基于分层聚合与高度语义信息感知的多任务网络

1

作者 蔡林泽 周爱国 +1 位作者 姚亮亮 符长虹 《传感器与微系统》 CSCD 北大核心 2024年第7期101-105,共5页

针对现有多任务网络对各项任务关系以及城市场景图像内在特征的分析稍显不足的问题,提出基于分层聚合与高度语义感知的多任务网络。首先,为增强特征提取网络的能力,使用分层聚合模块学习多层特征间的相互依赖性,经过共享与独立设计,实... 针对现有多任务网络对各项任务关系以及城市场景图像内在特征的分析稍显不足的问题,提出基于分层聚合与高度语义感知的多任务网络。首先,为增强特征提取网络的能力,使用分层聚合模块学习多层特征间的相互依赖性,经过共享与独立设计,实现浅层特征与深层特征的融合,为不同下游任务馈送所需特征;其次道路场景图像中具有一定的高度差异性,水平分割相互之间的像素级分布有着显著不同,使用高度感知模块引入该先验信息,该结构简单高效。结果表明,所提方法在BDD100K的各项性能均优于同类方法,同时将车道线数据集TuSimple和CULane重新标注扩展为多任务进行测试,取得比现有方法更好的精度,验证方法的有效性。 展开更多

关键词 自动驾驶 多任务网络 分层聚合 跨层注意力

在线阅读 下载PDF 职称材料

面向战场多任务网络的等级优先动态带宽分配 被引量：1

2

作者 和欣 张晓林 《系统工程与电子技术》 EI CSCD 北大核心 2011年第5期1139-1145,共7页

为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配(classification prioritized dynamic bandwidth allocation,CPDBA)算法。该算法改进了基于网络效能最大化的带... 为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配(classification prioritized dynamic bandwidth allocation,CPDBA)算法。该算法改进了基于网络效能最大化的带宽分配方法,优化了对指数效能业务的调度策略。仿真结果表明,该算法不但能够使相同带宽资源产生更高的任务价值,而且在网络过载时可以确保高优先级业务的服务质量,从而有效解决了多任务网络的链路带宽竞争问题。 展开更多

关键词 动态带宽分配 等级优先 多任务网络 信息分发

在线阅读 下载PDF 职称材料

多任务网络融合多层信息的目标定位 被引量：3

3

作者 田彦 王慧燕 +2 位作者 王勋 黄刚 章国峰 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2017年第7期1275-1282,共8页

目标定位是计算机视觉中的关键问题,针对目前区域卷积神经网络及其扩展算法的精度受限于输出卷积图尺寸、不能得到目标准确位置的问题,提出一种基于多任务卷积神经网络的目标定位算法.在特征提取阶段,不同的任务共享相同的特征提取层;... 目标定位是计算机视觉中的关键问题,针对目前区域卷积神经网络及其扩展算法的精度受限于输出卷积图尺寸、不能得到目标准确位置的问题,提出一种基于多任务卷积神经网络的目标定位算法.在特征提取阶段,不同的任务共享相同的特征提取层;然后分别针对不同层次信息训练对应的后续网络;在提取出高层和低层信息后,融合低层信息和高层信息得到准确的目标位置.在PASCAL VOC 2007数据库和交通场景数据库进行实验的结果表明,该算法可以有效地提高目标定位的精度. 展开更多

