检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于动态语义记忆网络的长尾图像描述生成

北京航空航天大学学报 2022年第8期48卷 1399-1408页

作者：刘昊杨小汕徐常胜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

图像描述生成任务旨在基于输入图像生成对应的自然语言描述。现有任务数据集中大部分图像的描述语句通常包含少量常见词和大量罕见词,呈现出长尾分布。已有研究专注于提升模型在整个数据集上的描述语句准确性,忽视了对大量罕见词的准确... 详细信息

图像描述生成任务旨在基于输入图像生成对应的自然语言描述。现有任务数据集中大部分图像的描述语句通常包含少量常见词和大量罕见词,呈现出长尾分布。已有研究专注于提升模型在整个数据集上的描述语句准确性,忽视了对大量罕见词的准确描述,限制了在实际场景中的应用。针对这一问题,提出了基于动态语义记忆网络(DSMN)的长尾图像描述生成模型,旨在保证模型对常见名词准确描述的同时,提升模型对罕见名词的描述效果。DSMN模型能够动态挖掘罕见词与常见词的全局语义关系,实现从常见词到罕见词的语义知识迁移,通过协同考虑全局单词语义关系信息及当前输入图像和已生成单词的局部语义信息提升罕见词的语义特征表示能力和预测性能。为了有效评价长尾图像描述生成方法,基于MS COCO Captioning数据集定义了长尾图像描述生成任务专用测试集Few-COCO。在MS COCO Captioning和Few-COCO数据集上的多个量化实验表明,DSMN模型在Few-COCO数据集上的罕见词描述准确率为0.6028%,召回率为0.3234%,F-1值为0.3567%,相较于基准方法提升明显。

关键词：深度学习图像理解图像描述生成长尾分布记忆网络

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于网络语义标签的多源知识库实体对齐算法

计算机学报 2017年第3期40卷 701-711页

作者：王雪鹏刘康何世柱刘树林张元哲赵军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

知识库是多种自然语言处理任务的重要数据资源,但单一知识库覆盖度低,不同知识库异构性强,不利于数据的共享和集成.因此,多源知识库融合技术的研究有着十分重要的意义.其中,多源知识库实体对齐是多源知识库融合技术中的重要组成部分.在... 详细信息

知识库是多种自然语言处理任务的重要数据资源,但单一知识库覆盖度低,不同知识库异构性强,不利于数据的共享和集成.因此,多源知识库融合技术的研究有着十分重要的意义.其中,多源知识库实体对齐是多源知识库融合技术中的重要组成部分.在语义万维网发展的推动下,国外开展了很多相关工作,大多适用于英文知识库,对于中文知识库的研究较少.出于对中文知识库融合的研究目的,该文提出了一种基于网络语义标签的多源知识库实体对齐算法.该算法综合利用属性标签、类别标签和非结构化文本关键词,对齐中文百科实体.经实验测试,该算法能够较好地解决多源知识库实体对齐问题,算法在近95%的准确率下,仍能保持近55%的较好的召回率,应用于实际系统中,满足了实际的多源知识库实体对齐应用需求.

关键词：语义标签多源知识库实体对齐异构实体歧义

在线全文

学校读者我要写书评

暂无评论

基于深度学习的鲁棒性视觉跟踪方法

计算机学报 2016年第7期39卷 1419-1434页

作者：高君宇杨小汕张天柱徐常胜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

传统的视觉跟踪方法(如L1等)大多直接使用视频序列各帧内的像素级特征进行建模,而没有考虑到各图像块内部的深层视觉特征信息.在现实世界的固定摄像头视频监控场景中,通常可以找到一块区域,该区域中目标物体具有清晰、易于分辨的表观.因... 详细信息

传统的视觉跟踪方法(如L1等)大多直接使用视频序列各帧内的像素级特征进行建模,而没有考虑到各图像块内部的深层视觉特征信息.在现实世界的固定摄像头视频监控场景中,通常可以找到一块区域,该区域中目标物体具有清晰、易于分辨的表观.因此,文中在各视频场景内事先选定一块可以清晰分辨目标表观的参考区域用以构造训练样本,并构建了一个两路对称且权值共享的深度卷积神经网络.该深度网络使得参考区域外目标的输出特征尽可能与参考区域内目标的输出特征相似,以获得参考区域内目标良好表征的特性.经过训练后的深度卷积神经网络模型具有增强目标可识别性的特点,可以应用在使用浅层特征的跟踪系统(如L1等)中以提高其鲁棒性.文中在L1跟踪系统的框架下使用训练好的深度网络提取目标候选的特征进行稀疏表示,从而获得了跟踪过程中应对遮挡、光照变化等问题的鲁棒性.文中在25个行人视频中与当前国际上流行的9种方法对比,结果显示文中提出的方法的平均重叠率比次优的方法高0.11,平均中心位置误差比次优的方法低1.0.

