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
3
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
基于多尺度自注意力增强的多方对话角色识别方法
被引量：
2
1
作者
张禹尧
蒋玉茹
张仰森
《中文信息学报》
CSCD
北大核心
2021年第5期101-109,共9页
角色识别任务是近年来提出的一项自然语言处理任务,面向多方参与的对话场景,目标是将对话中的人物提及映射到具体的人物实体。目前在该任务的最优系统中,只使用了较为简单的编码器,并未针对对话文本特点进行改造创新。该文在最优系统的...
角色识别任务是近年来提出的一项自然语言处理任务,面向多方参与的对话场景,目标是将对话中的人物提及映射到具体的人物实体。目前在该任务的最优系统中,只使用了较为简单的编码器,并未针对对话文本特点进行改造创新。该文在最优系统的基础上,提出了一种基于多尺度自注意力增强的方法,借助不同尺度的自注意力,来获得更好的信息表示。首先,通过尺度较大的全局注意力,对场景内的全部对话信息进行处理,保留了全局的对话信息;然后,通过尺度较小的局部注意力,对局部范围内的对话进行计算,捕获近距离的信息之间的关联关系;最后,将不同尺度得到的信息进行融合,达到对编码信息增强的效果。在SemEval2018 Task4任务上的实验结果表明了该方法的有效性,相较于目前最优系统,在全部实体的F1值上提高了18.94%。
展开更多
关键词
角色识别
多尺度自注意力
全局
注意力
局部
注意力
在线阅读
下载PDF
职称材料
融合多尺度多头自注意力和在线难例挖掘的小样本硅藻检测
被引量：
4
2
作者
邓杰航
郭文权
+6 位作者
陈汉杰
顾国生
刘景建
杜宇坤
刘超
康晓东
赵建
《计算机应用》
CSCD
北大核心
2022年第8期2593-2600,共8页
硅藻训练样本量较少时,检测精度偏低,为此在小样本目标检测模型TFA(Two-stage Fine-tuning Approach)的基础上提出一种融合多尺度多头自注意力(MMS)和在线难例挖掘(OHEM)的小样本硅藻检测模型(MMSOFDD)。首先,结合ResNet-101与多头自注...
硅藻训练样本量较少时,检测精度偏低,为此在小样本目标检测模型TFA(Two-stage Fine-tuning Approach)的基础上提出一种融合多尺度多头自注意力(MMS)和在线难例挖掘(OHEM)的小样本硅藻检测模型(MMSOFDD)。首先,结合ResNet-101与多头自注意力机制构造一个基于Transformer的特征提取网络BoTNet-101,以充分利用硅藻图像的局部和全局信息;然后,改进多头自注意力为MMS,消除了原始多头自注意力的处理目标尺度单一的局限性;最后,引入OHEM到模型预测器中,并对硅藻进行识别与定位。把所提模型与其他小样本目标检测模型在自建硅藻数据集上进行消融及对比实验。实验结果表明:与TFA相比,MMSOFDD的平均精度均值(mAP)为69.60%,TFA为63.71%,MMSOFDD提高了5.89个百分点;与小样本目标检测模型Meta R-CNN和FSIW相比,Meta R-CNN和FSIW的mAP分别为61.60%和60.90%,所提模型的mAP分别提高了8.00个百分点和8.70个百分点。而且,MMSOFDD在硅藻训练样本量少的条件下能够有效地提高检测模型对硅藻的检测精度。
展开更多
关键词
小样本
硅藻检测
卷积神经网络
TRANSFORMER
在线难例挖掘
多尺度
多头
自注意力
在线阅读
下载PDF
职称材料
基于改进DETR模型的轻量化茶叶病虫害检测方法
3
作者
宋军
张佑丞
+1 位作者
徐锋
焦万果
《实验室研究与探索》
北大核心
2025年第8期39-47,54,共10页
针对复杂背景和多目标遮挡导致的检测精度下降问题,提出了一种基于深度学习的轻量化茶叶病虫害检测方法。该方法在现有DETR模型基础上引入小波变换-卷积模块,在减少模型参数量的同时显著提升了对多尺度特征的捕获能力;结合多尺度多头注...
