检索结果-南通市图书馆

语义增强图像-文本预训练模型的零样本三维模型分类

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第8期46卷 3314-3323页

作者：丁博张立宝秦健何勇军哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算学部哈尔滨150006

目前,基于对比学习的图像-文本预训练模型(CLIP)在零样本3维模型分类任务上表现出了巨大潜力,然而3维模型和文本之间存在巨大的模态鸿沟,影响了分类准确率的进一步提高。针对以上问题,该文提出一种语义增强CLIP的零样本3维模型分类方法... 详细信息

目前,基于对比学习的图像-文本预训练模型(CLIP)在零样本3维模型分类任务上表现出了巨大潜力,然而3维模型和文本之间存在巨大的模态鸿沟,影响了分类准确率的进一步提高。针对以上问题,该文提出一种语义增强CLIP的零样本3维模型分类方法。该方法首先将3维模型表示成多视图;然后为了增强零样本学习对未知类别的识别能力,通过视觉语言生成模型获得每张视图及其类别的语义描述性文本,并将其作为视图和类别提示文本之间的语义桥梁,语义描述性文本采用图像字幕和视觉问答两种方式获取;最后微调语义编码器将语义描述性文本具化为类别的语义描述,其拥有丰富的语义信息和较好的可解释性,有效减小了视图和类别提示文本的语义鸿沟。实验表明,该文方法在ModelNet10和ModelNet40数据集上的分类性能优于现有的零样本分类方法。

关键词： 3维模型分类零样本基于对比学习的图像-文本预训练模型语义描述性文本

一种融合个性化细胞关系和背景信息的宫颈细胞分类方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第8期46卷 3390-3399页

作者：丁博李超炜秦健何勇军洪振龙哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算学部哈尔滨150006

宫颈细胞分类在宫颈癌辅助诊断中发挥着重要的作用。然而,现有的宫颈细胞分类方法未充分考虑细胞关系和背景信息,也没有模拟病理医生的诊断方式,导致分类性能较低。因此,该文提出了一种融合细胞关系和背景信息的宫颈细胞分类方法,由基... 详细信息

宫颈细胞分类在宫颈癌辅助诊断中发挥着重要的作用。然而,现有的宫颈细胞分类方法未充分考虑细胞关系和背景信息,也没有模拟病理医生的诊断方式,导致分类性能较低。因此,该文提出了一种融合细胞关系和背景信息的宫颈细胞分类方法,由基于细胞关系的图注意力分支(GAB-CCR)和背景信息注意力分支(BAB-WSI)组成。GAB-CCR采用细胞特征间的余弦相似度,首先构建相似和差异细胞关系图,并利用GATv2增强模型对细胞关系建模。BAB-WSI使用多头注意力模块捕捉涂片背景上的关键信息并反映不同区域的重要性。最后,将增强后的细胞特征和背景特征融合,提升了网络的分类性能。实验表明,相比于基线模型Swin Transformer-L,所提方法在准确率、敏感度、特异性和F1-Score分别提高了15.9%,30.32%,8.11%和31.62%。

关键词：图像处理宫颈细胞分类细胞关系背景信息注意力机制

在线全文

学校读者我要写书评

暂无评论

面向复杂软件的缺陷检测与修复技术专题前言

软件学报 2024年第7期35卷 3069-3070页

作者：张路刘辉姜佳君王博北京大学计算机学院北京100871 北京理工大学计算机学院北京100081 天津大学智能与计算学部天津300350 北京交通大学计算机与信息技术学院北京100044

在软件定义一切的信息时代,软件已经成为人们生产和生活的基石.由于软件系统规模不断扩大,应用环境越来越复杂,程序员在开发过程中难以避免引入软件缺陷.软件缺陷可能会引发不可预期的后果,甚至危及人们的生命财产安全.因此,及时且准确... 详细信息

在软件定义一切的信息时代,软件已经成为人们生产和生活的基石.由于软件系统规模不断扩大,应用环境越来越复杂,程序员在开发过程中难以避免引入软件缺陷.软件缺陷可能会引发不可预期的后果,甚至危及人们的生命财产安全.因此,及时且准确地检测并修复缺陷对于保障生产生活的正常运行具有重要意义.然而,在实践中软件缺陷的检测和修复面临着诸多挑战.例如,在庞大复杂的信息系统中.

关键词：软件缺陷信息系统软件定义软件系统应用环境生命财产安全修复缺陷检测与修复

利用旋翼机和固定翼飞机的空气动力学理论综合估算电动垂直起降飞行器的飞行性能

在线全文

学校读者我要写书评

暂无评论

Transactions of Nanjing University of Aeronautics and Astronautics 2024年第1期41卷 35-42页

作者：雷忠公立诹访东京理科大学工学部日本长野391-0292

根据旋翼机和固定翼飞机的气动理论开发了一个综合方法过程用于估算电动垂直起降(Electric vertical takeoff and landing, e VTOL)飞行器的飞行性能。这种飞机通常采用多旋翼垂直飞行,螺旋桨和机翼的不同组合方式实现飞行。其中,对旋... 详细信息

