检索结果-南通市图书馆

基于RoBERTa的评论与评分推荐系统模型研究

在线全文

学校读者我要写书评

暂无评论

湖北工业大学学报 2024年第5期39卷 48-54页

作者：张姝曦陈建峡肖亮王天赐陈志康王菁湖北工业大学计算机学院湖北武汉430068

原始推荐系统的词嵌入部分训练成本高昂且难以泛化,提出一种基于预训练模型RoBERTa的评论与评分推荐模型PANN,利用RoBERTa作为预训练模型,使用动态掩码策略和字节级词汇表进行训练,解决了单词的一词多义问题。该模型可以从输入序列中提... 详细信息

原始推荐系统的词嵌入部分训练成本高昂且难以泛化,提出一种基于预训练模型RoBERTa的评论与评分推荐模型PANN,利用RoBERTa作为预训练模型,使用动态掩码策略和字节级词汇表进行训练,解决了单词的一词多义问题。该模型可以从输入序列中提取特征,具有很高的泛化性能。同时,PANN模型拥有用户和项目两个网络,这两个网络结构相同但分别训练参数和提取特征。最后使用因式分解机对两个网络的输出特征进行交互,以预测用户对项目的兴趣,即用户对项目可能的评分。实验结果表明,该PANN模型在大多数数据集上优于传统模型。

关键词：预训练模型推荐系统循环神经网络注意力机制

在线全文

学校读者我要写书评

暂无评论

融合多模态数据的小样本命名实体识别方法

软件学报 2024年第3期35卷 1107-1124页

作者：张天明张杉刘曦曹斌范菁浙江工业大学计算机科学与技术学院浙江杭州310023

作为自然语言处理领域的关键子任务,命名实体识别通过提取文本中的关键信息,帮助机器翻译、文本生成、知识图谱构建以及多模态数据融合等许多下游任务深度理解文本蕴含的复杂语义信息,有效地完成任务.在实际生活中,由于时间和人力等成... 详细信息

作为自然语言处理领域的关键子任务,命名实体识别通过提取文本中的关键信息,帮助机器翻译、文本生成、知识图谱构建以及多模态数据融合等许多下游任务深度理解文本蕴含的复杂语义信息,有效地完成任务.在实际生活中,由于时间和人力等成本问题,命名实体识别任务常常受限于标注样本的稀缺.尽管基于文本的小样本命名实体识别方法已取得较好的泛化表现,但由于样本量有限,使得模型能提取的语义信息也十分受限,进而导致模型预测效果依然不佳.针对标注样本稀缺给基于文本的小样本命名实体识别方法带来的挑战,提出了一种融合多模态数据的小样本命名实体识别模型,借助多模态数据提供额外语义信息,帮助模型提升预测效果,进而可以有效提升多模态数据融合、建模效果.该方法将图像信息转化为文本信息作为辅助模态信息,有效地解决了由文本与图像蕴含语义信息粒度不一致导致的模态对齐效果不佳的问题.为了有效地考虑实体识别中的标签依赖关系,使用CRF框架并使用最先进的元学习方法分别作为发射模块和转移模块.为了缓解辅助模态中的噪声样本对模型的负面影响,提出一种基于元学习的通用去噪网络.该去噪网络在数据量十分有限的情况下,依然可以有效地评估辅助模态中不同样本的差异性以及衡量样本对模型的有益程度.最后,在真实的单模态和多模态数据集上进行了大量的实验.实验结果验证了该方法的预测F1值比基准方法至少提升了10%,并具有良好的泛化性.

关键词：命名实体识别多模态数据小样本学习元学习去噪网络

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv4的钢材表面缺陷检测

计算机仿真 2024年第3期41卷 188-194,213页

作者：赵慧钮焱李军湖北工业大学计算机学院湖北武汉430068

针对钢材表面缺陷检测精度低,易漏检、误检、定位不准确等问题,提出一种基于改进YOLOv4的钢材表面缺陷检测算法,首先使用K-means++算法分析标注框的分布信息,获取最优的锚框,提高定位精度,减少网络损失;其次在YOLOv4网络原有特征层基础... 详细信息

针对钢材表面缺陷检测精度低,易漏检、误检、定位不准确等问题,提出一种基于改进YOLOv4的钢材表面缺陷检测算法,首先使用K-means++算法分析标注框的分布信息,获取最优的锚框,提高定位精度,减少网络损失;其次在YOLOv4网络原有特征层基础上继续增加一浅层特征即尺度为104×104的新特征层,增大特征检测尺度,提高小缺陷目标检测精度;最后在原始主干网络的基础上引进注意力机制,使网络更多关注有用信息,从而使检测更准确。将上述算法与其它算法在NEU-DET数据集上进行对比实验,所提算法平均检测精度相较于原YOLOv4提高了4.69%达到78.10%,相较于目前其它的主流目标检测算法也更优秀。

