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

面向跨模态检索的查询感知双重对比学习网络

软件学报 2024年第5期35卷 2120-2132页

作者：尹梦冉梁美玉于洋曹晓雯杜军平薛哲北京邮电大学计算机学院(国家示范性软件学院) 北京100876 智能通信软件与多媒体北京市重点实验室(北京邮电大学) 北京100876

近期,跨模态视频语料库时刻检索(VCMR)这一新任务被提出,它的目标是从未分段的视频语料库中检索出与查询语句相对应的一小段视频片段.现有的跨模态视频文本检索工作的关键点在于不同模态特征的对齐和融合,然而,简单地执行跨模态对齐和... 详细信息

近期,跨模态视频语料库时刻检索(VCMR)这一新任务被提出,它的目标是从未分段的视频语料库中检索出与查询语句相对应的一小段视频片段.现有的跨模态视频文本检索工作的关键点在于不同模态特征的对齐和融合,然而,简单地执行跨模态对齐和融合不能确保来自相同模态且语义相似的数据在联合特征空间下保持接近,也未考虑查询语句的语义.为了解决上述问题,提出一种面向多模态视频片段检索的查询感知跨模态双重对比学习网络(QACLN),该网络通过结合模态间和模态内的双重对比学习来获取不同模态数据的统一语义表示.具体地,提出一种查询感知的跨模态语义融合策略,根据感知到的查询语义自适应地融合视频的视觉模态特征和字幕模态特征等多模态特征,获得视频的查询感知多模态联合表示.此外,提出一种面向视频和查询语句的模态间及模态内双重对比学习机制,以增强不同模态的语义对齐和融合,从而提高不同模态数据表示的可分辨性和语义一致性.最后,采用一维卷积边界回归和跨模态语义相似度计算来完成时刻定位和视频检索.大量实验验证表明,所提出的QACLN优于基准方法.

关键词：跨模态语义融合跨模态检索视频时刻定位对比学习

LLFlowGAN:以生成对抗方式约束可逆流的低照度图像增强

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2024年第1期29卷 65-79页

作者：黄颖彭慧李昌盛高胜美陈奉重庆邮电大学软件工程学院重庆400065

目的现有低照度图像增强方法大多依赖于像素级重建,旨在学习低照度输入和正常曝光图像之间的确定性映射,没有对复杂的光照分布进行建模,从而导致了不适当的亮度及噪声。大多图像生成方法仅使用一种(显式或隐式)生成模型,在灵活性和效率... 详细信息

目的现有低照度图像增强方法大多依赖于像素级重建,旨在学习低照度输入和正常曝光图像之间的确定性映射,没有对复杂的光照分布进行建模,从而导致了不适当的亮度及噪声。大多图像生成方法仅使用一种(显式或隐式)生成模型,在灵活性和效率方面有所限制。为此,改进了一种混合显式—隐式的生成模型,该模型允许同时进行对抗训练和最大似然训练。方法首先设计了一个残差注意力条件编码器对低照度输入进行处理,提取丰富的特征以减少生成图像的色差;然后,将编码器提取到的特征作为可逆流生成模型的条件先验,学习将正常曝光图像的分布映射为高斯分布的双向映射,以此来模拟正常曝光图像的条件分布,使模型能够对多个正常曝光结果进行采样,生成多样化的样本;最后,利用隐式生成对抗网络(generative adversarial network,GAN)为模型提供约束,改善图像的细节信息。特别地,两个映射方向都受到损失函数的约束,因此本文设计的模型具有较强的抗模式崩溃能力。结果实验在2个数据集上进行训练与测试,在低照度(low-light dataset,LOL)数据集与其他算法对比,本文算法在峰值信噪比(peak signal-to-noise ratio,PSNR)上均有最优表现、图像感知相似度(learned perceptual image patch similarity,LPIPS)、在结构相似性(structural similarity index measure,SSIM)上取得次优表现0.01,在无参考自然图像质量指标(natural image quality evaluator,NIQE)上取得较优结果。具体地,相较于18种现有显著性模型中的最优值,本文算法PSNR提高0.84 dB,LPIPS降低0.02,SSIM降低0.01,NIQE值降低1.05。在MIT-Adobe FiveK(Massachu-setts Institute of Technology Adobe FiveK)数据集中,与5种显著性模型进行对比,相较于其中的最优值,本文算法PSNR提高0.58 dB,SSIM值取得并列第一。结论本文提出的流生成对抗模型,综合了显式和隐式生成模型的优点,更好地调整了低照度图像的光照,抑制了噪声和伪影,提高了生成图像的视觉感知质量。

关键词：低照度图像增强流模型生成对抗网络(GAN) 双向映射复杂光照分布

在线全文

学校读者我要写书评

暂无评论

基于多粒度特征交叉剪枝的点击率预测模型

计算机研究与发展 2024年第5期61卷 1290-1298页

作者：白婷刘轩宁吴斌张梓滨徐志远林康熠北京邮电大学计算机学院(国家示范性软件学院) 北京100876 微信事业群开放平台基础部广州510220

在推荐系统中,学习有效的高阶特征交互是提升点击率预测的关键.现有的研究将低阶特征进行组合来学习高阶交叉特征表示,导致模型的时间复杂度随着特征维度的增加呈指数型增长;而基于深度神经网络的高阶特征交叉模型也无法很好地拟合低阶... 详细信息

