检索结果-南通市图书馆

多特征融合和孪生注意力网络的高分辨率遥感图像目标检测

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2024年第1期54卷 240-250页

作者：王春华李恩泽肖敏黄淮学院动画学院河南驻马店463000 武汉理工大学计算机与人工智能学院武汉430063

为提高高分辨率遥感图像目标检测效果,本文将多特征融合方法和孪生注意力网络相结合,提出一种新的目标检测方法。构建遥感图像目标检测的整体框架,基于锚框模型对遥感图像目标进行多层特征的提取及融合;运用孪生注意力网络对遥感图像目... 详细信息

为提高高分辨率遥感图像目标检测效果,本文将多特征融合方法和孪生注意力网络相结合,提出一种新的目标检测方法。构建遥感图像目标检测的整体框架,基于锚框模型对遥感图像目标进行多层特征的提取及融合;运用孪生注意力网络对遥感图像目标实时视觉跟踪检测,引入通道和空间的双重自注意力机制,提高目标图像的特征表达能力,由此得到更加精准的检测结果。实验分析结果表明,本文方法的平均总体精度为93.8,F1指数平均值为0.88,Kappa系数平均值为0.93,均明显高于对比方法,说明本文方法具有较好的检测效果。

关键词：多特征融合高分辨率遥感图像孪生注意力目标检测语义特征

维普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

基于关系图卷积网络的代码搜索方法

软件学报 2024年第6期35卷 2863-2879页

作者：周光有谢琦余啸华中师范大学计算机学院湖北武汉430079 武汉理工大学计算机与人工智能学院湖北武汉430070

代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支.开发高效的代码搜索算法能够显著提高代码重用的能力,从而有效提高软件开发人员的工作效率.代码搜索任务是以描述代码片段功能的自然语言作为输入,在海量代码库中搜索得到... 详细信息

代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支.开发高效的代码搜索算法能够显著提高代码重用的能力,从而有效提高软件开发人员的工作效率.代码搜索任务是以描述代码片段功能的自然语言作为输入,在海量代码库中搜索得到相关代码片段的过程.基于序列模型的代码搜索方法DeepCS虽然取得了很好的效果,但这种方法不能捕捉代码的深层语义.基于图嵌入的代码搜索方法GraphSearchNet能缓解这个问题,但没有对代码与文本进行细粒度匹配,也忽视了代码图和文本图的全局关系.为了解决以上局限性,提出基于关系图卷积网络的代码搜索方法,对构建的文本图和代码图编码,从节点层面对文本查询和代码片段进行细粒度匹配,并应用神经张量网络捕捉它们的全局关系.在两个公开数据集上的实验结果表明,所提方法比先进的基线模型DeepCS和GraphSearchNet搜索精度更高.

关键词：代码搜索关系图卷积网络细粒度匹配

无人闸口高拍视角照片中车载盘圆钢材计数方法

在线全文

学校读者我要写书评

暂无评论

武汉大学学报(理学版) 2024年第3期 376-386页

作者：刘希言李勇华程瑞武汉理工大学计算机与人工智能学院

在传统作业方式中，车辆运输盘圆钢材出入物流闸口时的数量核验工作由闸口的核验人员完成，这种人工核验方式耗费人力、成本高，无法满足现代化物流企业的要求。为解决这一问题，采用目标识别技术，设计了一种针对无人闸口高拍视角照片... 详细信息

在传统作业方式中，车辆运输盘圆钢材出入物流闸口时的数量核验工作由闸口的核验人员完成，这种人工核验方式耗费人力、成本高，无法满足现代化物流企业的要求。为解决这一问题，采用目标识别技术，设计了一种针对无人闸口高拍视角照片的车载盘圆钢材计数方法。首先，使用改进的YOLOv7模型对高拍视角下的车载盘圆图像进行三次识别，对其堆放形式分类和盘圆检测，其次根据不同的堆放形式提出推算算法，完成盘圆数量的自动推算。将本文提出的方法应用于实际闸口的检测，并进行实用性优化。通过选取合适的目标检测置信度阈值，保证出闸准确率处于较高水平，然后通过三次尝试法，在牺牲少量时间的前提下，引导被拦截车辆调整位置以提高拦截车辆准确率及合法车辆出闸成功率。实验结果表明，改进的YOLOv7模型有效提高了盘圆检测的效果，提出的盘圆数量推算方法精确率达到90%以上；进行实用性优化后，车载盘圆钢材的计数准确率达到97.88%，合法车辆在三次检测内出闸成功率达到98.27%，达到了港口现场作业的可使用性标准。

关键词：盘圆计数推算方法无人闸口管理系统港口智能化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

提示学习驱动的新闻舆情风险识别方法研究

计算机工程与应用 2024年第1期60卷 182-188页

作者：曾慧玲李琳吕思洋何铮武汉理工大学计算机与人工智能学院武汉430070 武汉理工大学经济学院武汉430070 德勤咨询(上海)有限公司上海510623

从新闻报道中识别企业的风险可以快速定位企业所涉及的风险类别,从而帮助企业及时地做出应对措施。一般而言,新闻舆情风险识别是一种风险标签的多分类任务。以BERT为代表的深度学习方法采用预训练+微调的模式在文本分类任务当中表现突... 详细信息