关键词：钢材表面缺陷检测深度学习注意力机制

在线全文

学校读者我要写书评

暂无评论

基于多模态迭代及修正的文本识别算法

光电子．激光 2024年第5期35卷 525-535页

作者：强观臣张丽真杨茜熊炜李利荣湖北工业大学电气与电子工程学院湖北武汉430068 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室湖北武汉430068 湖北工业大学新能源及电网装备安全监测湖北省工程研究中心湖北武汉430068 美国南卡罗来纳大学计算机科学与工程系南卡罗来纳州29201

针对场景文本识别在长距离建模时容易产生信息丢失和对低分辨率文本图像表征能力较弱的问题,提出了一种基于多模态迭代及修正的文本识别算法。本文算法的视觉模型(vision model)是由CoTNet(contextual transformer networks for visual ... 详细信息

针对场景文本识别在长距离建模时容易产生信息丢失和对低分辨率文本图像表征能力较弱的问题,提出了一种基于多模态迭代及修正的文本识别算法。本文算法的视觉模型(vision model)是由CoTNet(contextual transformer networks for visual recognition)、动态卷积注意力模块(dynamic convolution attention module,DCAM)、EA-Encoder(external attention encoder)和位置注意力机制组合而成的。其中CoTNet可以有效起到缓解长距离建模产生的信息丢失问题;DCAM在增强表征能力、专注于重要特征的同时,将重要的特征传给EA-Encoder,进而提高CoTNet和EA-Encoder之间的联系;EA-Encoder可以学习整个数据集上最优区分度的特征,捕获最有语义信息的部分,进而增强表征能力。经过视觉模型后,再经过文本修正模块(text correction model)和融合模块(fusion model)得到最终的识别结果。实验数据显示,本文所提出的算法在多个公共场景文本数据集上表现良好,尤其是在不规则数据集ICDAR2015上准确率高达85.9%。

关键词：场景文本识别动态卷积注意力模块外部注意力机制编码器

基于多组多分辨率特征和小波通道注意力的环境声音分类

在线全文

学校读者我要写书评

暂无评论

无线电工程 2024年第8期54卷 1862-1870页

作者：李军王子壬向彦伯钮焱湖北工业大学计算机学院湖北武汉430068

针对目前环境声音分类(Environmental Sound Classification, ESC)方法对音频特征提取中反映的时频维度信息不足的问题,提出基于多组多分辨率特征和小波通道注意力的分类方法。采用多组多分辨率特征组成的多特征作为网络输入,通过多组... 详细信息

针对目前环境声音分类(Environmental Sound Classification, ESC)方法对音频特征提取中反映的时频维度信息不足的问题,提出基于多组多分辨率特征和小波通道注意力的分类方法。采用多组多分辨率特征组成的多特征作为网络输入,通过多组滤波器,多个频率分辨率,在时间和频率维度上实现数据增强,同时实现信息互补。为了更好地衡量各个通道的重要性,针对一维音频图像特征设计了小波通道注意力模块,采用离散小波变换(Discrete Wavelet Transform, DWT)将信号的低频子带和高频子带有效结合,得到通道标量,利用Gram-Schmidt正交化方法使网络在信道注意压缩阶段提取的信息多样化,利用长短期记忆(Long Short Term Memory, LSTM)网络长时间保存信息,提高学习的长期可靠性。实验结果表明,在ESC-10和ESC-50数据集上的分类准确度分别达到了98.7%和93.6%,取得了较好的效果,为音频特征处理提供了一种新的研究思路。

关键词：环境声音分类多组多分辨率特征小波通道注意力长短期记忆网络

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

求解最小支配集问题的禁忌遗传混合算法

湖北工业大学学报 2024年第2期39卷 17-22页

作者：吴歆韵彭瑞熊才权湖北工业大学计算机学院湖北武汉430068

将最小支配集问题转换为一系列判定问题k支配集问题,并提出一种禁忌遗传混合算法对k-DS问题进行求解。此算法将禁忌搜索算法和遗传算法两种启发式算法结合起来,互补不足。高效的邻域结构保证了算法的运行效率,禁忌策略防止算法过早陷入... 详细信息

将最小支配集问题转换为一系列判定问题k支配集问题,并提出一种禁忌遗传混合算法对k-DS问题进行求解。此算法将禁忌搜索算法和遗传算法两种启发式算法结合起来,互补不足。高效的邻域结构保证了算法的运行效率,禁忌策略防止算法过早陷入局部最优陷阱,遗传算法框架进一步增强了算法的疏散性。经过与现有求解最小支配集算法的结果进行分析比较,禁忌遗传混合算法的结果较其它算法更优。

