期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于编码器共享和门控网络的生成式文本摘要方法
被引量：
7
1
作者
田珂珂
周瑞莹
+1 位作者
董浩业
印鉴
《北京大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第1期61-67,共7页
结合基于自注意力机制的Transformer模型,提出一种基于编码器共享和门控网络的文本摘要方法。该方法将编码器作为解码器的一部分,使解码器的部分模块共享编码器的参数,同时使用门控网络筛选输入序列中的关键信息。相对已有方法,所提方...
结合基于自注意力机制的Transformer模型,提出一种基于编码器共享和门控网络的文本摘要方法。该方法将编码器作为解码器的一部分,使解码器的部分模块共享编码器的参数,同时使用门控网络筛选输入序列中的关键信息。相对已有方法,所提方法提升了文本摘要任务的训练和推理速度,同时提升了生成摘要的准确性和流畅性。在英文数据集Gigaword和DUC2004上的实验表明,所提方法在时间效率和生成摘要质量上,明显优于已有模型。
展开更多
关键词
生成式
文本摘要
自注意力机制
编码器
共享
门控网络
在线阅读
下载PDF
职称材料
联合语义分割的自监督单目深度估计方法
2
作者
宋霄罡
胡浩越
+3 位作者
宁靖宇
梁莉
鲁晓锋
黑新宏
《计算机研究与发展》
EI
CSCD
北大核心
2024年第5期1336-1347,共12页
研究深度估计和语义分割的图像之间的互利关系,提出了一种联合语义分割的自监督单目深度估计方法USegDepth.语义分割和深度估计任务通过共享编码器,实现语义引导.为了进一步提高编码器的跨多任务性能,设计了多任务特征提取模块,堆叠该...
研究深度估计和语义分割的图像之间的互利关系,提出了一种联合语义分割的自监督单目深度估计方法USegDepth.语义分割和深度估计任务通过共享编码器,实现语义引导.为了进一步提高编码器的跨多任务性能,设计了多任务特征提取模块,堆叠该模块构成共享编码器,解决有限感受野和缺乏跨通道交互导致的模型特征表示能力欠佳问题,进一步提升模型精度.同时,提出跨任务交互模块,通过双向的跨域信息交互细化特征表示,提升深度估计表现,特别是光度一致性监督有限的弱纹理区域和物体边界.通过在KITTI数据集上的训练和全面评估,实验结果显示所提的USegDepth模型方法的均方相对误差相比于SGDepth降低了0.176个百分点,在阈值为1.253的阈值精度达到了98.4%,证明了USegDepth在深度预测上具有较高的准确率.
展开更多
关键词
自监督深度学习
深度估计
语义分割
多任务联合
共享编码器
在线阅读
下载PDF
职称材料
题名
基于编码器共享和门控网络的生成式文本摘要方法
被引量：
7
1
作者
田珂珂
周瑞莹
董浩业
印鉴
机构
中山大学数据科学与计算机学院
广东省大数据分析与处理重点实验室
出处
《北京大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第1期61-67,共7页
基金
广东省科技计划项目(2015A030401057,2016B030307002,2017B030308007)资助
文摘
结合基于自注意力机制的Transformer模型,提出一种基于编码器共享和门控网络的文本摘要方法。该方法将编码器作为解码器的一部分,使解码器的部分模块共享编码器的参数,同时使用门控网络筛选输入序列中的关键信息。相对已有方法,所提方法提升了文本摘要任务的训练和推理速度,同时提升了生成摘要的准确性和流畅性。在英文数据集Gigaword和DUC2004上的实验表明,所提方法在时间效率和生成摘要质量上,明显优于已有模型。
关键词
生成式
文本摘要
自注意力机制
编码器
共享
门控网络
Keywords
abstractive
summarization
self-attention
encoder-sharing
gated network
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
联合语义分割的自监督单目深度估计方法
2
作者
宋霄罡
胡浩越
宁靖宇
梁莉
鲁晓锋
黑新宏
机构
西安理工大学计算机科学与工程学院
人机共融智能机器人陕西省高校工程研究中心(西安理工大学)
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第5期1336-1347,共12页
基金
国家自然科学基金面上项目(52372418,62076201)
国家自然科学基金联合基金项目(U1934222)
陕西省重点研发计划项目(2022GY-245)。
文摘
研究深度估计和语义分割的图像之间的互利关系,提出了一种联合语义分割的自监督单目深度估计方法USegDepth.语义分割和深度估计任务通过共享编码器,实现语义引导.为了进一步提高编码器的跨多任务性能,设计了多任务特征提取模块,堆叠该模块构成共享编码器,解决有限感受野和缺乏跨通道交互导致的模型特征表示能力欠佳问题,进一步提升模型精度.同时,提出跨任务交互模块,通过双向的跨域信息交互细化特征表示,提升深度估计表现,特别是光度一致性监督有限的弱纹理区域和物体边界.通过在KITTI数据集上的训练和全面评估,实验结果显示所提的USegDepth模型方法的均方相对误差相比于SGDepth降低了0.176个百分点,在阈值为1.253的阈值精度达到了98.4%,证明了USegDepth在深度预测上具有较高的准确率.
关键词
自监督深度学习
深度估计
语义分割
多任务联合
共享编码器
Keywords
self-supervised deep learning
depth estimation
semantic segmentation
multi-task association
shared encoder
分类号
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于编码器共享和门控网络的生成式文本摘要方法
田珂珂
周瑞莹
董浩业
印鉴
《北京大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020
7
在线阅读
下载PDF
职称材料
2
联合语义分割的自监督单目深度估计方法
宋霄罡
胡浩越
宁靖宇
梁莉
鲁晓锋
黑新宏
《计算机研究与发展》
EI
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