关键词 目标定位 边缘信息 多任务网络 深层学习 信息融合

在线阅读 下载PDF 职称材料

基于多任务网络的多模态肝脏MRI配准方法研究 被引量：4

4

作者 于航 郑忍成 +2 位作者 李若坤 王成彦 王鹤 《中国医学计算机成像杂志》 CSCD 北大核心 2023年第5期516-523,共8页

目的:针对多模态肝脏MRI配准问题,设计图像合成配准多任务网络(SynReg),解决弥散加权成像(DWI)和动态对比增强(DCE)影像之间常见的错位问题,证明SynReg能有效提升图像合成质量,进而提升肝细胞癌(HCC)的配准精度。方法:纳入264例肝硬化患... 目的:针对多模态肝脏MRI配准问题,设计图像合成配准多任务网络(SynReg),解决弥散加权成像(DWI)和动态对比增强(DCE)影像之间常见的错位问题,证明SynReg能有效提升图像合成质量,进而提升肝细胞癌(HCC)的配准精度。方法:纳入264例肝硬化患者(部分患有HCC),对其扫描高b值DWI和DCE影像,并对肝脏标签和肿瘤标签进行标注。将数据集按7∶1∶2的比例划分SynReg网络的训练、验证和测试集。使用峰值信噪比(PSNR)和结构相似性指标(SSIM)评价图像合成效果,Dice指标和目标配准误差(TRE)评价配准精确度。结果:在图像合成任务中,SynReg将PSNR指标从18.452 dB提升至20.574 dB,SSIM指标从0.707提升至0.769,并显著优于对比方法对抗生成网络;在配准任务中,SynReg在肝脏区域将Dice指标从0.776提升至0.824,肿瘤区域TRE指标从4.237 mm降至3.470 mm,并且显著优于传统配准方法SyN和主流深度学习配准方法CycleMorph与TransMorph。上述结果均具有统计学意义(P<0.001)。结论:多任务网络框架中的合成任务与配准任务可以相互辅助,同时获得更好的合成效果与配准效果,且SynReg网络在肝脏轮廓和肿瘤区域均实现了优秀的配准精度,这对于临床上HCC的识别与诊断有着较大的应用价值。 展开更多

关键词 图像配准 图像合成 多任务网络 肝细胞癌 诊断

在线阅读 下载PDF 职称材料

基于注意力机-多任务网络的液压系统多状态监测识别方法研究 被引量：2

5

作者 黄鹏程 李海艳 +1 位作者 林景亮 梁桂铭 《机电工程》 CAS 北大核心 2021年第3期331-336,共6页

针对在复杂的多状态条件下,液压系统状态监测方法监测性能不高的问题,对多任务学习和注意力机制方法进行了研究,结合多任务与注意力机制,提出了一种基于注意力机多任务网络的液压系统监测方法。首先,利用注意力机制,根据不同传感器信号... 针对在复杂的多状态条件下,液压系统状态监测方法监测性能不高的问题,对多任务学习和注意力机制方法进行了研究,结合多任务与注意力机制,提出了一种基于注意力机多任务网络的液压系统监测方法。首先,利用注意力机制,根据不同传感器信号对任务贡献程度的大小,赋予了各个传感器不同的权重;其次,使用卷积网络(CNN)构建了自适应特征提取器,从赋予权重的多个传感器信号中提取了深度特征;最后,建立了多任务的特征共享诊断网络,实现了对液压系统多个状态的同时监测。研究结果表明:与以往的方法相比,所提出的方法监测性能更优,能更有效地对复杂的多状态条件下的液压系统的各种状态进行监测,且其平均精度达到99.3%。 展开更多

关键词 液压系统多状态监测 监测性能 注意力机 多任务网络

在线阅读 下载PDF 职称材料

联合对话行为识别与情感分类的多任务网络 被引量：1

6

作者 林鸿辉 刘建华 +2 位作者 郑智雄 胡任远 罗逸轩 《计算机工程与应用》 CSCD 北大核心 2023年第3期104-111,共8页

情感分类与对话行为识别任务常被用在对话系统中联合建模,这种联合建模的方法能够挖掘出对话文本的跨任务隐藏交互信息,提高情感分类与对话行为识别的准确性。然而,在两个任务联合建模时,对话文本有上下文信息和跨任务交互信息,对这两... 情感分类与对话行为识别任务常被用在对话系统中联合建模,这种联合建模的方法能够挖掘出对话文本的跨任务隐藏交互信息,提高情感分类与对话行为识别的准确性。然而,在两个任务联合建模时,对话文本有上下文信息和跨任务交互信息,对这两种信息与模型预测准确度之间的关系进行研究,需要将这两种信息协同建模,在过去的研究中对这两种信息的利用并不充分,为解决该问题提出多任务图注意力网络(multi-task graph attention network,MGAT),并且以其为核心模块搭建了多任务协同图注意力网络(multi-task synergic graph attention network,MSGAT),该模型将上下文信息与跨任务信息联合建模,同时完成情感分类与对话行为识别任务。利用两个公开数据集实验,得到了良好的效果,并且对联合模型与预训练模型组合进行了研究。 展开更多