根据旋翼机和固定翼飞机的气动理论开发了一个综合方法过程用于估算电动垂直起降(Electric vertical takeoff and landing, e VTOL)飞行器的飞行性能。这种飞机通常采用多旋翼垂直飞行,螺旋桨和机翼的不同组合方式实现飞行。其中,对旋翼和螺旋桨的气动性能采用传统动量理论分析和旋翼元素分析。本文利用此综合理论研究了12架e VTOL飞行器的飞行性能,包括多旋翼飞行器、矢量推进飞行器和升力巡航飞行器。计算了悬停、爬升和下降以及巡航水平飞行,不同飞行状态时驱动电机、旋翼和机身的飞行特性。据此,可以进一步确定电力推进系统的性能指标,以匹配螺旋桨或旋翼,从而满足飞行任务。

关键词：电动垂直起降飞行器先进空中飞行器旋翼固定翼飞行性能气动理论

CycleLLH：一种基于周期性整合的新型网络流量预测模型

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年

作者：唐文杰肖一磊孔祥宇齐恒刘秀龙李克秋大连理工大学计算机科学与技术学院天津大学智能与计算学部

精准的网络流量预测是实现网络精细化和智能化管理的关键，也是网络运营商、云服务提供商等实现网络智能运维及应用服务保障的重要支撑，属于当前业界研究热点。网络流量预测问题一般可被视为一种时间序列预测问题，现有时间序列预测模... 详细信息

精准的网络流量预测是实现网络精细化和智能化管理的关键，也是网络运营商、云服务提供商等实现网络智能运维及应用服务保障的重要支撑，属于当前业界研究热点。网络流量预测问题一般可被视为一种时间序列预测问题，现有时间序列预测模型虽然能起到一定作用，但这些通用模型很少考虑流量数据集本身特点，从而无法在网络流量预测性能上取得突破。为此，本文重点研究了网络流量数据集中的自然周期特征，提出了一种能有效利时间序列周期性特点的网络流量预测通用模型——Cycle Little Linear Head（CycleLLH）。该模型主干为Transformer的编码器，其中两个关键设计在于：1、周期整合：将流量序列按照一个特定周期划分步长划分为不同的周期块，然后将这些周期块对应相位的时间节点分别嵌入到不同输入令牌；2、小线性层：由多个多层感知机组成，并且多层感知机单独作用于每个相位的时间特征。周期整合使得模型具有两个优点：更有利于模型提取数据集在一个周期内的特征；注意力矩阵的计算和内存复杂度可以看作是和周期划分步长二次方有关的常数，使得模型可以使用更大的回溯窗口而仅增加少量计算资源。通过在公共流量数据集上进行大量实验，本研究表明：与当前最先进的模型相比，CycleLLH在流量预测精度方面表现出显著优势，在六个数据集上的预测精度分别提升了12.3%、8.4%、29.9%、5.8%、8.3%和2.0%。代码可从https://***/wenjietang218/***中获取。

关键词：网络流量预测时间序列预测周期性周期整合小线性层

基于语言-视觉对比学习的多模态视频行为识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自动化学报 2024年第2期50卷 417-430页

作者：张颖张冰冰董微安峰民张建新张强大连民族大学计算机科学与工程学院大连116600 大连民族大学机器智能与生物计算研究所大连116600 大连理工大学电子信息与电气工程学部大连116024

以对比语言-图像预训练(Contrastive language-image pre-training, CLIP)模型为基础,提出一种面向视频行为识别的多模态模型,该模型从视觉编码器的时序建模和行为类别语言描述的提示学习两个方面对CLIP模型进行拓展,可更好地学习多模... 详细信息

以对比语言-图像预训练(Contrastive language-image pre-training, CLIP)模型为基础,提出一种面向视频行为识别的多模态模型,该模型从视觉编码器的时序建模和行为类别语言描述的提示学习两个方面对CLIP模型进行拓展,可更好地学习多模态视频表达.具体地,在视觉编码器中设计虚拟帧交互模块(Virtual-frame interaction module, VIM),首先,由视频采样帧的类别分词做线性变换得到虚拟帧分词;然后,对其进行基于时序卷积和虚拟帧分词移位的时序建模操作,有效建模视频中的时空变化信息;最后,在语言分支上设计视觉强化提示模块(Visual-reinforcement prompt module,VPM),通过注意力机制融合视觉编码器末端输出的类别分词和视觉分词所带有的视觉信息来获得经过视觉信息强化的语言表达.在4个公开视频数据集上的全监督实验和2个视频数据集上的小样本、零样本实验结果,验证了该多模态模型的有效性和泛化性.