关键词：深度学习卷积神经网络视觉跟踪鲁棒性 L1跟踪系统计算机视觉

在线全文

学校读者我要写书评

暂无评论

电话语音识别中基于统计模型的动态通道

电子与信息学报 2004年第11期26卷 1714-1720页

作者：韩兆兵张化云张树武徐波中国科学院自动化研究所模式识别国家重点实验室北京100080

与桌面环境相比,电话网络环境下的语音识别率仍然还比较低,为了推动电话语音识别在实际中的应用,提高其识别率成了当务之急,先前的研究表明,电话语音识别率明显下降通常是因为测试和训练环境的电话通道不同引起数据失配造成的,因此该文... 详细信息

与桌面环境相比,电话网络环境下的语音识别率仍然还比较低,为了推动电话语音识别在实际中的应用,提高其识别率成了当务之急,先前的研究表明,电话语音识别率明显下降通常是因为测试和训练环境的电话通道不同引起数据失配造成的,因此该文提出基于统计模型的动态通道补偿算法(SMDC)减少它们之间的差异,采用贝叶斯估计算法动态地跟踪电话通道的时变特性。实验结果表明,大词汇量连续语音识别的字误识率(CER)相对降低约27％,孤立词的词误识率(WER)相对降低约30％。同时,算法的结构时延和计算复杂度也比较小,平均时延约200 ms,可以很好地嵌入到实际电话语音识别应用中。

关键词：电话语音识别动态通道补偿最大似然估计最大后验估计

在线全文

学校读者我要写书评

暂无评论

基于多模态知识感知注意力机制的问答方法

计算机研究与发展 2020年第5期57卷 1037-1045页

作者：张莹莹钱胜胜方全徐常胜中国科学院大学北京100049 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

随着网络的普及,越来越多人遇到身体不适时,会选择在网站上搜索相关症状.随着在线医疗问答网站的出现,如春雨医生、寻医问药等,患者可以便捷地医生交流.现有的问答系统方法,聚焦于词级别的交互与语义信息,却很少考虑在回答问题时,回答... 详细信息

随着网络的普及,越来越多人遇到身体不适时,会选择在网站上搜索相关症状.随着在线医疗问答网站的出现,如春雨医生、寻医问药等,患者可以便捷地医生交流.现有的问答系统方法,聚焦于词级别的交互与语义信息,却很少考虑在回答问题时,回答者还利用了与问答本身无直接联系的常识.在实际生活中,除了病人的表述,医生还需要额外知识来诊断病人.提出了一个基于多模态知识感知注意力机制的医疗问答方法,它可以有效地利用多模态医疗知识图谱来构建基于知识图谱的问答对之间的交互.该模型首先学习知识图谱中实体的多模态表示;然后从多模态知识图谱中与问答对相关联的实体的路径来推测出回答该问题时的逻辑,并刻画问答对之间的交互关系.此外,该模型还提出了一种注意力机制来判别连接问答对的不同路径之间的重要性.构建了一个大规模的多模态医疗知识图谱和一个医疗问答数据集,实验结果表明:该方法比当前最好的方法准确度提升了2%以上.

关键词：多模态知识图谱医疗问答系统注意力机制信息检索深度学习

在线全文

学校读者我要写书评

暂无评论

PalmPC语音识别算法及实现

计算机研究与发展 2000年第8期37卷 937-941页

作者：邓勇刚徐波黄泰翼中国科学院自动化研究所模式识别国家重点实验室北京100080

掌上型计算机 (palm PC)是一种新型、灵巧的个人数字助理 (PDA) ,由于其没有键盘 ,目前采用软键盘或手写体识别作为主要的输入手段 .如果在该平台上提供类似于语音导航、声音拨号等功能 ,将大大改善人机交互界面 .针对掌上型计算机这种... 详细信息