关键词 多任务学习 情感分类 对话行为别 多任务图注意力网络 深度学习

在线阅读 下载PDF 职称材料

基于多尺度时序采样的多任务感知网络

7

作者 吴绍斌 褚云峰 +2 位作者 李奕萱 姜皓舰 黄宇 《北京理工大学学报》 北大核心 2025年第8期789-797,共9页

针对时序特征融合不充分,遮挡及远距离目标难以可靠感知的问题,提出了一种联合时序多尺度鸟瞰视角特征的多任务感知网络.首先,通过对深度预测概率建模,设计具备遮挡适应性的显式深度估计模块,将图像特征映射为鸟瞰视角特征,并利用深度... 针对时序特征融合不充分,遮挡及远距离目标难以可靠感知的问题,提出了一种联合时序多尺度鸟瞰视角特征的多任务感知网络.首先,通过对深度预测概率建模,设计具备遮挡适应性的显式深度估计模块,将图像特征映射为鸟瞰视角特征,并利用深度图辅助监督;然后,为提升远距离障碍物检测效果,基于可变形注意力机制设计时序鸟瞰视角采样模块,实现时序上多尺度鸟瞰视角特征加权融合;最后,将数据增强策略拓展至多任务,并分别通过检测和分割任务头,实现三维目标检测和车道线分割. nuScenes数据集和实车实验结果证明了该方案在遮挡区域和远距离目标检测方面取得了精度提升,且推理速度可以满足实车应用要求. 展开更多

关键词 鸟瞰图 深度估计 多尺度时序采样 多任务网络

在线阅读 下载PDF 职称材料

基于多任务门控网络的滚动轴承寿命预测方法 被引量：1

8

作者 宋浏阳 郑传浩 +3 位作者 金烨 林天骄 韩长坤 王华庆 《中国舰船研究》 北大核心 2025年第2期107-117,共11页

[目的]为实现船舶机械设备中轴承的剩余寿命预测,提出基于双向门控循环单元(BiGRU)、变分自编码器(VAE)和多门控专家混合层(MMoE)的多任务门控网络预测模型。[方法]首先,计算轴承信号时域特征以表征监测数据中的基本退化趋势;然后,建立... [目的]为实现船舶机械设备中轴承的剩余寿命预测,提出基于双向门控循环单元(BiGRU)、变分自编码器(VAE)和多门控专家混合层(MMoE)的多任务门控网络预测模型。[方法]首先,计算轴承信号时域特征以表征监测数据中的基本退化趋势;然后,建立轴承健康状态(HS)评估和剩余使用寿命(RUL)预测子任务构成多任务门控网络预测模型,子任务中使用BiGRU和VAE提取时域特征趋势信号中的退化信息,再利用MMoE自适应分离子任务的差异特征。最后,在XJTU-SY轴承数据集上进行有效性验证。[结果]结果表明,与长短期记忆网络(LSTM)等经典时序数据预测模型相比,多任务门控网络预测模型的预测精度更高,误差指标MAE和RMSE分别提升62.5%和67.81%。[结论]所提方法可以实现轴承剩余寿命的预测,对船舶机械设备健康管理与智能运维具有一定的参考价值。 展开更多

关键词 船舶设备 轴承 剩余寿命预测 多任务门控网络预测模型

在线阅读 下载PDF 职称材料

多任务元学习网络的气体绝缘组合电器局部放电同时诊断与定位 被引量：3

9

作者 王艳新 闫静 +2 位作者 耿英三 刘志远 王建华 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第7期105-115,共11页

针对气体绝缘组合电器(GIS)局部放电诊断和定位作为两个独立的任务来完成而忽略了两个任务间的联系、且难以部署和泛化到现场小样本场景下的问题,提出了多任务元学习网络以同时实现现场小样本场景下的GIS局部放电诊断与定位。首先,为了... 针对气体绝缘组合电器(GIS)局部放电诊断和定位作为两个独立的任务来完成而忽略了两个任务间的联系、且难以部署和泛化到现场小样本场景下的问题,提出了多任务元学习网络以同时实现现场小样本场景下的GIS局部放电诊断与定位。首先,为了充分挖掘两个任务间的关联关系并保留每一任务的差异特征,构建了多任务网络,在特定任务层引入注意力机制,为每个任务从浅到深选择重要特征,保证每一任务特征差异化提取的质量。其次,为了将所开发的多任务网络部署应用到现场小样本场景下,采用元训练的方法对模型进行训练。再次,在元测试阶段使用目标任务的少量数据进行微调,实现了小样本下GIS局部放电诊断和定位。最后,在现场样本上对模型性能进行了验证。实验结果表明,提出的多任务元学习网络在GIS局部放电诊断上的准确率达到94.53%,定位平均误差和均方根误差分别为10.78 cm和12.97 cm,与单任务网络和其他模型相比性能提升明显,为GIS局部放电诊断和定位提供了新颖的解决思路。 展开更多

