检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于单阶段生成对抗网络的文本生成图像方法

浙江大学学报（工学版） 2023年第12期57卷 2412-2420页

作者：杨冰那巍向学勤杭州电子科技大学计算机学院浙江杭州310018 杭州电子科技大学浙江省脑机协同智能重点实验室浙江杭州310018 杭州灵伴科技有限公司浙江杭州311121

为了提高生成图像质量,提出新的文本生成图像方法,整体框架采用单阶段文本生成图像主干.在原有模型只使用句子信息生成图像的基础上,使用注意力机制把单词信息融入图像特征,采用合理地融入更多文本信息的方式提高生成图像的质量.引入对... 详细信息

为了提高生成图像质量,提出新的文本生成图像方法,整体框架采用单阶段文本生成图像主干.在原有模型只使用句子信息生成图像的基础上,使用注意力机制把单词信息融入图像特征,采用合理地融入更多文本信息的方式提高生成图像的质量.引入对比损失,使相同语义图像之间更加接近,不同语义图像之间更加疏远,从而更好地保证文本与生成图像之间的语义一致性.在生成器中采用动态卷积来增强生成器的表达能力.实验结果表明,所提方法在数据集CUB(Fréchet inception distance(FID)从12.10提升到10.36)和数据集COCO(FID从15.41提升到12.74)上都获得了较好的性能提升.

关键词：文本生成图像注意力机制对比损失语义一致性动态卷积

在线全文

学校读者我要写书评

暂无评论

面向自闭症辅助诊断的深度对比模糊神经网络

计算机工程 2023年第4期49卷 263-271页

作者：陆昭吾王骏施俊上海大学通信与信息工程学院上海200444

静息态功能磁共振成像(rs-fMRI)可有效反映大脑活动状况,然而rs-fMRI数据的高随机性和自闭症谱系障碍(ASD)内在的高异质性给ASD计算机辅助诊断带来了不确定性。提出一种基于对比损失的Takagi-Sugeno-Kang(TSK)深度模糊神经网络CL-DeepT... 详细信息

静息态功能磁共振成像(rs-fMRI)可有效反映大脑活动状况,然而rs-fMRI数据的高随机性和自闭症谱系障碍(ASD)内在的高异质性给ASD计算机辅助诊断带来了不确定性。提出一种基于对比损失的Takagi-Sugeno-Kang(TSK)深度模糊神经网络CL-DeepTSK,结合多输出TSK(MO-TSK)模糊系统与多层感知机(MLP)有效缓解数据不确定性对模型的影响,提升TSK模糊系统的表达能力,并使模型更具可解释性。使用对比损失目标学习准则对MO-TSK与MLP进行联合优化,提高训练样本缺乏时的模型泛化性能。在ABIDE数据集上的实验结果表明,CLDeepTSK的平均正确率和AUC指标分别达到70.0%和0.773,同时获得了30个最具鉴别性的功能连接。上述实验结果证明了CL-DeepTSK能够有效地进行自闭症辅助诊断,并且具有较高的可解释性。

关键词：自闭症谱系障碍静息态功能性磁共振成像 Takagi-Sugeno-Kang模糊系统对比损失计算机辅助诊断

在线全文

学校读者我要写书评

暂无评论

基于孪生BERT网络的科技文献类目映射

计算机研究与发展 2021年第8期58卷 1751-1760页

作者：何贤敏李茂西何彦青江西师范大学计算机信息工程学院南昌330022 中国科学技术信息研究所北京100038

国际专利分类法(international patent classification,IPC)和中国图书馆分类法(Chinese library classification,CLC)作为重要分类标识,分别在专利信息和期刊文献的组织以及管理中发挥着重要作用.如何准确地建立它们之间的映射关系对... 详细信息

国际专利分类法(international patent classification,IPC)和中国图书馆分类法(Chinese library classification,CLC)作为重要分类标识,分别在专利信息和期刊文献的组织以及管理中发挥着重要作用.如何准确地建立它们之间的映射关系对实现专利信息、期刊资源交叉浏览和检索有着重要的意义.提出了基于BERT预训练上下文语言模型的孪生网络用于建立IPC类目和CLC类目之间的映射关系,利用孪生网络模型分别抽象这2个分类法类目描述文本,通过平均池化抽象后的向量表示计算得到它们相同维度的句子向量,基于余弦相似度计算句子之间的相似度得分,完成类目映射.在人工标注一定规模的IPC类目和CLC类目之间的映射语料库上进行实验验证,结果表明提出的方法显著优于基于规则的方法和Sia-Multi,Bi-TextCNN,Bi-LSTM等深度神经网络的方法.相关的代码、模型和人工标注语料库已经公开发布.