从新闻报道中识别企业的风险可以快速定位企业所涉及的风险类别,从而帮助企业及时地做出应对措施。一般而言,新闻舆情风险识别是一种风险标签的多分类任务。以BERT为代表的深度学习方法采用预训练+微调的模式在文本分类任务当中表现突出。然而新闻舆情领域标记数据偏少,构成了小样本的机器学习问题。以提示学习为代表的新范式为小样本分类性能的提升提供了一种新的途径和手段,现有的研究表明该范式在很多任务上优于预训练+微调的方式。受现有研究工作的启发,提出了基于提示学习的新闻舆情风险识别方法,在BERT预训练模型基础之上根据提示学习的思想设计新闻舆情风险提示模板,通过MLM(masked language model)模型训练之后,将预测出来的标签通过答案工程映射到已有的风险标签。实验结果表明在新闻舆情数据集的不同数量小样本上,提示学习的训练方法均优于微调的训练方法。

关键词：风险标签多分类预训练模型提示学习

基于缓存访问模式的C-AMAT测量方法及其在图计算中的应用

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第4期61卷 824-839页

作者：陈炳彰刘伟于萧钰武汉理工大学计算机与人工智能学院武汉430073 交通物联网技术湖北省重点实验室(武汉理工大学) 武汉430073

图应用是大数据领域的一个重要分支,尽管图分析在显示表示实体之间关系的能力相比传统的关系数据库具有更显著的性能优势,但图处理中大量的随机访问所导致的不规则访存模式破坏了访存的时间和空间局部性,从而对片外内存系统造成了很大... 详细信息

图应用是大数据领域的一个重要分支,尽管图分析在显示表示实体之间关系的能力相比传统的关系数据库具有更显著的性能优势,但图处理中大量的随机访问所导致的不规则访存模式破坏了访存的时间和空间局部性,从而对片外内存系统造成了很大的性能压力.因此如何正确度量图应用在内存系统中的性能,对于高效的图应用体系结构优化设计至关重要.并发式平均存储访问时间(concurrent average memory access time,C-AMAT)模型作为平均存储访问时间(average memory access time,AMAT)的扩展,同时考虑了存储器访问的局部性和并发性,能够更准确地对现代处理器下图应用在存储系统中的性能进行评估分析.但C-AMAT模型忽略了处理器下级cache层串行访问的事实,这会导致计算的不准确性,同时由于计算所需参数纯粹缺失周期等难以获取的原因,也使得C-AMAT难以进行实际应用.为了使CAMAT的计算模型与现代计算机中的存储器访问模式相匹配,基于C-AMAT提出了PC-AMAT(parallel CAMAT),SC-AMAT(serial C-AMAT),其中PC-AMAT,SC-AMAT分别从cache的并行和串行访问模式对C-AMAT的计算模型进行了细粒度的扩展和表征,并在此基础上设计并实现了纯粹缺失周期的提取算法,避免直接测量带来的巨大硬件开销.实验结果表明,在单核和多核模式下,PC-AMAT和SC-AMAT与IPC之间的相关性比C-AMAT更强,最终利用PC-AMAT和SC-AMAT度量和分析了图应用的存储器性能并据此提出图应用访存优化策略.

关键词：图应用图分析平均存储访问时间并发式平均存储访问时间纯粹缺失周期缓存

在线全文

学校读者我要写书评

暂无评论

多尺度水上船舶目标视觉检测

哈尔滨工业大学学报 2024年第5期56卷 103-113页

作者：黄靖汤宁文元桥郭玉滨朱立夫肖长诗武汉理工大学计算机与人工智能学院武汉430063 武汉理工大学国家水运安全工程技术研究中心武汉430063 武汉理工大学智能交通系统研究中心武汉430063

水上交通场景环境复杂,通过普通光学摄像设备获取的水面图像,面临着视觉目标清晰度低、尺度多样化等问题,使得可见光视觉信号里中、小尺度目标检测相对困难。为服务于各类智慧海事应用,提出了一个旨在提高复杂水域背景下多尺度水上船舶... 详细信息

水上交通场景环境复杂,通过普通光学摄像设备获取的水面图像,面临着视觉目标清晰度低、尺度多样化等问题,使得可见光视觉信号里中、小尺度目标检测相对困难。为服务于各类智慧海事应用,提出了一个旨在提高复杂水域背景下多尺度水上船舶目标检测性能的算法(multi-scale ship object detection,MS-SOD)。该算法基于当前计算机视觉技术中主流的单阶段目标检测模型框架,在其主干网络中嵌入卷积注意力模块,来优化船舶特征提取能力;在多尺度特征融合网络中引入富含细节信息的浅层特征,并使用跨阶段局部残差结构,来优化多尺度船舶特征的融合机制;同时,使用焦点损失函数,来优化模型的学习过程;并设计自适应锚框聚类算法优化先验锚框,以提高多尺度船舶目标检测能力。为验证提出算法的有效性和实效性,在构建较大规模水上船舶目标数据集的基础上,开展了广泛实验验证。结果表明:提出的算法在测试数据集上的检测准确度超过了各主流的对比方法;特别是对于大、中、小各尺度船舶目标的检测精度,相对于主流的YOLOv4算法,提出的算法分别提升了11.3%、6.0%和10.5%。

