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

跨模态信息融合的视频文本检索

计算机应用 2024年

作者：习怡萌邓箴刘倩刘立波宁夏大学信息工程学院宁夏“东数西算”人工智能与信息安全重点实验室

现有的视频文本检索方法通常假设文本描述与视频之间存在强语义关联，却忽略了数据集中广泛存在的弱相关视频文本对，导致模型擅长识别常见的通用概念，但无法充分挖掘弱语义描述的潜在信息，从而影响模型检索性能。针对上述问题，提出... 详细信息

现有的视频文本检索方法通常假设文本描述与视频之间存在强语义关联，却忽略了数据集中广泛存在的弱相关视频文本对，导致模型擅长识别常见的通用概念，但无法充分挖掘弱语义描述的潜在信息，从而影响模型检索性能。针对上述问题，提出一种跨模态信息融合的视频文本检索模型。所提模型以跨模态的方式利用相关的外部知识来改进模型检索性能。首先，构建两个外部知识检索模块，分别用于实现视频与外部知识的检索以及文本与外部知识的检索，以便后续借助外部知识来强化原始视频和文本特征表示；其次，设计了自适应交叉注意力的跨模态信息融合模块，以去除视频和文本中的冗余信息，并利用不同模态间的互补信息进行特征融合，从而学习更具判别性的特征表示；最后，引入模态间和模态内相似性损失函数，以确保数据在融合特征空间、视频特征空间和文本特征空间下信息表征的完整性，实现跨模态数据间的精准检索。实验结果表明，与MuLTI相比，该方法在公共数据集MSR-VTT(Microsoft Research Video to Text)和DiDeMo(Distinct Describable Moments)上的召回率（R@1）分别提升了2和1.9个百分点；与CLIP-ViP相比，该方法在公共数据集LSMDC(Large Scale Movie Description Challenge)上的召回率（R@1）提高了2.9个百分点。可见，该方法能有效解决视频文本检索任务中弱相关数据对问题，从而提升模型检索准确度。

关键词：跨模态检索视频文本检索多特征融合弱语义数据自适应

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于向量转换的卷积计算优化方法

计算机工程 2024年

作者：王培吉邹承明武汉理工大学计算机与人工智能学院交通物联网技术湖北省重点实验室鹏城实验室

该研究致力于解决卷积计算中存在的效率问题，提出了一个名为OptiMEC Accelerated Convolution（OAC）的卷积计算优化方法。该研究的主要目的在于提高卷积计算的效率，以应对深度学习等领域对卷积计算速度的不断增大的需求。在该技术实... 详细信息

该研究致力于解决卷积计算中存在的效率问题，提出了一个名为OptiMEC Accelerated Convolution（OAC）的卷积计算优化方法。该研究的主要目的在于提高卷积计算的效率，以应对深度学习等领域对卷积计算速度的不断增大的需求。在该技术实现过程中，OAC方法以向量转换为基础，采取了一系列巧妙的步骤来优化卷积计算。首先，通过逐行取值的方式将输入矩阵连接成一个向量。随后，对卷积核进行拉伸变换，并根据输入矩阵的宽度和卷积核的大小在适当位置进行补零，形成另一个向量。这一转换的设计旨在和输入矩阵转换后的向量能够进行正确的计算，并且最大程度上减少计算过程中的冗余操作，从而提高效率。最后，结合一些其他的优化手段对向量计算进行加速。研究结果表明，与传统MEC方法相比，OAC方法的计算速度提高了58.9%。与im2col方法相比，更是实现了90.1%的计算速度提升。同时，内存占用相比于MEC算法减少了53.7%。通过这一创新性的方法，该研究不仅在计算效率上取得了显著成果，而且为深度学习等计算任务提供了高效可行的解决方案。定量结果清晰展示了OAC方法相对于传统方法的明显优势，这对于满足当今对卷积计算速度不断增大需求的领域具有重要意义。这项研究的结论为卷积计算领域的优化提供了有力的技术支持，为相关领域的进一步研究和应用奠定了坚实基础。

关键词：深度学习卷积计算卷积优化向量转换加速库

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于条件扩散模型的结直肠图像染色归一化

电子测量技术 2024年

作者：李子成贾伟赵雪芬高宏娟宁夏大学信息工程学院宁夏“东数西算”人工智能与信息安全重点实验室

由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征，导致丢失部分结直肠病理图像的结构信息，无法生成高质量的染色归一化结直肠病理图像。为解决该问题，提出一种基于条件扩散模型的结直肠病理图像染色归一化方法，该... 详细信息

