检索结果-南通市图书馆

一种单分类器联合多任务网络的隐式句间关系分析方法

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2021年第11期5卷 80-88页

作者：王鸿舒展高印权田文洪电子科技大学信息与软件工程学院成都610054 电子科技大学长三角研究院湖州313001

【目的】提出一种单分类器联合多任务网络的隐式句间关系分析方法,即基于单分类器的多任务学习模型进行中文隐式句间关系识别。【方法】多任务学习方法通过对隐式句间关系和显式句间关系进行联合建模而获得更好的结果;而单分类器是通过... 详细信息

【目的】提出一种单分类器联合多任务网络的隐式句间关系分析方法,即基于单分类器的多任务学习模型进行中文隐式句间关系识别。【方法】多任务学习方法通过对隐式句间关系和显式句间关系进行联合建模而获得更好的结果;而单分类器是通过将四分类问题转换为二分类问题进行训练而获取结果。【结果】基于哈尔滨工业大学的中文篇章级语义关系语料库,在扩展关系和并列关系的语料中F1值分别达到0.94和0.81,在4种句间关系的F1值上均取得显著提升。【局限】模型效果还可进一步提升,数据集分布不够均衡且有待扩充。【结论】在哈尔滨工业大学的中文篇章级语义关系语料库上,所提方法取得了超过业界已知最佳结果的性能,同时也验证了删除连接词会给训练集增加噪声并影响性能。

关键词：单分类器多任务网络隐式句间关系

基于多任务网络的多模态肝脏MRI配准方法研究

在线全文

学校读者我要写书评

暂无评论

中国医学计算机成像杂志 2023年第5期29卷 516-523页

作者：于航郑忍成李若坤王成彦王鹤复旦大学类脑人工智能科学与技术研究院上海200433 复旦大学人类表型组研究院上海交通大学医学院附属瑞金医院

目的:针对多模态肝脏MRI配准问题,设计图像合成配准多任务网络(SynReg),解决弥散加权成像(DWI)和动态对比增强(DCE)影像之间常见的错位问题,证明SynReg能有效提升图像合成质量,进而提升肝细胞癌(HCC)的配准精度。方法:纳入264例肝硬化患... 详细信息

目的:针对多模态肝脏MRI配准问题,设计图像合成配准多任务网络(SynReg),解决弥散加权成像(DWI)和动态对比增强(DCE)影像之间常见的错位问题,证明SynReg能有效提升图像合成质量,进而提升肝细胞癌(HCC)的配准精度。方法:纳入264例肝硬化患者(部分患有HCC),对其扫描高b值DWI和DCE影像,并对肝脏标签和肿瘤标签进行标注。将数据集按7∶1∶2的比例划分SynReg网络的训练、验证和测试集。使用峰值信噪比(PSNR)和结构相似性指标(SSIM)评价图像合成效果,Dice指标和目标配准误差(TRE)评价配准精确度。结果:在图像合成任务中,SynReg将PSNR指标从18.452 dB提升至20.574 dB,SSIM指标从0.707提升至0.769,并显著优于对比方法对抗生成网络;在配准任务中,SynReg在肝脏区域将Dice指标从0.776提升至0.824,肿瘤区域TRE指标从4.237 mm降至3.470 mm,并且显著优于传统配准方法SyN和主流深度学习配准方法CycleMorph与TransMorph。上述结果均具有统计学意义(P多任务网络框架中的合成任务与配准任务可以相互辅助,同时获得更好的合成效果与配准效果,且SynReg网络在肝脏轮廓和肿瘤区域均实现了优秀的配准精度,这对于临床上HCC的识别与诊断有着较大的应用价值。

关键词：图像配准图像合成多任务网络肝细胞癌诊断

在线全文

学校读者我要写书评

暂无评论

多任务网络模型对肝脏超声影像的识别和去噪

青岛大学学报（自然科学版） 2019年第4期32卷 40-49页

作者：张欢赵希梅魏宾青岛大学计算机科学技术学院青岛266071 山东省数字医学与计算机辅助手术重点实验室青岛266000

针对肝脏超声影像受噪声和边缘模糊等因素的影响,肉眼无法客观准确辨别病灶区域等问题,提出了无监督学习的多任务网络(MultiTasking-network,MT-net)算法,该算法分为MT-net(Dn)和MT-net(Cl)两部分。其中,MT-net(Dn)算法通过使用交替优... 详细信息