关键词：国际专利分类法中国图书馆分类法基于孪生BERT网络类目映射对比损失

在线全文

学校读者我要写书评

暂无评论

基于解耦空间异常检测的人脸活体检测算法

信号处理 2022年第12期38卷 2469-2485页

作者：徐姚文毋立芳刘永洛王竹铭李尊北京工业大学信息学部北京100124

现有基于异常检测的方法大多仅利用活体样本进行单类建模,这样的特征用于活体检测的泛化能力强但准确率不高。而且,活体人脸特征单类建模并没有考虑活体人脸样本的多样性。活体人脸样本的不同身份、环境、采集设备等因素都会导致活体人... 详细信息

现有基于异常检测的方法大多仅利用活体样本进行单类建模,这样的特征用于活体检测的泛化能力强但准确率不高。而且,活体人脸特征单类建模并没有考虑活体人脸样本的多样性。活体人脸样本的不同身份、环境、采集设备等因素都会导致活体人脸的特征表达不紧凑,这样使得假体样本特征容易混入其中。为了解决以上两个问题,本文提出了一种基于解耦空间异常检测的人脸活体检测算法。本文设计了单中心对比损失,使得活体人脸特征在不限制假体人脸特征分布的情况下表达地更加紧凑。本文还对活体人脸进行了特征解耦,将其特征分为两个子空间:活体检测特征空间、活体无关特征空间。活体检测特征空间不受其他无关因素的影响,结合单中心对比损失来提高模型的泛化能力。库内实验和跨库实验共在5个数据集上与最新的方法进行了比较,在OULU-NPU数据集中,协议1相比于性能第2的模型错误率下降超过一半,最具挑战的协议4取得了仅3.3%的错误率;在SiW数据集的三个协议中也取得更低的错误检测率;在跨库实验中本文算法也表现出不错的泛化能力,尤其是在从重放攻击和打印攻击跨到3D面具攻击的跨攻击类型的测试中相比于性能第2的模型错误率下降5.41%。本文提出的人脸活体检测算法在检测性能和泛化性能上均优于其他先进方法,算法应对未知数据和新的攻击类型的能力有所提高。

关键词：人脸活体检测异常检测特征解耦对比损失泛化能力

考虑地层动力特性差异的减振轨道减振效果评价

在线全文

学校读者我要写书评

暂无评论

工程力学 2020年第S01期37卷 75-81页

作者：梁瑞华马蒙刘卫丰杜林林李林峰北京交通大学城市地下工程教育部重点实验室北京100044 北京交通大学土木建筑工程学院北京100044 北京起重运输机械设计研究院有限公司北京100007

评价运营地铁线路减振轨道的减振效果时,常选取非减振参考轨道断面与其进行对比测试,计算得到"对比损失"。然而两测试断面背后地层动力特性通常存在差异,这种差异导致测试得到的"对比损失"不能准确的反映出减振轨道的实际减振效果。为... 详细信息

评价运营地铁线路减振轨道的减振效果时,常选取非减振参考轨道断面与其进行对比测试,计算得到"对比损失"。然而两测试断面背后地层动力特性通常存在差异,这种差异导致测试得到的"对比损失"不能准确的反映出减振轨道的实际减振效果。为定量分析这一因素对减振效果评价的影响,该文利用车辆-轨道耦合解析模型计算得到列车运行时钢轨的扣件支反力,利用有限元软件建立"轨道-隧道-地层"三维数值模型,考虑整体道床轨道和钢弹簧浮置板轨道两种轨道型式,计算并分析了地层动弹性模量等参量变化对浮置板轨道对比损失造成的影响,并对数值模型计算结果进行拟合,得到减振轨道Z振级对比损失的修正公式。结果表明:地层动弹性模量差异是测试断面地层动力特性差异的控制参数,对减振轨道减振效果评价结果影响显著;测试点所处地层动弹性模量若小于500 MPa,则对比测试断面之间的地层动力特性差异会对减振效果评价结果造成更加显著的影响。