关键词 局部放电 诊断 定位 多任务网络 元学习

在线阅读 下载PDF 职称材料

基于激光雷达点云的动态驾驶场景多任务分割网络 被引量：3

10

作者 王海 李建国 +1 位作者 蔡英凤 陈龙 《汽车工程》 EI CSCD 北大核心 2024年第9期1608-1616,共9页

在自动驾驶场景理解任务中进行准确的可行驶区域以及动静态物体分割对于后续的局部运动规划和运动控制至关重要。然而当前基于激光雷达点云的通用语义分割方法并不能在车端边缘计算设备上实现实时且鲁棒的预测,且不能预测当前时刻的物... 在自动驾驶场景理解任务中进行准确的可行驶区域以及动静态物体分割对于后续的局部运动规划和运动控制至关重要。然而当前基于激光雷达点云的通用语义分割方法并不能在车端边缘计算设备上实现实时且鲁棒的预测,且不能预测当前时刻的物体运动状态。为解决该问题本文提出一种可行驶区域及动静态物体多任务分割网络MultiSegNet。该网络利用激光雷达输出的深度图及处理后得到的残差图像作为编码空间特征和运动特征的表征输入到网络用于特征学习,从而避免直接处理无序高密度点云。针对深度图在不同方向视角内目标分布数量差异较大的特点,本文提出了变分辨率分组输入策略。该方法能在降低网络计算量的同时提高网络的分割精度。为适配不同尺度目标所需要的卷积感受野尺寸本文提出了深度值引导的分层空洞卷积模块。同时本文为有效关联并融合不同时域下物体的空间位置和姿态信息提出了时空运动特征增强网络。为验证所提出MultiSegNet的有效性,本文在大规模点云驾驶场景数据集SemanticKITTI及nuScenes上进行验证。结果表明:可行驶区域、静态物体和动态物体的分割IoU分别达到98%、97%和70%,性能优于主流网络,且在边缘计算设备上实现实时推理。 展开更多

关键词 无人驾驶 激光雷达 多任务点云分割网络 动态物体分割

在线阅读 下载PDF 职称材料

基于多任务学习的全景驾驶感知算法

11

作者 吴伟林 刘春泉 余孝源 《计算机工程与设计》 北大核心 2025年第4期1127-1133,共7页

针对全景驾驶感知算法YOLOP存在特征图池化操作自适应较差、下采样过程细节丢失和模型性能差的问题,提出一种基于多任务学习的全景驾驶感知算法,引入高效处理模块,提高对特征图池化操作自适应能力,采用不同加权系数的损失函数,提升网络... 针对全景驾驶感知算法YOLOP存在特征图池化操作自适应较差、下采样过程细节丢失和模型性能差的问题,提出一种基于多任务学习的全景驾驶感知算法,引入高效处理模块,提高对特征图池化操作自适应能力,采用不同加权系数的损失函数,提升网络的检测性能及鲁棒性。在BDD100K数据集的评估结果中,车道线检测准确率提高11.6%,可行驶区域检测的平均交并比(mIoU)提高2.1%,车辆检测的平均精确率均值的50%指标(mAP50)提高3.7%。在KITTI数据集的评估结果中,车辆检测mAP50指标提高3.4%。 展开更多