关键词：最小支配集 NP难问题禁忌遗传混合算法 k支配集

在线全文

学校读者我要写书评

暂无评论

虹膜与眼周深度特征融合网络模型

工程科学与技术 2024年第3期56卷 240-248页

作者：雷松泽李永刚单奥奎张文娟西安工业大学计算机科学与工程学院陕西西安710021 西安工业大学基础学院陕西西安710021

虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思... 详细信息

虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思路。为实现精确自适应的融合识别,本文提出新颖的虹膜与眼周深度特征融合网络模型(MultipleFusionNet)。根据特征通道注意力和通道分组注意力的思想,设计自动权值生成网络,通过网络学习自动获得虹膜与眼周的权值。权值与卷积神经网络(CNN)生成的虹膜与眼周深度特征加权计算,可实现两个模态的深度特征动态精确融合,从而提高识别准确率。本文网络模型中融合部分可作为通用的深度特征融合模块使用,该模块可灵活地嵌入在任何CNN主干网络中,轻便且易于实现。在中国科学院公开的远距离虹膜库图像库CASIA-Iris-Distance和近距离光照变化虹膜图像库CASIA-Iris-Lamp上进行了实验验证,多种方法的对比实验和距离度量实验结果显示:本文的特征融合模型准确率最高为99.56%,采用余弦距离度量的等误率(EER)最低为0.002 7,优于单模态方法和相关的特征融合方法;计算复杂度方面,参数量和计算量比单模型的两倍少1.5%,计算量只比基准融合方法高1%,这表明该融合模型计算复杂度低,具有良好的性能。

关键词：双模态融合虹膜识别眼周识别深度特征融合

在线全文

学校读者我要写书评

暂无评论

杂乱场景下小物体抓取检测研究

中国图象图形学报 2024年第2期29卷 468-477页

作者：孙国栋贾俊杰李明晶张杨湖北工业大学机械工程学院武汉430068

目的杂乱场景下的物体抓取姿态检测是智能机器人的一项基本技能。尽管六自由度抓取学习取得了进展,但先前的方法在采样和学习中忽略了物体尺寸差异,导致在小物体上抓取表现较差。方法提出了一种物体掩码辅助采样方法,在所有物体上采... 详细信息

目的杂乱场景下的物体抓取姿态检测是智能机器人的一项基本技能。尽管六自由度抓取学习取得了进展,但先前的方法在采样和学习中忽略了物体尺寸差异,导致在小物体上抓取表现较差。方法提出了一种物体掩码辅助采样方法,在所有物体上采样相同的点以平衡抓取分布,解决了采样点分布不均匀问题。此外,学习时采用多尺度学习策略,在物体部分点云上使用多尺度圆柱分组以提升局部几何表示能力,解决了由物体尺度差异导致的学习抓取操作参数困难问题。通过设计一个端到端的抓取网络,嵌入了提出的采样和学习方法,能够有效提升物体抓取检测性能。结果在大型基准数据集GraspNet-1Billion上进行评估,本文方法取得对比方法中的最优性能,其中在小物体上的抓取指标平均提升了7%,大量的真实机器人实验也表明该方法具有抓取未知物体的良好泛化性能。结论本文聚焦于小物体上的抓取,提出了一种掩码辅助采样方法嵌入到提出的端到端学习网络中,并引入了多尺度分组学习策略提高物体的局部几何表示,能够有效提升在小尺寸物体上的抓取质量,并在所有物体上的抓取评估结果都超过了对比方法。

关键词：六自由度抓取采样策略多尺度学习点云学习深度学习

在线全文

学校读者我要写书评

暂无评论

基于多尺度特征融合的由粗到精点云形状补全

计算机辅助设计与图形学学报 2024年第4期36卷 523-532页

作者：张德军王杨谭雪峰吴亦奇陈壹林何发智中国地质大学(武汉)计算机学院武汉430078 智能机器人湖北省重点实验室(武汉工程大学) 武汉430205 武汉大学计算机学院武汉430072

为了以由粗到精的方式实现点云形状补全,提出一个端到端的两阶段多尺度特征融合网络,其中的每个阶段都是由一个编码器-解码器构成.第1阶段中,首先利用点集抽取模块提取残缺点云的全局特征,在获取不同分辨率点特征的同时能关注更多的局... 详细信息

为了以由粗到精的方式实现点云形状补全,提出一个端到端的两阶段多尺度特征融合网络,其中的每个阶段都是由一个编码器-解码器构成.第1阶段中,首先利用点集抽取模块提取残缺点云的全局特征,在获取不同分辨率点特征的同时能关注更多的局部邻域特征,然后使用多层感知机作为解码器生成粗糙的点云骨架;第2阶段中,利用点云骨架和残缺点云提取多尺度局部特征,并通过注意力机制与第1阶段中的多尺度全局特征相互融合,使得每个点都包含全局和局部几何信息;最后将第2阶段中的全局特征和多尺度局部特征逐步进行上采样,并通过多层感知机生成精细的完整点云.采用倒角距离作为评价标准,在ShapeNet,MVP和Completion3D数据集上进行点云补全实验的结果表明,误差分别比基准网络降低17.1%,3.9%和13.9%,验证了所提网络的有效性.

关键词：点云补全多尺度特征融合由粗到精编码器-解码器