关键词：减振轨道地层动力特性减振效果评价对比损失插入损失

在线全文

学校读者我要写书评

暂无评论

基于对比学习增强的图卷积网络

小型微型计算机系统 2023年

作者：袁立宁蒋萍莫嘉颖冯文刚刘钊广西警察学院信息技术学院中国人民公安大学国家安全学院广西警察学院公安大数据现代产业学院中国人民公安大学研究生院

多数图卷积模型通过引入更高效的信息传递和转换方式提升图分析任务的实验表现，忽视了原始图信息的保留。针对上述问题，本文提出了一种同时保留节点属性和拓扑结构信息的对比损失函数，增强图卷积模型的表征能力。该方法首先构建基于... 详细信息

多数图卷积模型通过引入更高效的信息传递和转换方式提升图分析任务的实验表现，忽视了原始图信息的保留。针对上述问题，本文提出了一种同时保留节点属性和拓扑结构信息的对比损失函数，增强图卷积模型的表征能力。该方法首先构建基于节点属性和拓扑结构的连接强度，然后使用对比损失保留连接强度中蕴含的属性和拓扑关联信息，最后构建引入交叉熵损失的多层图卷积模型进行端到端训练。在性能提升实验和对比损失比较实验中，引入对比学习的图卷积模型始终优于基线以及其他对比学习方法。实验结果表明，属性和拓扑对比损失能够增强模型对原始图信息的保留，有效提升图卷积模型在节点分类任务中的实验表现。

关键词：图卷积网络对比学习对比损失节点分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进DCL的花卉子类细粒度分类算法

计量学报 2021年第12期42卷 1579-1585页

作者：张立国刘博金梅孙胜春张勇燕山大学河北省测试计量技术与仪器重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

针对现有的单一细粒度识别模型不能识别无训练样本花卉子类这一实际情况,结合DCL与KNN提出了一种将细粒度特征映射到高维空间自动分类的方法,实现无训练样本的子类分类。同时针对同一花卉子类特征较为相似且可能存在类间样本不均衡问题... 详细信息

针对现有的单一细粒度识别模型不能识别无训练样本花卉子类这一实际情况,结合DCL与KNN提出了一种将细粒度特征映射到高维空间自动分类的方法,实现无训练样本的子类分类。同时针对同一花卉子类特征较为相似且可能存在类间样本不均衡问题,改进了DCL模型的损失函数(focal loss),通过对比损失(contrastive loss)加大子类的类间距,用focal loss平衡类别损失。最后在308类样本不均衡的牡丹花上进行实验。实验结果表明:改进算法后有训练样本的子类准确率为0.932,F1值为0.925,较原始DCL算法有了较大的提升,对未训练样本的子类准确率为0.903,F1值为0.888。

关键词：计量学细粒度图像识别牡丹花分类 DCL改进算法 KNN算法对比损失损失函数

基于频域多尺度信息分离的红外与可见光图像融合研究

在线全文

学校读者我要写书评

暂无评论

基于频域多尺度信息分离的红外与可见光图像融合研究

作者：纵莎江西科技师范大学

学位级别：硕士

红外与可见光的图像融合旨在对多源图像进行特征提取和融合,保留互补信息并抑制冗余信息,生成包含全面特征信息的融合图像,广泛应用在国防、遥感、医学、生物检测等多个领域。近年来,基于自编码器的图像融合算法受到了广泛关注,并成为... 详细信息

