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

基于特征变换和度量网络的小样本学习算法

自动化学报 2024年第7期50卷 1305-1314页

作者：王多瑞杜杨董兰芳胡卫明李兵中国科学技术大学合肥230026 中国科学院自动化研究所模式识别国家重点实验室北京100190 阿里巴巴科技(北京)有限公司北京100016

在小样本分类任务中,每个类别可供训练的样本数量非常有限.因此在特征空间中同类样本分布稀疏,异类样本间边界模糊.提出一种新的基于特征变换和度量网络(Feature transformation and metric networks,FTMN)的小样本学习算法用于小样本... 详细信息

在小样本分类任务中,每个类别可供训练的样本数量非常有限.因此在特征空间中同类样本分布稀疏,异类样本间边界模糊.提出一种新的基于特征变换和度量网络(Feature transformation and metric networks,FTMN)的小样本学习算法用于小样本分类任务.算法通过嵌入函数将样本映射到特征空间,并计算输入该样本与所属类别中心的特征残差.构造一个特征变换函数对该残差进行学习,使特征空间内的样本特征经过该函数后向同类样本中心靠拢.利用变换后的样本特征更新类别中心,使各类别中心间的距离增大.算法进一步构造了一种新的度量函数,对样本特征中每个局部特征点的度量距离进行联合表达,该函数能够同时对样本特征间的夹角和欧氏距离进行优化.算法在小样本分类任务常用数据集上的优秀表现证明了算法的有效性和泛化性.

关键词：特征变换度量学习小样本学习残差学习

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

基于监督对比学习的文本情绪类别表示

软件学报 2024年第10期35卷 4794-4805页

作者：王祥宇宗成庆模式识别国家重点实验室(中国科学院自动化研究所) 北京100190 中国科学院大学人工智能学院北京100049

揭示情绪之间的关系是认知心理学的一项重要基础研究.从自然语言处理的角度来说,探讨情绪之间的关系的关键在于得到合适的情绪类别的嵌入式表示.最近,在情感空间中获得一个可以表征情绪关系的类别表示已经引起了一些关注.然而,现有的情... 详细信息

揭示情绪之间的关系是认知心理学的一项重要基础研究.从自然语言处理的角度来说,探讨情绪之间的关系的关键在于得到合适的情绪类别的嵌入式表示.最近,在情感空间中获得一个可以表征情绪关系的类别表示已经引起了一些关注.然而,现有的情绪类别嵌入方法存在以下几个缺点.比如固定维度,情绪类别表示的维度依赖于所选定的数据集.为了取得一个更好的情绪类别表示,引入监督对比学习的表示方法.在之前的监督对比学习方法中,样本之间的相似性取决于样本所标注的标签的相似性.为了更好地反映出不同情绪类别之间的复杂关系,进一步提出部分相似的监督对比学习表示方法,认为不同情绪类别(比如情绪anger和annoyance)的样本之间也可能是部分相似的.最后,组织一系列实验来验证所提方法以及其他5个基准方法在表述情绪类别之间关系的能力.实验结果表明,所提方法取得了理想的情绪类别表示结果.

关键词：情感分析情绪表示情绪空间情绪类别

在线全文

学校读者我要写书评

暂无评论

中文医疗文本中的嵌套实体识别方法

软件学报 2024年第6期35卷 2923-2935页

作者：闫璟辉宗成庆徐金安北京交通大学计算机与信息工程学院北京100091 模式识别国家重点研究室(中国科学院自动化研究所) 北京100190

实体识别是信息抽取的关键技术.相较于普通文本,中文医疗文本的实体识别任务往往面对大量的嵌套实体.以往识别实体的方法往往忽视了医疗文本本身所特有的实体嵌套规则而直接采用序列标注方法,为此,提出一种融合实体嵌套规则的中文实体... 详细信息

实体识别是信息抽取的关键技术.相较于普通文本,中文医疗文本的实体识别任务往往面对大量的嵌套实体.以往识别实体的方法往往忽视了医疗文本本身所特有的实体嵌套规则而直接采用序列标注方法,为此,提出一种融合实体嵌套规则的中文实体识别方法.所提方法在训练过程中将实体的识别任务转化为实体的边界识别与边界首尾关系识别的联合训练任务,在解码过程中结合从实际医疗文本中所总结出来的实体嵌套规则对解码结果进行过滤,从而使得识别结果能够符合实际文本中内外层实体嵌套组合的组成规律.在公开的医疗文本实体识别的实验上取得良好的效果.数据集上的实验表明,所提方法在嵌套类型实体识别性能上显著优于已有的方法,在整体准确率方面比最先进的方法提高0.5%.

