检索结果-南通市图书馆

基于DCNv2和transformer decoder的隧道衬砌裂缝高效检测模型研究

图学学报 2024年

作者：孙己龙刘勇周黎伟路鑫侯小龙王亚琼王志丰陕西省交通运输工程质量监测鉴定站长安大学公路学院长安大学材料科学与工程学院西安公路研究院有限公司

为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题，以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(transformer decoder)为基础对YOLOv8网络框架进行改进以提出1种... 详细信息

为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题，以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(transformer decoder)为基础对YOLOv8网络框架进行改进以提出1种面向衬砌裂缝的检测模型DTD-YOLOv8。首先，通过引入DCNv2对YOLOv8主干卷积网络c2f进行融合以实现模型对裂缝形变特征的准确快速感知，同时采用transformer decoder对YOLOv8检测头进行替换以实现端到端框架内完整目标检测流程，从而消除因Anchor-free处理模式所带来的计算消耗。采用自建裂缝数据集对SSD、Faster-RCNN、RT-DETR、YOLOv3、YOLOv5、YOLOv8和DTD-YOLOv8七种检测模型进行对比验证。结果表明：改进模型F1分数和mAP@50值分别为：87.05%和89.58%；F1分数相较其他6种模型分别提高了14.16%，7.68%，1.55%，41.36%，8.20%和7.40%；mAP@50分别提高了28.84%，15.47%，1.33%，47.65%，10.14%和10.84%。新模型参数量仅为RT-DETR的三分之一，检测单张图片的速度为16.01 ms，FPS为65.46帧/s，对比其他模型检测速度得到提升。DTD-YOLOv8在面向运营隧道裂缝检测任务需求时能够表现出高效的性能。

关键词：隧道工程目标检测第2版可变形卷积网络(DCNv2) transformer decoder 衬砌裂缝

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Unifying Convolution and transformer decoder for Textile Fiber Identification

引用

Journal of Donghua University(English Edition) 2023年第4期40卷 357-363页

作者：许罗力李粉英常姗 College of Computer Science and Technology Donghua UniversityShanghai 201620China Silicon Engineer Group ZEKU Technology(Shanghai)Shanghai 201203China

At present,convolutional neural networks(CNNs)and transformers surpass humans in many situations(such as face recognition and object classification),but do not work well in identifying fibers in textile surface ***,this paper proposes an architecture named FiberCT which takes advantages of the feature extraction capability of CNNs and the long-range modeling capability of transformer decoders to adaptively extract multiple types of fiber ***,the convolution module extracts fiber features from the input textile surface ***,these features are sent into the transformer decoder module where label embeddings are compared with the features of each type of fibers through multi-head cross-attention and the desired features are pooled ***,an asymmetric loss further purifies the extracted fiber *** show that FiberCT can more effectively extract the representations of various types of fibers and improve fiber identification accuracy than state-of-the-art multi-label classification approaches.

关键词： non-destructive textile fiber identification transformer decoder asymmetric loss

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于GAN的轨迹合成方法研究

基于GAN的轨迹合成方法研究

引用

作者：曹小倩浙江师范大学

学位级别：硕士

轨迹数据对于智能交通、城市规划、疫情传播模拟等具有重要意义。但是,直接发布轨迹数据会造成用户隐私泄露。为解决这个问题,研究者通常发布合成轨迹来代替真实轨迹进行分析。本文在现有合成轨迹研究工作的基础上,研究了基于生成对抗网... 详细信息