针对肝脏超声影像受噪声和边缘模糊等因素的影响,肉眼无法客观准确辨别病灶区域等问题,提出了无监督学习的多任务网络(MultiTasking-network,MT-net)算法,该算法分为MT-net(Dn)和MT-net(Cl)两部分。其中,MT-net(Dn)算法通过使用交替优化和可重复利用信息的skip-connection,分别对小样本集L′s(dataset:1937)和大样本集L′B(dataset:3424)进行去噪实验,去噪后的图像最大限度地保留了肝脏图像的纹理特征,有利于提高图像的识别率,最终得到的识别率分别为97.12%和86.84%,优于AlexNet等传统算法;MT-net(Cl)算法通过对LS和LB样本进行图像纹理特征识别,达到了92.81%和86.62%的识别率。实验结果表明,多任务网络算法中的MT-net(Dn)算法更优于MT-net(Cl)算法。

关键词：多任务网络肝脏图像无监督学习图像识别图像去噪

基于注意力机-多任务网络的液压系统多状态监测识别方法研究

在线全文

学校读者我要写书评

暂无评论

机电工程 2021年第3期38卷 331-336页

作者：黄鹏程李海艳林景亮梁桂铭广东工业大学机电工程学院广东广州510006

针对在复杂的多状态条件下,液压系统状态监测方法监测性能不高的问题,对多任务学习和注意力机制方法进行了研究,结合多任务与注意力机制,提出了一种基于注意力机多任务网络的液压系统监测方法。首先,利用注意力机制,根据不同传感器信号... 详细信息

针对在复杂的多状态条件下,液压系统状态监测方法监测性能不高的问题,对多任务学习和注意力机制方法进行了研究,结合多任务与注意力机制,提出了一种基于注意力机多任务网络的液压系统监测方法。首先,利用注意力机制,根据不同传感器信号对任务贡献程度的大小,赋予了各个传感器不同的权重;其次,使用卷积网络(CNN)构建了自适应特征提取器,从赋予权重的多个传感器信号中提取了深度特征;最后,建立了多任务的特征共享诊断网络,实现了对液压系统多个状态的同时监测。研究结果表明:与以往的方法相比,所提出的方法监测性能更优,能更有效地对复杂的多状态条件下的液压系统的各种状态进行监测,且其平均精度达到99.3%。

关键词：液压系统多状态监测监测性能注意力机多任务网络

在线全文

学校读者我要写书评

暂无评论

交通驾驶感知的多任务网络方法研究

重庆工商大学学报(自然科学版) 2024年

作者：李政辜丽川安徽省农情信息感知与智能计算工程研究中心智慧农业技术与装备安徽省重点实验室安徽农业大学信息与人工智能学院

【目的】交通驾驶感知系统是自动驾驶技术的关键组成部分之一，该系统包含多个任务并且需要保证高实时性和高可靠性，针对现已有的方法存在目标检测效果差，在有部分遮挡的情况下目标区域语义分割不精确等问题，提出一种端到端的多任务... 详细信息

【目的】交通驾驶感知系统是自动驾驶技术的关键组成部分之一，该系统包含多个任务并且需要保证高实时性和高可靠性，针对现已有的方法存在目标检测效果差，在有部分遮挡的情况下目标区域语义分割不精确等问题，提出一种端到端的多任务网络模型MTNet用于完成交通驾驶感知系统中的可驾驶区域分割和车道线检测两项关键任务。【方法】在颈部网络设计中改进了特征金字塔FPN（Feature Pyramid Network）模块以获得更高效的检测性能；在网络结构中引入ELAN（Efficient Layer Aggregation Networks）结构和重参数化方法对原始卷积进行升级；根据不同任务的特点设计了更精准多任务损失函数，同时提出了更有效的训练策略。【结果】通过在BDD100k （Berkeley DeepDrive）数据集上进行大量实验，可驾驶区域分割任务的平均交并比（Mean Intersection over Union，mIoU）达到95.6 %，车道线检测任务的准确率（Accuracy）达到89.3 %。【结论】实验结果表明：MTNet展现出了对复杂背景干扰的鲁棒性，提升了目标检测分割的精确度。无论是白天还是夜晚，复杂还是简单的场景中都具有良好的检测分割效果。

关键词：多任务网络车道线检测可驾驶区域分割端到端训练

多任务元学习网络的气体绝缘组合电器局部放电同时诊断与定位

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

西安交通大学学报 2024年

作者：王艳新闫静耿英三刘志远王建华西安交通大学电工材料电气绝缘全国重点实验室

针对气体绝缘组合电器（GIS）局部放电诊断和定位作为两个独立的任务来完成而忽略了两个任务间的联系、且难以部署和泛化到现场小样本场景下的问题，提出了多任务元学习网络以同时实现现场小样本场景下的GIS局部放电诊断与定位方法。首... 详细信息