由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征，导致丢失部分结直肠病理图像的结构信息，无法生成高质量的染色归一化结直肠病理图像。为解决该问题，提出一种基于条件扩散模型的结直肠病理图像染色归一化方法，该方法包括条件扩散模型和图像特征重建。在条件扩散模型中，首先，使用马尔科夫链前向过程对结直肠病理原图像进行加噪声。然后，将噪声图像和条件图像输入到增强去噪网络中进行去噪，在这过程中利用增强激活模块，学习结直肠病理图像的深层特征，捕获更多的图像上下文信息。在编码器和解码器之间引入跳跃连接空间注意力模块，准确提取结直肠病理图像的位置空间信息。在图像特征重建中，设计金字塔特征提取模块，提取多尺度条件图像与生成图像的特征，并构建重建损失函数，优化整个网络的性能。实验结果表明，与现有方法相比，所提染色归一化方法在公共数据集GlaS和CRAG上的能生成质量更高的染色归一化结直肠病理图像。

关键词：条件扩散模型结直肠病理图像染色归一化去噪网络

ResFPN：扩增实际感受野和改进FPN的多尺度目标检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：杨扬唐晓芬宁夏“东数西算”人工智能与信息安全重点实验室宁夏大学信息工程学院

针对多尺度目标检测中主干网络实际感受野远远小于理论感受野、感受野分布稀疏以及FPN特征金字塔在横向连接过程中统一通道数丢失通道信息等问题影响模型的性能，提出ResFPN：一种扩增实际感受野和多特征融合改进FPN的多尺度目标检测算... 详细信息

针对多尺度目标检测中主干网络实际感受野远远小于理论感受野、感受野分布稀疏以及FPN特征金字塔在横向连接过程中统一通道数丢失通道信息等问题影响模型的性能，提出ResFPN：一种扩增实际感受野和多特征融合改进FPN的多尺度目标检测算法。针对主干网络实际感受野远远小于理论感受野，设计了多分支膨胀卷积MBD模块和多分支池化MBP模块，通过学习不同尺度空间特征融合，扩增感受野。针对感受野分布稀疏问题，提出轻量级通道交互融合CIF模块，通过双分支结构并在每一分支叠加不同数量深度可分离卷积学习像素间的依赖关系增强特征表示。针对FPN通过1×1卷积统一通道数会丢失通道信息问题，尝试利用SubPixel卷积提取C5层输出特征，保留原始丰富语义信息同时引出额外双向路径对FPN通道信息进行补充，但这可能会产生冗余信息。因此，在额外双向路径后引入全局上下文GC模块，利用GC瓶颈转换模块进一步融合特征信息，减少信息冗余。实验表明，本文提出的ResFPN有效的解决了感受野分布稀疏问题并将主干网络感受野增大了原来的一倍，同时提出改进FPN通道丢失问题的方法也在多尺度目标检测中获得了良好的性能。具体来说，与典型的网络Faster-RCNN相比，大、中、小物体检测平均精度在具有挑战性的MS COCO数据集上分别提高了2.2%，1.6%，2.0%，与其他检测器相比检测效果也有提升。

关键词：目标检测卷积神经网络多尺度目标检测感受野 FPN

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

同方期刊数据库

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

多尺度子群体交互关系下的群体行为识别方法

电子与信息学报 2024年第5期46卷 2228-2236页

作者：朱丽萍吴祀霖陈晓禾李承阳朱凯杰石油数据挖掘北京市重点实验室北京102249 中国石油大学(北京)信息科学与工程学院/人工智能学院北京102249 北京大学计算机学院北京100871

群体行为识别旨在识别包含多个个体的群体行为。在现实场景中,群体行为通常可以被视为从群体到子群体再到个人的层次结构。然而,以前的群体行为识别方法主要侧重于对个体之间的关系进行建模,缺乏对子群体之间关系的深度研究。从该角度出... 详细信息

群体行为识别旨在识别包含多个个体的群体行为。在现实场景中,群体行为通常可以被视为从群体到子群体再到个人的层次结构。然而,以前的群体行为识别方法主要侧重于对个体之间的关系进行建模,缺乏对子群体之间关系的深度研究。从该角度出发,该文提出一种基于多尺度子群体交互关系(MSIR)的多层次群体行为识别框架。除对个体关系进行建模外,重点关注了子群体之间的多尺度交互特征。具体优化如下:设计子群体划分模块,通过个体外观特征和其空间位置来聚合可能存在关联的个体,再进一步利用语义信息动态地生成不同尺度大小的子群体;设计子群体交互特征提取模块,通过构建不同子群体之间的交互矩阵以及图神经网络的关系推理能力,提取更具判别力的子群体特征。实验结果表明,与现有12种方法在排球数据集和集体活动数据集这两个群体行为识别基准数据集上对比,该文方法都取得最好的性能结果。作为一个易于扩展和优化的群体行为识别框架,该算法在不同数据集上都具有较好的泛化能力。