轨迹数据对于智能交通、城市规划、疫情传播模拟等具有重要意义。但是,直接发布轨迹数据会造成用户隐私泄露。为解决这个问题,研究者通常发布合成轨迹来代替真实轨迹进行分析。本文在现有合成轨迹研究工作的基础上,研究了基于生成对抗网络(Generative adversarial network,GAN)的轨迹合成方法。主要工作如下:(1)针对现有深度生成模型生成轨迹未很好地平衡轨迹的隐私性与效用问题,提出了一个基于transformer decoder的深度轨迹生成模型—TD-Traj GANv(Trajectory Generation Adversarial Model Based on transformer decoder and Loss Variant)。该模型采用GAN架构,生成器采用transformer decoder网络,判别器采用LSTM网络,同时还设计了一个基于余弦相似度的损失函数。transformer decoder网络适合捕获长距离依赖,能提高合成轨迹数据质量;损失函数通过放松相似性约束来引导模型生成更加具有隐私的轨迹数据,提升了合成轨迹的隐私性。实验表明:所提出的模型较LSTM-Traj GAN,LSTM-Traj GANv和LSTM-Traj NPP基线模型而言能更好地平衡轨迹的隐私性与效用。(2)针对TD-Traj GANv模型中位置嵌入过程未能充分捕获位置点之间信息和损失函数易受离群点影响的问题,提出了一个基于Loc2vec的位置嵌入生成模型,进一步改进了TD-Traj GANv模型性能。该模型通过训练Loc2vec模型生成轨迹点语料库,用不同的向量表示轨迹点之间的关系,从而充分捕获轨迹点之间的信息。同时,考虑到损失函数引导轨迹合成时未考虑到离群点的问题,使用huber损失去改善预测轨迹和真实轨迹之间的离群点问题,提高了合成轨迹的质量。实验结果表明:所提出的模型较LSTM-Traj GAN,LSTM-Traj NPP和TD-Traj GANv基线模型而言可以提高合成轨迹的效用。

关键词：轨迹合成 GAN 损失函数 transformer decoder Loc2vec

来源：

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

Kindle产品用户评论情感分析与预测 ——以Paperwhite4为例

Kindle产品用户评论情感分析与预测 —...

引用

作者：刘立杰中南财经政法大学

学位级别：硕士

随着信息全球化和互联网信息技术的飞速发展,阅读方式已经不再局限于传统的纸质书阅读。我国对电子版权的日益重视使得网络上出现了大量可以供人们阅读的优质书籍,并且电子阅读相对于传统阅读方式来说有着许多的优势,因此越来越多的人... 详细信息

随着信息全球化和互联网信息技术的飞速发展,阅读方式已经不再局限于传统的纸质书阅读。我国对电子版权的日益重视使得网络上出现了大量可以供人们阅读的优质书籍,并且电子阅读相对于传统阅读方式来说有着许多的优势,因此越来越多的人选择电子阅读的方式。电子阅读器是专门用于电子阅读的设备,电子阅读器的用户不断增加为电子阅读器提供了发展的机会,但同时也对电子阅读器产品提出了更高的要求。Kindle Paperwhite4作为Kindle Paperwhite系列最新产品和京东商城上当前销量最高的电子阅读器,以它为例进行分析具有一定的参考意义。对其用户评论进行情感预测可以帮助消费者预测评论中可能的差评,让消费者可以更全面的了解产品;而对其用户评论进行情感分析分析可以从用户角度了解产品的优缺点,既可以帮助消费者更好的选购产品,也可以为生产商如何优化自己的产品提供建议。本文首先阐述了对评论数据进行情感预测与分析的相关理论,然后对京东平台上Kindle Paperwhite4的评论数据进行实证研究。本文主要分为五个部分来对Kindle Paperwhite4评论数据进行情感预测与分析。第一部分介绍了电子阅读技术与电商平台快速发展这一研究背景,和使用文本挖掘技术对电商平台的用户评论的进行情感预测与分析的研究意义,并且对文本分类有关技术的国内外研究现状进行了一个大致的阐述。第二部分介绍了文本分类技术的相关模型,这一部分主要对涉及到的Skip-Gram词向量模型,逻辑回归、XGBoost和transformer decoder等可用于文本分类的模型概念进行介绍。第三部分是电商评论的情感预测模型的训练,爬取京东商城上Kindle Paperwhite4的评论数据,并对数据预处理之后利用利用词云图对高频词汇进行直观的展示,再基于电商评论数据来对情感预测模型进行训练。第四部分是情感预测与分析,利用训练好的情感预测模型来对无标签的评论进行预测;利用逻辑回归模型来挑选出评论中的正向与负向情感词语,并且根据这些情感词语来得到评论中所反应的产品的优缺点。第五部分为结论与建议,总结前面章节得到的实验结果,并根据实验结果分别对消费者和电子阅读器生成厂商提出建议。通过研究发现基于transformer decoder的情感预测模型可以比较好的对电商评论数据进行预测。而从电商评论中可以知道有较多的好评用户比较满意Kindle Paperwhite4的便携性,也有较多的差评用户对其运行速度慢、卡顿这一缺点不能忍受。因此建议电子阅读器厂商应该注意产品的便携性把握好产品尺寸,同时关注产品的性能方面不要让它成为短板。

关键词： Kindle Paperwhite4 情感预测情感分析 transformer decoder

来源：

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

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

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：