关键词：实体识别中文文本医疗领域嵌套实体识别边界识别

属性建模与课程学习相结合的属性级情感分类方法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第9期35卷 4377-4389页

作者：叶静向露宗成庆中国科学院大学人工智能学院北京100049 模式识别国家重点实验室(中国科学院自动化研究所) 北京100190

属性级情感分类任务旨在判断句子针对给定属性的情感极性,因其广泛应用而备受关注.该任务的关键在于识别给定属性相关的上下文描述,并根据上下文内容判断发文者针对相应属性的情感倾向.统计发现,大约30%的评论中并不包含关于给定属性的... 详细信息

属性级情感分类任务旨在判断句子针对给定属性的情感极性,因其广泛应用而备受关注.该任务的关键在于识别给定属性相关的上下文描述,并根据上下文内容判断发文者针对相应属性的情感倾向.统计发现,大约30%的评论中并不包含关于给定属性的明确情感描述,但仍然传达了清晰的情感倾向,这被称为隐式情感表达.近年来,基于注意力机制的神经网络方法在情感分析中得到了成功应用.但该类方法只能捕捉属性相关的显式情感描述,而缺乏对隐含情感的有效分析和挖掘,且往往将属性词与句子上下文分别建模,使得属性词的表示缺乏上下文语义.针对以上两个问题,提出一种交叉融合属性局部和句子全局上下文信息的属性级情感分类方法,并根据隐式和显式情感表达句子不同的分类难度采用课程学习提高模型的分类性能.实验表明,所提方法不仅对显式情感表达句子的属性情感倾向识别准确率高,而且能够有效学习隐式情感表达句子的情感类别.

关键词：属性级情感分析隐式情感分析注意力机制课程学习

温度和光照对动车组用矿物型变压器油荧光特性的影响

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第8期44卷 2233-2239页

作者：赵恩波史泽林刘云鹏李晨曦中国科学院光电信息处理重点实验室辽宁沈阳110016 中国科学院沈阳自动化研究所辽宁沈阳110016 中国科学院大学北京100049

牵引变压器渗漏油检测是动车组运行故障检测的重要部分。动车组运行故障图像检测系统采集的近红外底板图像中渗漏变压器油痕迹与水迹的特征相似,致使列检员与图像识别算法均无法有效识别渗漏油痕迹,进而导致渗漏油故障的误报率高,影响... 详细信息

牵引变压器渗漏油检测是动车组运行故障检测的重要部分。动车组运行故障图像检测系统采集的近红外底板图像中渗漏变压器油痕迹与水迹的特征相似,致使列检员与图像识别算法均无法有效识别渗漏油痕迹,进而导致渗漏油故障的误报率高,影响列车的正常运行和检修效率。由于水不具有荧光特性,而矿物型变压器油具有紫外荧光特性,故可通过荧光成像将两者区分。另外,由于动车组运行季节、地域、时间段不同,致使渗漏的变压器油处于不同的环境条件中,进而影响渗漏油的荧光特性。而渗漏油的荧光特性决定荧光成像系统激发光源波长和成像波段的选取。因此,为了明确动车组用矿物型变压器油的荧光特性,以及两个主要环境因素温度、光照对荧光特性的影响,首先制备了不同温度、不同光照条件下的变压器油样本;而后,利用荧光光谱仪采集样本的三维荧光光谱,进而分析样本的荧光特性、温度和光照对荧光特征峰位置和强度的影响。结果表明,动车组用矿物型变压器油具有两个较强的荧光激发/发射峰,分别位于350/382 nm和350/402 nm;温度的升高引起荧光强度下降,但未改变荧光波峰位置;光照强度的增加与光照时间的延长都引起荧光强度下降,但未显著改变荧光波峰的位置;在动车组运行监测时间间隔内,温度和光照未显著改变油品的荧光特性。实验结果为荧光成像检测动车组用矿物型变压器油的渗漏故障提供了实验依据和数据支持。

关键词：变压器油渗漏油检测温度光照荧光特性动车组

在线全文

学校读者我要写书评

暂无评论

多模态特征自适应融合的虚假新闻检测

计算机工程与应用 2024年第13期60卷 102-112页

作者：王腾张大伟王利琴董永峰河北工业大学人工智能与数据科学学院天津300401 中国科学院自动化研究所模式识别国家重点实验室北京100190

为解决社交媒体新闻中多模态新闻检测难以充分利用图文信息问题以及探索高效的多模态信息交互方法,提出了一种多模态特征自适应融合的虚假新闻检测模型。分别对新闻文本语义特征、文本情感特征和图文语义差异特征进行提取和表示;通过添... 详细信息

为解决社交媒体新闻中多模态新闻检测难以充分利用图文信息问题以及探索高效的多模态信息交互方法,提出了一种多模态特征自适应融合的虚假新闻检测模型。分别对新闻文本语义特征、文本情感特征和图文语义差异特征进行提取和表示;通过添加自适应权重参数的方式对多种特征进行加权拼接融合,以减少模型拼接时引入的冗余信息;将融合特征送入分类器中进行新闻的真假分类。实验结果表明,所提出的模型在F1值等评价指标上都优于当前先进的模型。有效提升了虚假新闻检测性能,为社交媒体中虚假新闻的检测提供了有力支持。