在推荐系统中,学习有效的高阶特征交互是提升点击率预测的关键.现有的研究将低阶特征进行组合来学习高阶交叉特征表示,导致模型的时间复杂度随着特征维度的增加呈指数型增长;而基于深度神经网络的高阶特征交叉模型也无法很好地拟合低阶特征交叉,影响预测的准确率.针对这些问题,提出了基于多粒度特征交叉剪枝的点击率预测模型FeatNet.该模型首先在显式的特征粒度上,通过特征剪枝生成有效的特征集合,保持了不同特征组合的多样性,也降低了高阶特征交叉的复杂度;基于剪枝后的特征集合,在特征元素粒度上进一步进行隐式高阶特征交叉,通过滤波器自动过滤无效的特征交叉.在2个真实的数据集上进行了大量的实验,FeatNet都取得了最优的点击率预测效果.

关键词：点击率预测高阶特征交叉多粒度特征剪枝特征降噪

基于单语优先级采样自训练神经机器翻译的研究

在线全文

学校读者我要写书评

暂无评论

通信学报 2024年第4期45卷 65-72页

作者：张笑燕逄磊杜晓峰陆天波夏亚梅北京邮电大学计算机学院(国家示范性软件学院) 北京100876

为了提高神经机器翻译(NMT)性能,改善不确定性过高的单语在自训练过程中对NMT模型的损害,提出了一种基于优先级采样的自训练神经机器翻译模型。首先,通过引入语法依存分析构建语法依存树并计算单语单词重要程度。然后,构建单语词典并基... 详细信息

为了提高神经机器翻译(NMT)性能,改善不确定性过高的单语在自训练过程中对NMT模型的损害,提出了一种基于优先级采样的自训练神经机器翻译模型。首先,通过引入语法依存分析构建语法依存树并计算单语单词重要程度。然后,构建单语词典并基于单语单词的重要程度和不确定性定义优先级。最后,计算单语优先级并基于优先级进行采样,进而合成平行数据集,作为学生NMT的训练输入。在大规模WMT英德部分数据集上的实验结果表明,所提模型能有效提升NMT的翻译效果,并改善不确定性过高对模型的损害。

关键词：机器翻译数据增强自训练不确定性语法依存

基于注意力增强元学习网络的个性化联邦学习方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第1期61卷 196-208页

作者：高雨佳王鹏飞刘亮马华东北京邮电大学计算机学院(国家示范性软件学院) 北京100876 智能通信软件与多媒体北京市重点实验室(北京邮电大学) 北京100876 北京邮电大学人工智能学院北京100876

联邦学习作为一种分布式机器学习框架,客户端可以在不向服务器传输数据的情况下进行全局模型训练,解决了数据分散和数据隐私的问题.联邦学习可以在具有相似数据特征和分布的客户端上很好地工作.但是在很多场景中,客户端数据在分布、数... 详细信息

联邦学习作为一种分布式机器学习框架,客户端可以在不向服务器传输数据的情况下进行全局模型训练,解决了数据分散和数据隐私的问题.联邦学习可以在具有相似数据特征和分布的客户端上很好地工作.但是在很多场景中,客户端数据在分布、数量和概念上的不同,造成了全局模型训练困难.为此,个性化联邦学习作为一种新的联邦学习范式被提出,它旨在通过客户端与服务器的协作来保证客户端个性化模型的有效性.直观来讲,为具有相似数据特征和分布的客户端提供更紧密的协作关系可以有利于个性化模型的构建.然而,由于客户端数据的不可见性,如何细粒度地提取客户端特征,并定义它们之间的协作关系是一个挑战.设计了一个注意力增强元学习网络(attention-enhanced meta-learning network,AMN)来解决这个问题.AMN可以利用客户基础模型参数作为输入特征,训练元学习网络为每个客户端提供一个额外的元模型,自动分析客户特征相似性.基于双层网络设计,有效地实现客户端个性与共性的权衡,提供了包含有益客户信息的融合模型.考虑到训练过程中需要同时训练元学习网络和客户本地基础网络,设计了一种交替训练策略,以端到端的方式进行训练.为了证明该方法的有效性,在2个基准数据集和8种基准方法上进行了大量实验,相较于现有表现最优的个性化联邦学习方法,该方法在2个数据集中平均分别提升了3.39%和2.45%的模型性能.

