进行替换,将替换后的文本作为分类层输入;最后,使用RoBERTa-wmm-ext得到语义特征,并通过Softmax计算仇恨情感倾向以实现检测任务。在数据集上进行实验,结果表明提出的模型有效地提升中文仇恨言论的检测效果。

关键词：仇恨言论检测谐音干扰词拼音相似语法结构上下文语义 RoBERTa-wmm-ext CNN N-gram

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于混合训练与语义关联的视频描述算法

华中科技大学学报（自然科学版） 2023年第11期51卷 67-74页

作者：陈淑琴钟忺黄文心卢炎生武汉理工大学计算机与人工智能学院湖北武汉430070 湖北第二师范学院计算机学院湖北武汉430205 北京大学信息科学技术学院北京100091 湖北大学计算机与信息工程学院湖北武汉430062 华中科技大学计算机科学与技术学院湖北武汉430074

针对目前主流方法在使用Transformer的自注意力基础单元或长短期记忆(LSTM)单元对序列词的依赖性进行建模中,忽略了句子中词与词之间的语义关系和训练与测试阶段的曝光偏差问题,提出混合训练与语义关联的视频描述算法(DC-RL).在编码器部... 详细信息

针对目前主流方法在使用Transformer的自注意力基础单元或长短期记忆(LSTM)单元对序列词的依赖性进行建模中,忽略了句子中词与词之间的语义关系和训练与测试阶段的曝光偏差问题,提出混合训练与语义关联的视频描述算法(DC-RL).在编码器部分,采用双向长短期记忆循环神经网络(LSTM1)融合经过预训练模型得到的外观特征和动作特征;在解码器阶段,使用注意力机制动态地为全局语义解码器和自学习解码器提取与当前生成单词对应的视觉特征,缓解了由传统的全局语义解码器中的训练和测试之间的差异引起的曝光偏差问题.全局语义解码器使用真实描述中上一个时间步的单词来驱动当前单词的生成,并通过全局语义提取器提取与当前单词对应的全局语义信息辅助当前单词的生成.自学习解码器使用上一个时间步生成的单词的语义信息来驱动当前单词的生成.混合训练的融合网络运用强化学习的方式直接优化融合网络模型,运用先前词的语义信息,生成更加准确的视频描述.研究结果表明:在数据集MSR-VTT上,融合网络模型较baseline在B4,M,R和C四个指标上分别提升2.3%,0.3%,1.0%和1.9%,而使用强化学习优化的融合网络模型分别提升2.0%,0.5%,1.9%和6.1%.

关键词：视频描述上下文语义双流解码器混合训练曝光偏差