关键词：虚假新闻检测情感特征图像描述自适应融合

基于光流与多尺度上下文的图像序列运动遮挡检测

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年第9期50卷 1854-1865页

作者：冯诚张聪炫陈震李兵黎明南昌航空大学测试与光电工程学院南昌330063 中国科学院自动化研究所模式识别国家重点实验室北京100190 南昌航空大学信息工程学院南昌330063

针对非刚性运动和大位移场景下运动遮挡检测的准确性与鲁棒性问题,提出一种基于光流与多尺度上下文的图像序列运动遮挡检测方法.首先,设计基于扩张卷积的多尺度上下文信息聚合网络,通过图像序列多尺度上下文信息获取更大范围的图像特征... 详细信息

针对非刚性运动和大位移场景下运动遮挡检测的准确性与鲁棒性问题,提出一种基于光流与多尺度上下文的图像序列运动遮挡检测方法.首先,设计基于扩张卷积的多尺度上下文信息聚合网络,通过图像序列多尺度上下文信息获取更大范围的图像特征;然后,采用特征金字塔构建基于多尺度上下文与光流的端到端运动遮挡检测网络模型,利用光流优化非刚性运动和大位移区域的运动检测遮挡信息;最后,构造基于运动边缘的网络模型训练损失函数,获取准确的运动遮挡边界.分别采用MPI-Sintel和KITTI测试数据集对所提方法与现有的代表性方法进行实验对比与分析.实验结果表明,所提方法能够有效提高运动遮挡检测的准确性和鲁棒性,尤其在非刚性运动和大位移等困难场景下具有更好的遮挡检测鲁棒性.

关键词：图像序列遮挡检测深度学习多尺度上下文非刚性运动

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

基于孪生网络与多重通道融合的脱机笔迹鉴别

自动化学报 2024年第8期50卷 1660-1670页

作者：林超群王大寒肖顺鑫池雪可王驰明张煦尧朱顺痣厦门理工学院计算机与信息工程学院福建省模式识别与图像理解重点实验室厦门361024 中国科学院自动化研究所多模态人工智能系统全国重点实验室北京100190

脱机签名验证模型因其具有判断签名是否伪造的能力而备受关注.当今大多数脱机签名验证模型可分为深度度量学习方法和双通道判别方法.大部分深度度量学习方法利用孪生网络生成每张图片的细节特征向量,采用欧氏距离法判断相似度,但是欧氏... 详细信息

脱机签名验证模型因其具有判断签名是否伪造的能力而备受关注.当今大多数脱机签名验证模型可分为深度度量学习方法和双通道判别方法.大部分深度度量学习方法利用孪生网络生成每张图片的细节特征向量,采用欧氏距离法判断相似度,但是欧氏距离仅考虑两个点之间的绝对距离,而容易忽视点的方向、缩放的信息,不会考虑数据之间的相关性,因此无法捕获特征向量内部之间的关系;而双通道判别方法在网络训练前就进行特征的判别,更能判断不同图像的相似性,但此时图像的细节特征不够清晰,大量特征丢失.针对双通道判别方法中特征消失过多的问题,提出了一种面向独立于书写者场景的手写签名离线验证模型MCFFN(Multi-channel feature fusion network).在CEDAR、BHSig-B、BHSig-H和ChiSig四个不同语言的签名数据集上测试了所提出的方法,实验证明了所提方法的优势和潜力.

关键词：脱机手写签名验证深度度量学习孪生网络通道融合 ACMix

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

从单幅图像估计景深的模型到底学到了什么?

计算机辅助设计与图形学学报 2024年

作者：胡立华朵安鹏杨海峰张继福胡占义太原科技大学计算机科学与技术学院中国科学院自动化研究所模式识别国家重点实验室

目前，基于深度学习的单幅图像景深估计取得了显著的进展，在一些公开的室内外数据集上均取得了非常高的估计精度. 然而，不论是基于监督学习还是基于自监督学习的景深估计模型，这些模型到底学习到了图像的什么性质，使得其能够... 详细信息

目前，基于深度学习的单幅图像景深估计取得了显著的进展，在一些公开的室内外数据集上均取得了非常高的估计精度. 然而，不论是基于监督学习还是基于自监督学习的景深估计模型，这些模型到底学习到了图像的什么性质，使得其能够对景深进行很好的估计呢? 为此，从2个侧面对这个问题进行了量化的测试和分析. 对于“无纹理”区域，通过模型对这些区域与该区域邻域估计的景深之间的关系，探究了这些区域的估计景深是不是其邻域估计景深的某种“填充”效应; 其次分析了模型对高视觉显著性区域估计的景深是否具有更高的估计精度. 测试结果显示，无纹理区域与其邻域的估计景深分布确实存在比较高的相似性，但当前景深估计模型的估计精度和图像视觉显著性的关联性不是很强. 所得结果对“景深估计模型解析”“景深估计模型改进”等相关工作均具有一定的参考价值，例如，今后在设计和训练景深估计模型的工作中，有必要充分考虑输入图像的视觉显著性效应，从而提高模型对高视觉显著性区域的景深估计精度，以便更好地服务下游任务.

关键词：景深估计模型解析无纹理区域视觉显著性