关键词：多尺度船舶目标检测深度学习注意力机制特征融合

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

基于负数据库的隐私保护图神经网络推荐系统

软件学报 2024年

作者：赵冬冬徐虎彭思芸周俊伟武汉理工大学计算机与人工智能学院武汉理工大学重庆研究院

图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险... 详细信息

图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险.为了解决这个问题,提出了一种基于负数据库(NDB)的图数据发布方法.该方法将图数据的结构特征转换为负数据库的编码形式,基于此,设计出一种扰动图(NDB-Graph)的生成方法.由于NDB是一种保护隐私的技术,不显式存储原始数据且难以逆转,故发布的图数据能确保原始图数据的安全.此外,由于图神经网络在图数据中关系特征处理方面的高效性,被广泛应用于对图数据的各种任务处理建模,例如推荐系统,还提出了一种基于NDB技术的图神经网络的推荐系统来保护每个用户的图数据隐私.基于Karate和Facebook数据集上的实验表明:与PBCN发布方法相比,所提方法在大多数情况下表现更优秀.例如:在Facebook数据集上,度分布最小的L1误差仅为6,比同隐私等级下的PBCN方法低约2.6%;最坏情况约为1 400,比同隐私等级下的PBCN方法低约46.5%.在基于LightGCN的协同过滤实验中也表明,所提出的隐私保护方法具有较高的精度.

关键词：图数据隐私保护负数据库推荐系统图神经网络

基于Tri-Training半监督学习的非功能性需求分类方法在工业软件中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

武汉大学学报(理学版) 2024年第3期 367-375页

作者：宋百灵何彦众张泽贤曾诚俞嘉怡刘进胡文华武汉理工大学计算机与人工智能学院湖北大学人工智能学院武汉大学计算机学院

结合Word2Vec的Skip-gram模型在提取复杂软件需求文档中细微语义差异方面的优势，提出了一种基于Tri-Training半监督学习的非功能性需求分类方法，旨在应对软件需求工程领域中标记样本数量有限的挑战，从而解决非功能性需求分类性能下... 详细信息

结合Word2Vec的Skip-gram模型在提取复杂软件需求文档中细微语义差异方面的优势，提出了一种基于Tri-Training半监督学习的非功能性需求分类方法，旨在应对软件需求工程领域中标记样本数量有限的挑战，从而解决非功能性需求分类性能下降的问题。与传统应用于完全冗余视图或单一分类器的半监督学习算法不同，半监督学习Tri-training算法通过用自举抽样产生的3个不同的标记数据集初始化3个不同的分类器，利用三个分类器以多数投票规则来产生伪标记数据，从而解除对训练集的限制，提高分类框架的通用性和可用性。将本文方法应用于涵盖多个工业领域的PROMISE软件需求数据集中，结果表明，基于Tri-Training半监督学习的非功能性需求分类方法在不同标记比例的数据集上具有良好的分类性能，特别是在标记数据不足的情况下，相比于监督学习和其他半监督学习算法，该方法在召回率和F1值上具有显著优势。

关键词：软件需求分类半监督学习 Tri-Training

基于区块链和可信执行环境的细粒度访问控制方案研究与应用——以物联网为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程理论与实践 2024年

作者：蒋伟进李恩罗田甜周文颖杨莹武汉理工大学计算机与人工智能学院湘江实验室湖南工商大学计算机学院

新型物联网技术的普及使得物联网资源的访问和共享需求不断扩大，而现有的物联网访问控制技术显现出的访问策略粗粒度、弱可审计性、缺乏访问过程控制以及过度特权等问题，使物联网设备面临着极大的安全隐患和隐私威胁. 基于此，提... 详细信息

新型物联网技术的普及使得物联网资源的访问和共享需求不断扩大，而现有的物联网访问控制技术显现出的访问策略粗粒度、弱可审计性、缺乏访问过程控制以及过度特权等问题，使物联网设备面临着极大的安全隐患和隐私威胁. 基于此，提出了一种以区块链技术为基础的基于加密货币的访问控制模型 (Cryptocurrency-Based Access Control， CcBAC)，可为物联网提供细粒度、有效的可审计性和访问过程控制，并借助可信执行环境来提供更强大的安全性. 介绍了访问控制模型的技术原理、特点、研究现状，详细阐述了CcBAC模型框架，并对其进行了形式化定义; 同时，对模型中的函数进行了具体的描述，给出了本模型在一般应用场景中的访问控制流程; 最后通过理论分析和实验评估验证了本模型的实用性和性能，证实本模型不仅能使资源所有者完全控制对其资源的访问，同时还兼顾访问控制的细粒度和可审计性.

关键词：区块链访问控制物联网加密货币可信执行环境