关键词 多任务学习网络 编码-解码器 车道线检测 可行驶区域检测 车辆检测 特征对齐 转置卷积

在线阅读 下载PDF 职称材料

基于多任务卷积神经网络的舌象分类研究 被引量：16

12

作者 汤一平 王丽冉 +2 位作者 何霞 陈朋 袁公萍 《计算机科学》 CSCD 北大核心 2018年第12期255-261,307,共8页

针对现有技术难以并行实现舌象多标签的高效分类和识别,难以利用标签间的相关性进行综合分析等问题,提出了一种基于多任务卷积神经网络的舌象分类方法,构建了一种多任务联合学习模型,尝试实现传统中医舌诊中对舌色、苔色、裂纹和齿痕等... 针对现有技术难以并行实现舌象多标签的高效分类和识别,难以利用标签间的相关性进行综合分析等问题,提出了一种基于多任务卷积神经网络的舌象分类方法,构建了一种多任务联合学习模型,尝试实现传统中医舌诊中对舌色、苔色、裂纹和齿痕等多个标签的同时辨识。首先,在共享网络层对所有标签进行联合学习,从特征提取的角度自动挖掘和利用标签间的相关性;然后,在不同子网络层分别完成特定类别的学习任务,从而消除多标签分类中的歧义性;最后,训练多个Softmax分类器以实现对所有标签的并行预测。研究表明,所提方法能以端到端的方式同时提取舌象的多个特征并直接进行分类识别,在各分类评价指标上的最低值约为0.96,多任务的总体识别时间为34ms,因此该方法在精度和速度上均具有明显优势。 展开更多

关键词 舌象分类 多标签 多任务网络 相关性 迁移学习

在线阅读 下载PDF 职称材料

基于障碍物和车位检测的单阶段多任务YOLO-Parking算法研究 被引量：2

13

作者 张炳力 王焱辉 +3 位作者 潘泽昊 王怿昕 杨程磊 王欣雨 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第1期1-6,61,共7页

文章提出一种基于YOLOv4的端到端多任务网络模型用于自动泊车系统中的感知任务,以环视图像(around view monitor, AVM)作为网络输入,基于卷积网络提取图像特征信息,通过YOLO和DMPR-PS(directional marking-point regression-parking sl... 文章提出一种基于YOLOv4的端到端多任务网络模型用于自动泊车系统中的感知任务,以环视图像(around view monitor, AVM)作为网络输入,基于卷积网络提取图像特征信息,通过YOLO和DMPR-PS(directional marking-point regression-parking slot)检测头实现停车位与障碍物并行检测。在PS 2.0公开数据集上进行验证的结果表明,所提出的多任务检测方法能够同时检测停车位和障碍物,障碍物识别平均精度均值达到89.72%,车位识别查准率达到93.53%,网络检测速率为34.0帧/s,在满足自动泊车感知任务需求的同时提升了系统的检测效率。该文研究成果对自动泊车感知技术的发展具有一定的意义。 展开更多

关键词 自动泊车 环视图像(AVM) 多任务网络 障碍物识别 停车位识别

在线阅读 下载PDF 职称材料

基于多任务深度卷积神经网络的显著性对象检测算法 被引量：12

14

作者 杨帆 李建平 +1 位作者 李鑫 陈雷霆 《计算机应用》 CSCD 北大核心 2018年第1期91-96,共6页

针对当前基于深度学习的显著性对象检测算法不能准确保存对象边缘的区域,从而导致检测出的显著性对象边缘区域模糊、准确率不高的问题,提出了一种基于多任务深度学习模型的显著性对象检测算法。首先,基于深度卷积神经网络(CNN),训练一... 针对当前基于深度学习的显著性对象检测算法不能准确保存对象边缘的区域,从而导致检测出的显著性对象边缘区域模糊、准确率不高的问题,提出了一种基于多任务深度学习模型的显著性对象检测算法。首先,基于深度卷积神经网络(CNN),训练一个多任务模型分别学习显著性对象的区域和边缘的特征;然后,利用检测到的边缘生成大量候选区域,再结合显著性区域检测的结果对候选区域进行排序和计算权值;最后提取出完整的显著性图。在三个常用标准数据集上的实验结果表明,所提方法获得了更高的准确率,其中F-measure比基于深度学习的算法平均提高了1.9%,而平均绝对误差(MAE)平均降低了12.6%。 展开更多