掌上型计算机 (palm PC)是一种新型、灵巧的个人数字助理 (PDA) ,由于其没有键盘 ,目前采用软键盘或手写体识别作为主要的输入手段 .如果在该平台上提供类似于语音导航、声音拨号等功能 ,将大大改善人机交互界面 .针对掌上型计算机这种应用需求 ,结合其运算速度慢、内存少等特点 ,讨论了最新设计的一个掌上型计算机语音识别核心算法及实现 ,包括基于时域能量的端点检测算法、基于神经网络的多可信度综合判决处理集外词、特征选择及定点实现等 .实验表明选择合适的特征参数 ,结合定点算法可以保证不多于 2 0 0个命令识别任务情况下达到识别率 95 %以上。

关键词：掌上型计算机语音识别个人数字助理算法

在线全文

学校读者我要写书评

暂无评论

基于优化浮值掩蔽的监督性语音分离

自动化学报 2018年第10期44卷 1876-1887页

作者：夏莎莎张学良梁山内蒙古大学计算机学院中国科学院自动化研究所模式识别国家重点实验室

监督性语音分离利用有监督学习算法,建立输入带噪语音信号和输出目标信号之间的映射关系.近年来,随着深度学习理论的发展,监督性分离算法已经成为语音分离最重要的研究方向,计算目标对分离算法的性能有着重要影响.理想浮值掩蔽作为常用... 详细信息

监督性语音分离利用有监督学习算法,建立输入带噪语音信号和输出目标信号之间的映射关系.近年来,随着深度学习理论的发展,监督性分离算法已经成为语音分离最重要的研究方向,计算目标对分离算法的性能有着重要影响.理想浮值掩蔽作为常用的分离目标,能够提升分离的语音可懂度和语音质量,但没有考虑噪声和语音之间的相关性.本文采用优化浮值掩蔽作为分离目标,利用深度神经网络(Deep neural network, DNN)作为分离模型,并在多种噪声环境和信噪比条件下进行对比实验.结果表明,优化浮值掩蔽对语音感知质量有显著提升,总体上分离性能优于其他计算目标.

关键词：深度神经网络语音分离监督性学习计算目标

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于区域上下文感知的图像标注

计算机学报 2014年第6期37卷 1390-1397页

作者：邱泽宇方全桑基韬徐常胜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 中国-新加坡数学媒体研究院新加坡119615

随着互联网的发展,网络图像指数般增长,图像理解技术变得日益重要.其中图像标注技术作为其关键技术得到广泛关注和研究.现有的图像标注技术大多是在图像层次上训练标签模型,忽略了图像区域之间的关系及其标签之间的关系.为了解决这个问... 详细信息

随着互联网的发展,网络图像指数般增长,图像理解技术变得日益重要.其中图像标注技术作为其关键技术得到广泛关注和研究.现有的图像标注技术大多是在图像层次上训练标签模型,忽略了图像区域之间的关系及其标签之间的关系.为了解决这个问题,文中提出了一种新的算法,结合区域之间的位置关系及其标签之间的共生关系辅助标注图像.具体而言,算法首先使用支持向量机对部分可确定区域赋予语义标签,然后利用区域位置关系帮助聚类标注未知区域.得到一幅图所有的区域标签后,我们提出两种模型对标签共生关系建模辅助修正标签集,一个是随机游走模型,另一个是条件随机场模型.最终算法输出每幅图像的文本标签集.在对图像集NUS-WIDE的标注实验中显示,上述方法和单纯考虑区域关系的方法相比,标注效果和性能有了较好的改善,证实该方法是一种稳定、有效的标注算法.

关键词：图像标注上下文信息随机游走条件随机场

在线全文

学校读者我要写书评

暂无评论

基于对偶误差的脉冲神经网络目标检测方法

电子与信息学报 2023年第12期45卷 4469-4476页

作者：刘伟李文娟高晋李椋中国科学院自动化研究所模式识别国家重点实验室北京100098 军事认知与脑科学研究所北京100850

脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络,为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难,一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SN... 详细信息

脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络,为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难,一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SNN来提高推理能力。然而,转换后的SNN经常遇到性能下降和高延迟的问题,无法满足目标检测任务对高精度定位的要求。该文针对ANN转SNN过程中产生的误差问题,引入对偶误差模型降低转换性能损失。首先,该文分析误差产生原因,构建对偶误差模型来模拟ANN到SNN转换误差。进一步地,将对偶误差模型引入到ANN训练过程,使转换前后的模型在训练和推理过程中误差保持一致,从而降低模型的转换性能损失。最后,利用轻量化检测算法YOLO在数据集PASCAL VOC和MS COCO上验证了对偶误差模型的有效性。

关键词：脉冲神经网络目标检测转换误差对偶误差模型