关键词：联邦学习注意力机制深度学习元学习分布式机器学习

在线全文

学校读者我要写书评

暂无评论

基于ECA-CNN的混合指纹室内定位方法

计算机研究与发展 2024年第2期61卷 428-440页

作者：王正康骆冰清南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neura... 详细信息

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neural network, CNN)的定位模型在特征提取时不能有效地突出重要特征.针对上述问题,提出一种基于ECA-CNN的混合指纹室内定位方法(hybrid fingerprint indoor localization method based on ECA-CNN, ECACon-HF).首先,利用可见光强度和低功耗蓝牙(Bluetooth low energy, BLE)接收信号强度指示(received signal strength indication, RSSI)来构建混合指纹,降低BLE指纹不稳定的影响,并增强不同位置之间的区分度.同时,基于高效通道注意力(efficient channel attention, ECA)模块改进CNN定位模型,ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息,抑制指纹中的环境干扰,增强混合指纹特征表达能力,更有效地利用混合指纹优势.实验结果显示,ECAConHF在构建的混合指纹库上可以达到0.316 m的定位精度,高于在单一指纹上的精度;并且基于同一指纹库,ECACon-HF相比其他室内定位方法,定位精度具有明显优势.

关键词：室内定位混合指纹可见光强度注意力机制低功耗蓝牙

在线全文

学校读者我要写书评

暂无评论

OBE理念指导软件项目实践课程教学方法

高等工程教育研究 2024年第3期 92-97页

作者：万邦睿李生林钱鹰重庆邮电大学软件工程学院

针对软件项目实践课程学生难以深入参与项目、软件技能存续性较弱的问题,融合OBE教育理念,提出了一种基于模仿模式和跨越模式的软件项目实践课程教学方法,并以信息管理系统项目为例,详细阐述了教学方法的案例库项目建设要求、模仿模式... 详细信息

针对软件项目实践课程学生难以深入参与项目、软件技能存续性较弱的问题,融合OBE教育理念,提出了一种基于模仿模式和跨越模式的软件项目实践课程教学方法,并以信息管理系统项目为例,详细阐述了教学方法的案例库项目建设要求、模仿模式和跨越模式实施要素,为软件项目实践课程中学生更深入的学习参与和更持久的技能应用提供了可供借鉴的解决思路。

关键词： OBE 软件项目实践模仿模式跨越模式

在线全文

学校读者我要写书评

暂无评论

特征分离和非阴影信息引导的阴影去除网络

通信学报 2024年第5期45卷 178-190页

作者：黄颖房少杰程彬姜茂钱鹰重庆邮电大学软件工程学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

为了解决现有阴影去除方法中存在的性能瓶颈以及去除结果产生的色差问题,构建了一个特征分离和非阴影信息引导的阴影去除网络(FSNIG-ShadowNet)。在分离和重建阶段,利用自重建监督将阴影图像分离成直射光和环境光两部分,对光照类型和反... 详细信息

为了解决现有阴影去除方法中存在的性能瓶颈以及去除结果产生的色差问题,构建了一个特征分离和非阴影信息引导的阴影去除网络(FSNIG-ShadowNet)。在分离和重建阶段,利用自重建监督将阴影图像分离成直射光和环境光两部分,对光照类型和反射率进行特征解耦分离,设计解码器对分离的特征进行重新耦合以获得无阴影图像。在细化阶段,该网络关注阴影和非阴影的邻接区域,设计局部区域自适应归一化模块将局部非阴影区域颜色先验传递至阴影区域以减少两区域间的色差。实验结果表明,所提FSNIG-ShadowNet与其他优秀的方法相比取得了较有竞争力的结果。

关键词：阴影去除特征分离自重建颜色先验

结合兴趣点类别周期属性和用户短期偏好特征的推荐模型

在线全文

学校读者我要写书评

暂无评论

南京大学学报（自然科学版） 2024年第3期60卷 429-441页

作者：桑春艳易星宇廖世根文俊浩重庆邮电大学软件学院重庆400065 重庆大学大数据与软件学院重庆401331

随着基于位置的社交网络在日常生活中的广泛应用,有效提取用户的隐藏兴趣和行为序列模式并向用户提供满足其个性化需求的下一个兴趣点推荐服务成为推荐领域的热点问题之一.针对下一个兴趣点推荐中的用户偏好挖掘问题,提出基于用户兴趣... 详细信息

随着基于位置的社交网络在日常生活中的广泛应用,有效提取用户的隐藏兴趣和行为序列模式并向用户提供满足其个性化需求的下一个兴趣点推荐服务成为推荐领域的热点问题之一.针对下一个兴趣点推荐中的用户偏好挖掘问题,提出基于用户兴趣点类别周期性偏好和短期兴趣相结合的兴趣点推荐模型(Combining Periodic and Spatio-Temporal Intervals'Network,CPSTIN).该模型将用户的签到记录按小时时段模式嵌入时间窗口并使用多头自注意力机制提取用户结合用户兴趣点类别的周期性偏好;同时,将非连续时空间隔信息送入可学习矩阵,使用线性插值法提取用户基于高阶关联性的短期兴趣.最后,在两个真实数据集上验证了该模型的有效性,证明其能有效地利用用户高阶关联性短期兴趣和结合兴趣点类别的周期偏好,更准确地预测用户最有可能访问的下一个兴趣点.

关键词：兴趣点推荐自注意力机制线性插值嵌入类别周期兴趣