关键词 显著性对象检测 深度学习 边缘检测 多任务神经网络 显著图 卷积神经网络

在线阅读 下载PDF 职称材料

多任务检测网络下车道线宽度测距方法 被引量：2

15

作者 刘军 陈辰 +1 位作者 李汉冰 许多 《重庆理工大学学报（自然科学）》 CAS 北大核心 2022年第6期62-71,共10页

针对复杂交通场景下单个模型无法同时检测车道线和车辆,以及车道线检测实时性较差的问题,提出了一种新的多任务检测网络模型,该模型可以同时检测车辆和车道线,无需任何先验信息。同时,在多任务检测网络模型下修正现有的基于车道宽度进... 针对复杂交通场景下单个模型无法同时检测车道线和车辆,以及车道线检测实时性较差的问题,提出了一种新的多任务检测网络模型,该模型可以同时检测车辆和车道线,无需任何先验信息。同时,在多任务检测网络模型下修正现有的基于车道宽度进行测距的方法:对现有方法在弯道下测距产生的误差进行分析后,提出一种弯道下基于车道线斜率的车道横向宽度的计算模型,在假设车道线是同心圆模型前提下,修正车道横向宽度计算公式后推导出前方车辆纵向距离的测距模型,车道线曲率为0.01时,对50 m范围内的车辆实施修正后的测距方法,测距误差小于3%;在车道线曲率小于0.005时,对100 m范围内的车辆实施修正后的测距方法,测距误差小于1%,相较于现有方法,修正后测距方法的测距精度显著提高。最后通过KITTI数据集验证在多任务检测网络下实施修正后的测距方法的效果,结果表明:多任务检测网络对车道线的近点拟合效果较好,且在有遮挡的情况下仍然可以预测出遮挡部分的车道线,鲁棒性较好,修正后的测距方法的平均测距误差小于5%,测距精度明显提高。 展开更多

关键词 多任务检测网络 车辆检测 车道线 误差分析 测距模型修正

在线阅读 下载PDF 职称材料

基于情感词和多任务卷积神经网络的文本情感分布学习 被引量：4

16

作者 江晨琳 曾雪强 +3 位作者 郭小奉 东雨畅 左家莉 王明文 《中文信息学报》 CSCD 北大核心 2023年第4期126-136,共11页

不同于传统的情感分析范式,情感分布学习采用与示例关联的情感分布对多种情绪进行定量建模,可以较好地处理具有情绪模糊性的情感分析任务。针对现有情感分布学习方法缺乏考虑文本分析任务特有的情感词语言学先验知识的问题,该文提出一... 不同于传统的情感分析范式,情感分布学习采用与示例关联的情感分布对多种情绪进行定量建模,可以较好地处理具有情绪模糊性的情感分析任务。针对现有情感分布学习方法缺乏考虑文本分析任务特有的情感词语言学先验知识的问题,该文提出一种基于情感词和多任务卷积神经网络(Lexicon enhanced Multi-Task Convolutional Neural Network,LMT-CNN)的文本情感分布学习模型,用于预测文本的情感分布和情绪标签。LMT-CNN模型的网络结构由文本语义信息模块、情感词的情感知识模块和多任务预测模块组成,采用端到端方式进行模型训练和预测。在7个常用的文本情感数据集上的对比实验结果表明,LMT-CNN模型具有比已有的情感分布学习方法更优的情感分布预测和情绪分类性能。 展开更多

关键词 情感分布学习 文本情绪分析 情感词 多任务卷积神经网络

在线阅读 下载PDF 职称材料

增强分子拓扑信息的多任务图神经网络算法 被引量：1

17

作者 蒋晔路 权丽君 +1 位作者 吴庭芳 吕强 《计算机工程与应用》 CSCD 北大核心 2023年第10期86-93,共8页

以分子毒性为代表的分子属性预测在以药物设计为主的多个领域的发展中发挥着重要作用,但直接利用分子结构信息快速且准确地预测分子毒性一直是一个挑战。目前,卷积网络和图网络等深度学习方法的出现在这个问题的解决上得到了一定的进展... 以分子毒性为代表的分子属性预测在以药物设计为主的多个领域的发展中发挥着重要作用,但直接利用分子结构信息快速且准确地预测分子毒性一直是一个挑战。目前,卷积网络和图网络等深度学习方法的出现在这个问题的解决上得到了一定的进展。而以图网络为主的深度学习方法在分子毒性预测中存在两个关键问题,影响预测性能:第一,数据驱动使得模型在面对小批量数据时依然没有可靠的性能。第二,建模分子结构只考虑了天然共价键,只能提供粗粒度的信息。为解决上述问题,给出了一种对分子结构的新型建模方式MT-ToxGNN。该方法将多任务的思想融入图神经网络中,使得不同任务在训练时可以互相学习不同数据的可靠分布,从而避免在小批量数据上的过拟合问题。将分子编码成拓扑图结构时同时考虑分子内共价键以及非共价作用,就是在使用分子共价键构建传统图的边集之后,再使用非共价作用构建新型图的边集,从而弥补传统图网络对分子结构信息表示的不足。使用特别设计的图网络分别处理分子的共价与非共价信息,充分学习不同的分子结构。在与大量先进方法的性能比较中,MT-ToxGNN在多个分子毒性数据集上皮尔森系数指标达到了最佳。 展开更多