关键词：视频行为识别语言-视觉对比学习多模态模型时序建模提示学习

点渲染方式对量化点云主观质量的影响及算法优化

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

西安交通大学学报 2024年第4期58卷 32-40页

作者：陈章尹宇杰冯芸万帅西北工业大学电子信息学院西安710129 河海大学信息学部计算机与信息学院南京210024 皇家墨尔本理工大学工程学院澳大利亚墨尔本VIC3001

为探究点渲染方式对量化点云主观质量的影响并优化渲染算法,设计了不同基础几何体类型和渲染半径计算方式的点云主观质量评价实验。通过威尔科克森符号秩检验和双独立样本T检验,分析了基础几何体类型和最近邻渲染算法对几何和属性量化... 详细信息

为探究点渲染方式对量化点云主观质量的影响并优化渲染算法,设计了不同基础几何体类型和渲染半径计算方式的点云主观质量评价实验。通过威尔科克森符号秩检验和双独立样本T检验,分析了基础几何体类型和最近邻渲染算法对几何和属性量化失真点云主观质量的影响。实验结果表明:基础几何体类型由于混叠程度不同而对主观质量影响不同,基础几何体混叠面积越大则主观质量越低;最近邻渲染算法对主观质量影响不显著,该算法减少了点云渲染后空洞的产生,却增大了混叠程度。在属性失真较小时,最近邻渲染算法效果优于渲染半径固定算法;在属性失真较大时,则劣于渲染半径固定的算法。结合主观实验结果,建立了混叠、空洞失真和基础几何体渲染半径的数学模型,在几何量化采用八叉树剪枝的基础上,通过空间相似性对模型参数进行简化并求解,提出一种利用几何量化参数计算基础几何体渲染半径的算法。与最近邻渲染算法相比,所提算法节省了52%的时间复杂度,渲染点云峰值信噪比提升了12.3%,主观质量分数提升了0.5。研究减少了计算资源,提高了渲染效率,可为渲染器的设计和优化提供参考。

关键词：点云质量评价主观实验点渲染量化失真

基于通道权重和数据效用特征的医学图像分割数据增强方法

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第2期41卷 220-227,236页

作者：武星陶晨杰李智张健孙群韩先花陈延伟上海大学计算机工程与科学学院上海200444 上海大学上海先进通信与数据科学研究院上海200444 上海大学医学院上海200444 上海全景医学影像诊断中心上海200233 上海交通大学附属第六人民医院消化内科上海200233 山口大学理学部日本山口753-8511 立命馆大学情报理工学部日本滋贺525-8577

在计算机辅助医疗诊断领域,获取含标签的医学数据代价昂贵,同时对模型的可解释性要求较高,而目前大多数深度学习模型存在数据缺乏和可解释性差的局限。为此,本文提出一种新颖的用于医学图像分割的数据增强方法,其优势和新颖之处在于,通... 详细信息

在计算机辅助医疗诊断领域,获取含标签的医学数据代价昂贵,同时对模型的可解释性要求较高,而目前大多数深度学习模型存在数据缺乏和可解释性差的局限。为此,本文提出一种新颖的用于医学图像分割的数据增强方法,其优势和新颖之处在于,通过梯度类激活热力图提取数据效用特征并与原图像进行融合,然后构建新的通道权重特征提取器来学习不同通道间的权重,最终实现了不具有破坏性的数据增强效果,提升了模型的性能、数据效用和可解释性。将本文方法应用于超光谱-克瓦希尔(Hyper-Kvasir)数据集,U型网络(U-net)模型的交并比(IoU)和戴斯(Dice)系数分别有所提升;在国际皮肤成像合作组织(ISIC)档案文件(Archive)数据集(ISIC-Archive)上,深度研究实验室V3+网络(DeepLabV3+)模型的指标IoU和Dice系数也分别有所提升。此外,在仅使用70%的训练数据的情况下,依然取得了原模型在整个数据集上训练所得性能的95%,表现出良好的数据效用。而且,该方法所使用的数据效用特征具有内置的可解释信息,有助于提高模型的可解释性。本文所提方法普适性较好,可以即插即用,适用于不同的分割方法,且无需修改网络结构,因此易于集成到现有的医学图像分割工作中,可提高今后研究和应用的便利性。

关键词：医学图像分割数据增强数据效用深度学习可解释性

在线全文

学校读者我要写书评

暂无评论

基于方向权值标签传播的微学习单元聚类算法

科学技术与工程 2024年第10期24卷 4189-4196页

作者：胡志远张月琴陈健太原理工大学信息与计算机学院晋中030600 赛博大学信息技术综合学院日本福冈8130017

为帮助学习者从大量在线学资源中找到适合自身个性化的学习资源及顺序集合,提出了一种基于有向边方向权值的标签传播算法(label propagation algorithm on directed edge weights,LPADEW)用于发现适合特定学习者并属于同一学习周期的微... 详细信息

为帮助学习者从大量在线学资源中找到适合自身个性化的学习资源及顺序集合,提出了一种基于有向边方向权值的标签传播算法(label propagation algorithm on directed edge weights,LPADEW)用于发现适合特定学习者并属于同一学习周期的微学习单元序列簇群。该算法对标签传播算法进行两个改进:根据单元节点的利用度确定标签的更新顺序,降低在节点更新顺序上的随机性;利用当前单元节点的前置邻居和后置邻居的有向边权累加值进行标签更新,并将标签权重引入标签更新策略,既可降低标签更新的随机性,也可避免形成巨型簇群。实验结果表明,LPADEW算法在微学习真实数据集和人工数据集中均取得了较好的结果。

关键词：微学习有向图图聚类有向边权值标签传播