红外与可见光的图像融合旨在对多源图像进行特征提取和融合,保留互补信息并抑制冗余信息,生成包含全面特征信息的融合图像,广泛应用在国防、遥感、医学、生物检测等多个领域。近年来,基于自编码器的图像融合算法受到了广泛关注,并成为最具代表性的研究热点之一。该类方法先对图像进行特征编码操作,在潜在空间进行特征信息融合,而后通过解码器重建融合图像,取得了较其他模型更好的融合效果。然而,基于自编码的深度网络融合模型主要面临的挑战有:编码阶段的信息丢失、使用简单的不可学习的融合策略。为了增强融合图像的细节并提高融合的有效性,本文主要研究基于频域多尺度信息分离的红外与可见光图像融合方法,主要工作和贡献如下:(1)针对在自动编码器模型中编码阶段的信息丢失问题,提出了一种基于频域多尺度分解的编码解码模型。使用滤波器将源图像转换为高频、低频和中频三个特征信息分支,分别使用不同的特征提取网络来提取对应的特征信息。然后,在融合特征信息后,使用解码器来重建融合图像。(2)为了改善多尺度分解模型中机械的分解方式,提出对比学习引导信息分离的红外与可见光图像融合方法。使用对比学习思想中的对比损失来引导编码过程的特征提取过程,提高了源图像不同尺度特征信息的互补性,提升了信息有效性,完成了不同尺度的特征信息分离过程。结合细节保留损失、特征增强损失和对比损失,共同训练整个融合模型,以获得良好的细节保留性。(3)为了改善简单的传统融合策略对融合性能的局限性,使用更具针对性的融合方法,在重要的高频细节分支中,提出了交互式残差注意力融合策略。可学习的坐标注意力模块可以根据相应特征图的特征自适应地融合关键的细节信息。在低频和中频特征分支中,使用简单的传统融合策略来提高融合的效率。通过广泛的消融和对比实验,结果都表明所提出模型的可行性和有效性,体现了提出的深度学习模块对图像融合特征提取和融合策略的优越性能。

关键词：图像融合多尺度分解对比损失注意力机制自适应融合策略

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

基于孪生神经网络的真假硬币图像分类

基于孪生神经网络的真假硬币图像分类

作者：王贝贝南昌大学

学位级别：硕士

硬币在日常生活中被广泛使用,除了用作货币外,还有些人们喜欢收集硬币。然而,近年来,大量非法制假团伙制造和销售假币,给社会造成了巨大损失和损害。虽有法医专家来检查疑似假币,但考虑到需要检查的硬币数量巨大,这是不现实的。因此,利... 详细信息

硬币在日常生活中被广泛使用,除了用作货币外,还有些人们喜欢收集硬币。然而,近年来,大量非法制假团伙制造和销售假币,给社会造成了巨大损失和损害。虽有法医专家来检查疑似假币,但考虑到需要检查的硬币数量巨大,这是不现实的。因此,利用现代高科技手段识别真假硬币对于假币检测就显得非常关键,例如,基于深度学习的方法,不仅可以提高硬币检测的准确率,还能节约大量的人力以及物力。本文研究的主要内容是基于孪生神经网络的真假硬币图像分类。本文提出了一种端到端的孪生神经网络,提取真假硬币图像的特征并根据提取到的特征进行分类,这个网络包括两个分支,它们之间共享权重。网络中的每个分支利用卷积神经网络提取图像的特征,在每个主干网络卷积层的后面加入了注意力机制,用于加强不同方向上的特征表达能力。同时还引入了跨层双线性池化模块,它不仅支持层与层之间的交互,而且是以一种彼此增强的形式学习细粒度的表示。此外,本文提出的网络结构中使用到两个损失函数,交叉熵损失函数和对比损失函数。通过对比损失函数来比较实际输出结果与预期输出结果之间的差异,而且可以确保当输入的是同一类图像时,图像特征之间的差距会尽量的小;相反,图像特征之间的差距会尽量的大。系统中的两个子分支又各自是分类模型,损失函数中采用的都是交叉熵损失函数。实验结果表明,使用两种损失函数的网络性能高于仅采用单一的损失函数,由此可见这两种损失函数相互之间发挥着良好的相互促进作用。为了证明本文提出方法的有效性,进行了一系列的消融实验与对比试验。利用消融实验证明了注意力机制、跨层双线性池化模块以及暹罗网络的有效性。整体上从五个方面进行对比试验,包括基于传统手工特征的方法、基于Transformer思想的Vi T模型、基于通用卷积神经网络的方法、基于细粒度分类的方法以及基于硬币研究的方法。实验结果表明,本文提出的方法在数据集DanishCoin1991与DanishCoin2008中分别获得98.6%与98.4%准确率,网络性能均已超过现有方法。

关键词：真假硬币图像分类注意力机制跨层双线性池化交叉熵损失对比损失