关键词 分子毒性预测 分子结构建模 图神经网络 多任务深层网络

在线阅读 下载PDF 职称材料

基于情感轮和多任务卷积神经网络的图像情感分布学习 被引量：8

18

作者 赖金水 万中英 曾雪强 《江西师范大学学报（自然科学版）》 CAS 北大核心 2022年第4期363-371,共9页

图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直... 图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直接引入到深度神经网络中.基于Mikel′s情感轮定义成对情绪之间的相关性,EW-MTCNN模型采用多任务卷积神经网络学习情绪之间的相关性信息,同时优化情感分布预测和情绪分类任务.EW-MTCNN模型由3个模块组成,3个模块分别是图像特征提取层、情感轮先验知识层和多任务损失层.在情感分布数据集(Emotion6)和单标签数据集(Artphoto)上进行对比实验的结果表明:EW-MTCNN模型在情感分布预测与情绪分类任务上比其他情感分布学习方法具有更优的性能. 展开更多

关键词 Mikel′s情感轮 多任务卷积神经网络 情感分布学习 情绪分类 标记分布学习

在线阅读 下载PDF 职称材料

改进的多任务道路特征提取网络及权重优化 被引量：1

19

作者 朱文杰 李宏伟 +2 位作者 姜懿芮 程相龙 赵珊 《测绘通报》 CSCD 北大核心 2023年第12期1-7,共7页

为应对自动驾驶在复杂道路环境下的挑战,提出了多项任务合作的需求。在自然语言处理及推荐算法领域,利用多任务学习网络已被证明可以减少多种任务耦合情况下的时间、算力及存储使用。由于多任务学习网络的这种特点,近年来也开始应用于... 为应对自动驾驶在复杂道路环境下的挑战,提出了多项任务合作的需求。在自然语言处理及推荐算法领域,利用多任务学习网络已被证明可以减少多种任务耦合情况下的时间、算力及存储使用。由于多任务学习网络的这种特点,近年来也开始应用于基于视觉的道路特征提取方面。本文提出了一种结合FPN网络的解码器头结构,并将其应用于基于YOLOv4网络的多任务学习道路特征提取网络;通过研究多任务权重设置的影响对多任务网络算法进行优化,并在同类算法中验证了权重设置的有效性。在BDD-100K数据集上进行的试验结果表明,本文结构在保证实时性的同时精度也优于同类方法,本文方法为基于视觉的自动驾驶过程中车辆的自主道路感知及高精地图的生成提供了新思路与新方法。 展开更多

关键词 道路特征提取 多任务学习网络 权重优化 交通目标检测 车道线分割 可驾驶区域分割

在线阅读 下载PDF 职称材料

面向AR-HUD的多任务卷积神经网络研究 被引量：6

20

作者 冯明驰 卜川夏 萧红 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第3期241-250,共10页

汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv... 汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv3-tiny框架为基础,融合金字塔池化模型、DenseNet的密集连接结构、CSPNet网络模型的思想,在精度未下降的情况下大幅减少了计算资源消耗。针对该神经网络难以训练的问题,提出了一种基于动态损失权重的线性加权求和损失函数,使子网络损失值趋于同步下降,且同步收敛。经过在公开数据集BDD100K上训练及测试,结果表明该神经网络的检测mAP和分割mIOU分别为30%,77.14%,使用TensorRt加速后,在Jetson TX2上已经可以达到15 frame·s-1左右,已达到AR-HUD的应用要求,并成功应用于车载AR-HUD。 展开更多

关键词 增强现实抬头显示器 多任务卷积神经网络 目标检测 语义分割

在线阅读 下载PDF 职称材料