关键词：行为识别群体行为子群体划分关系推理

在线全文

学校读者我要写书评

暂无评论

深空探测器多智能体强化学习自主任务规划

深空探测学报（中英文） 2024年第3期11卷 244-255页

作者：孙泽翼王彬胡馨月熊新金怀平昆明理工大学信息工程与自动化学院昆明650500 云南省人工智能重点实验室昆明650500

针对深空探测器执行附着任务时各子系统协同规划自主性、快速性和自适应性的要求,提出一种基于近端策略优化方法的多智能体强化学习协同规划,将单智能体近端策略优化算法与多智能体混合式协作机制相融合,设计了一种多智能体自主任务规... 详细信息

针对深空探测器执行附着任务时各子系统协同规划自主性、快速性和自适应性的要求,提出一种基于近端策略优化方法的多智能体强化学习协同规划,将单智能体近端策略优化算法与多智能体混合式协作机制相融合,设计了一种多智能体自主任务规划模型,并引入噪声正则化优势值解决多智能体集中训练中协同策略过拟合的问题。仿真结果表明,多智能体强化学习自主任务规划方法能根据实时环境变化,对智能自主优化小天体附着任务的协作策略适时调整,与改进前的算法相比提高了任务规划成功率和规划解的质量,缩短了任务规划的时间。

关键词：多智能体强化学习深空探测自主任务规划近端策略优化小天体附着

在线全文

学校读者我要写书评

暂无评论

用于多器官分割的多尺度聚合网络研究

陕西科技大学学报 2024年第2期42卷 189-197页

作者：高学敏杜晓刚张学军王营博雷涛陕西科技大学陕西省人工智能联合实验室电子信息与人工智能学院陕西西安710021 兰州交通大学电子与信息工程学院甘肃兰州730070

多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先... 详细信息

多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先,设计了多尺度边界提取模块,使用多尺度卷积核提取多个特征图,将不同尺度的特征图互相结合,从而聚合全局上下文信息,并提取不同器官的边界和细节信息;其次,设计了聚焦式注意力模块,通过学习的注意力权重来调节特征图的重要性,从而聚焦感兴趣的多器官区域并捕捉不同器官的关键特征,进一步提高分割性能.在两个公开数据集CHAOS和MS-CMRSeg上进行了大量实验.实验结果表明:MSANet在两个数据集上的分割效果均优于当前主流的多器官分割方法,显著提高了多器官分割精度.

关键词：多器官分割多尺度聚合网络上下文信息注意力机制

在线全文

学校读者我要写书评

暂无评论

生成式人工智能驱动教育创新的核心要素分析

教育发展研究 2024年第13期44卷 9-16页

作者：邱峰吴跃东上海师范大学人工智能教育研究院上海200234 教育部教育大数据与教育决策实验室上海200234

生成式人工智能(AIGC)技术以其内容生成的高效性、多模态性、交互性和沉浸感体验,以及服务供给的精准性和智能性,正成为驱动教育理念、形态、模式、路径等全方位变革的“新引擎”,为推动教育创新发展注入了前所未有的新动力。本文聚焦A... 详细信息

生成式人工智能(AIGC)技术以其内容生成的高效性、多模态性、交互性和沉浸感体验,以及服务供给的精准性和智能性,正成为驱动教育理念、形态、模式、路径等全方位变革的“新引擎”,为推动教育创新发展注入了前所未有的新动力。本文聚焦AIGC驱动教育创新的核心要素进行分析。首先阐释了AIGC与教育创新的内涵,剖析了二者的多维契合点,并从学习理论、教育技术学等视角诠释了AIGC驱动教育创新的作用机理。在此基础上,提出“技术支撑、主体素养、伦理安全、生态培育、要素耦合”是AIGC驱动教育创新的五大核心要素。结合国内外AIGC教育应用的最新进展,提炼了推动AIGC教育创新的实践启示,展望了人工智能时代教育发展的未来图景。

关键词： AIGC 教育创新核心要素作用机理