针对气体绝缘组合电器（GIS）局部放电诊断和定位作为两个独立的任务来完成而忽略了两个任务间的联系、且难以部署和泛化到现场小样本场景下的问题，提出了多任务元学习网络以同时实现现场小样本场景下的GIS局部放电诊断与定位方法。首先，为了充分挖掘两个任务间的关联关系并保留每一任务的差异特征，构建了多任务网络，在特定任务层引入注意力机制，为每个任务从浅到深选择重要特征，保证每一任务特征差异化提取的质量。其次，为了将所开发的多任务网络部署应用到现场小样本场景下，采用元训练的方法对模型进行训练。再次，在元测试阶段使用目标任务的少量数据进行微调，实现了小样本下GIS局部放电诊断和定位。最后，在现场样本上对模型性能进行了验证。实验结果表明，提出的多任务元学习网络在GIS 局部放电诊断上的准确率达到94.53%，定位平均误差和均方根误差分别为10.78 cm和12.97 cm，与单任务网络和其他模型相比性能提升明显，为GIS 局部放电诊断和定位提供了新颖的解决思路。

关键词： GIS局部放电诊断定位多任务网络元学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向战场多任务网络的等级优先动态带宽分配

系统工程与电子技术 2011年第5期33卷 1139-1145页

作者：和欣张晓林北京航空航天大学电子信息工程学院北京100191

为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配(classification prioritized dynamic bandwidth allocation,CPDBA)算法。该算法改进了基于网络效能最大化的带... 详细信息

为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配(classification prioritized dynamic bandwidth allocation,CPDBA)算法。该算法改进了基于网络效能最大化的带宽分配方法,优化了对指数效能业务的调度策略。仿真结果表明,该算法不但能够使相同带宽资源产生更高的任务价值,而且在网络过载时可以确保高优先级业务的服务质量,从而有效解决了多任务网络的链路带宽竞争问题。

关键词：动态带宽分配等级优先多任务网络信息分发

基于多任务网络和网络蒸馏的可行驶区域辨识算法研究

在线全文

学校读者我要写书评

暂无评论

基于多任务网络和网络蒸馏的可行驶区域辨识算法研究

作者：宫云渤华南理工大学

学位级别：硕士

随着交通事业的发展,道路交通事故形势愈发严峻,对人民的生命财产安全造成了巨大损失。智能网联汽车可以承担部分或全部驾驶任务,提高行车安全性。其中,可行驶区域辨识技术可检测出当前车辆可行驶的道路区域,以确保在道路上安全行驶,是... 详细信息

随着交通事业的发展,道路交通事故形势愈发严峻,对人民的生命财产安全造成了巨大损失。智能网联汽车可以承担部分或全部驾驶任务,提高行车安全性。其中,可行驶区域辨识技术可检测出当前车辆可行驶的道路区域,以确保在道路上安全行驶,是智能网联汽车环境感知的基础性研究工作。因此,研究智能网联汽车的可行驶区域辨识技术,对于提高交通安全有着重要意义。随着人工智能技术的高速发展,其与智能网联汽车深度融合,迅速成为研究的热点之一。智能网联汽车的智能化和网联化与车路协同系统密切关联。实现道路环境的“全感知”,对车路协同环境下的智能网联汽车至关重要。其中,可行驶区域辨识技术作为环境感知技术的核心组成部分,已取得部分研究成果,但仍有完善之处,具体包含:1)基于车道线和道路点的可行驶区域检测方法应用场景有限;2)基于深度学习的可行驶区域辨识方法难以兼顾准确性和实时性;3)智能路侧系统（路端）的可行驶区域辨识技术相关研究较少;4)已有可行驶区域辨识算法难以在实际应用中部署。基于上述分析,本文基于计算机视觉和深度学习等相关技术,开展基于多任务网络和蒸馏的智能网联汽车可行驶区域辨识算法研究。论文具体研究内容如下:（1）基于多任务网络的车端可行驶区域辨识。本文深度探究语义分割技术在可行驶区域辨识中的应用。以语义分割模型Deeplabv3+和BiSeNet为基础,构建道路分割+场景识别的多任务网络。首先,从当前车辆前方环境中,多任务网络提取出适于自车行驶的可行驶区域。其次,提出DBSCAN密度聚类的后处理算法,将可行驶区域分为可行驶区域、左可选行驶区域和右可选行驶区域3部分,实现智能网联汽车车端的可行驶区域辨识功能。本文提出的BiSeNet多任务网络,在BDD100K数据集上,平均交并比MIoU（Mean Intersection over Union）为79.37%,FPS为131。（2）基于网络蒸馏车端可行驶区域辨识模型优化。深度学习网络难以兼顾准确性和实时性。为此,本文采用了知识蒸馏的训练方式,将模型结构复杂、准确率高的Deeplabv3+作为教师网络,并将模型结构简单、实时性好的BiSeNet作为学生网络,通过教师网络改善学生网络的准确性能。此外,本文利用自注意力蒸馏的训练方式,进一步提升模型的准确率。本文提出的知识蒸馏+自注意力蒸馏方法在BDD100K数据集上,平均交并比MIoU达到84.05%,可行驶区域辨识准确率比未优化前高出约5%。（3）智能路侧系统（路端）可行驶区域辨识。仅依靠车端辨识可行驶区域,可能存在感知盲区,如前车或建筑物遮挡,传感器检测范围限制等;可通过智能路侧系统（路端）感知车端的辨识盲区,实现道路场景的融合感知。所以,本文在车端可行驶区域多任务网络模型的基础上,保留特征共享网络和道路分割分支,简化场景识别分支,并构建可行驶区域路端辨识数据集,搭建路端可行驶区域辨识模型。（4）基于嵌入式平台的可行驶区域辨识模型加速与移植。在以构建的车端-路端可行驶区域辨识模型的基础上,研究可行驶区域辨识模型的加速和移植方法,将本文车端-路端可行驶区域辨识模型部署至Jetson Xavier NX嵌入式平台。经试验验证,本文提出的可行驶区域辨识算法,可在Jetson Xavier NX嵌入式平台良好运行,准确性、实时性和鲁棒性达到较好平衡。

关键词：可行驶区域多任务网络知识蒸馏环境感知深度学习车路协同交通安全

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

基于多任务网络的低分辨率人脸识别算法

基于多任务网络的低分辨率人脸识别算法

作者：陈希彤武汉工程大学

学位级别：硕士

人脸识别具有交互性强、无需接触、便捷等优势,是模式识别领域研究的热点问题,在公共安防、智能教育、行人检测等领域得到广泛应用。但实际场景中,由于监控硬件设备受限,目标行人常常距离摄像设备较远,所采集的人脸图像分辨率较低,难以... 详细信息

人脸识别具有交互性强、无需接触、便捷等优势,是模式识别领域研究的热点问题,在公共安防、智能教育、行人检测等领域得到广泛应用。但实际场景中,由于监控硬件设备受限,目标行人常常距离摄像设备较远,所采集的人脸图像分辨率较低,难以达到准确辨识的要求。因此,对实际场景中的低分辨率人脸图像进行识别是提升人脸识别系统性能的关键。随着人工智能的兴起,基于深度学习的识别方法已经成为人脸识别领域的主流算法。由于人脸为非刚体性,受到外界成像因素、人脸表情姿态变化等影响,尤其是在低分辨率场景下,人脸识别依然存在很大的技术挑战。为了提高低分辨率人脸的识别率,本文将采取分步策略,首先通过超分辨率技术提高人脸图像质量,然后级联基于全局分离卷积的识别网络,构建出基于多任务网络的低分辨率人脸识别算法。本文主要贡献如下:1.由于低分辨率样本与高分辨率样本信息分布的不一致性,传统的超分辨率算法的重建性能难以达到实际应用水平这一问题,本文设计了一种基于可分离卷积迭代投影的神经网络,用于提高低分辨率人脸图像重建效果,使用初始网络提取浅层特征,投影单元网络进一步减少高低分辨率细节信息间的差距。实验结果表明,所提出的算法在CASIA-Webface数据集上,主观质量与客观评分均超过了对比算法。2.为了更好学习低分辨率人脸图像中具有判决性的表达特征,本文提出了一种基于特征增强的生成对抗网络的人脸超分辨率算法,该算法通过不同深度的残差网络学习特征,密集连接实现不同层次信息之间的交互,进而学习层次特征。此外,融合特征域与像素域的加权感知损失函数优化网络模型,以提升算法性能。本算法在主、客观质量上都优于所对比的前沿图像超分辨率算法。3.针对现实场景中所观测到的低分辨率人脸图像无法直接进行跨分辨率识别的问题。本文提出了一种基于多任务网络的低分辨率人脸识别算法。首先利用基于特征增强的生成网络对低分辨率图像进行恢复,获取具有强判别能力的特征,然后级联识别网络,利用全局分离卷积实现深层网络整体区域的特征提取,进而提高识别率。实验结果证明了所提出的多任务网络的有效性。

关键词：低分辨率人脸识别超分辨率重建可分离卷积卷积神经网络多任务网络