针对复杂背景和多目标遮挡导致的检测精度下降问题,提出了一种基于深度学习的轻量化茶叶病虫害检测方法。该方法在现有DETR模型基础上引入小波变换-卷积模块,在减少模型参数量的同时显著提升了对多尺度特征的捕获能力;结合多尺度多头注意力机制,实现了跨尺度的全局特征融合,有效克服了传统注意力机制在小目标检测中的局限性;通过设计上下文引导空间特征重建特征金字塔网络,进一步提升复杂场景下目标检测的鲁棒性和精确性。实验结果表明,模型识别准确率达97.7%,参数量和浮点运算量均降低35%以上;通过在树莓派平台部署验证,表明所提方法能够准确、高效地完成茶叶病虫害检测任务。
展开更多
关键词
茶叶病虫害检测
DETR模型
小波变换
多尺度自注意力
树莓派
在线阅读
下载PDF
职称材料
题名
基于多尺度自注意力增强的多方对话角色识别方法
被引量：
2
1
作者
张禹尧
蒋玉茹
张仰森
机构
北京信息科技大学智能信息处理研究所
出处
《中文信息学报》
CSCD
北大核心
2021年第5期101-109,共9页
基金
国家自然科学基金(61602044,61772081)。
文摘
角色识别任务是近年来提出的一项自然语言处理任务,面向多方参与的对话场景,目标是将对话中的人物提及映射到具体的人物实体。目前在该任务的最优系统中,只使用了较为简单的编码器,并未针对对话文本特点进行改造创新。该文在最优系统的基础上,提出了一种基于多尺度自注意力增强的方法,借助不同尺度的自注意力,来获得更好的信息表示。首先,通过尺度较大的全局注意力,对场景内的全部对话信息进行处理,保留了全局的对话信息;然后,通过尺度较小的局部注意力,对局部范围内的对话进行计算,捕获近距离的信息之间的关联关系;最后,将不同尺度得到的信息进行融合,达到对编码信息增强的效果。在SemEval2018 Task4任务上的实验结果表明了该方法的有效性,相较于目前最优系统,在全部实体的F1值上提高了18.94%。
关键词
角色识别
多尺度自注意力
全局
注意力
局部
注意力
Keywords
character identification
multi-scale self-attention
global attention
local attention
分类号
TP391 [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
融合多尺度多头自注意力和在线难例挖掘的小样本硅藻检测
被引量：
4
2
作者
邓杰航
郭文权
陈汉杰
顾国生
刘景建
杜宇坤
刘超
康晓东
赵建
机构
广东工业大学计算机学院
广东工业大学自动化学院
法医病理学公安部重点实验室(广州市刑事科学技术研究所)
出处
《计算机应用》
CSCD
北大核心
2022年第8期2593-2600,共8页
基金
国家自然科学基金资助项目(61202267)
广东工业大学创新训练项目(xj202111845544)
广州市科技计划项目(2019030001)。
文摘
硅藻训练样本量较少时,检测精度偏低,为此在小样本目标检测模型TFA(Two-stage Fine-tuning Approach)的基础上提出一种融合多尺度多头自注意力(MMS)和在线难例挖掘(OHEM)的小样本硅藻检测模型(MMSOFDD)。首先,结合ResNet-101与多头自注意力机制构造一个基于Transformer的特征提取网络BoTNet-101,以充分利用硅藻图像的局部和全局信息;然后,改进多头自注意力为MMS,消除了原始多头自注意力的处理目标尺度单一的局限性;最后,引入OHEM到模型预测器中,并对硅藻进行识别与定位。把所提模型与其他小样本目标检测模型在自建硅藻数据集上进行消融及对比实验。实验结果表明:与TFA相比,MMSOFDD的平均精度均值(mAP)为69.60%,TFA为63.71%,MMSOFDD提高了5.89个百分点;与小样本目标检测模型Meta R-CNN和FSIW相比,Meta R-CNN和FSIW的mAP分别为61.60%和60.90%,所提模型的mAP分别提高了8.00个百分点和8.70个百分点。而且,MMSOFDD在硅藻训练样本量少的条件下能够有效地提高检测模型对硅藻的检测精度。
关键词
小样本
硅藻检测
卷积神经网络
TRANSFORMER
在线难例挖掘
多尺度
多头
自注意力
Keywords
few-shot
diatom detection
Convolutional Neural Network(CNN)
Transformer
Online Hard Example Mining(OHEM)
Multi-scale Multi-head Self-attention(MMS)
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.4 [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
基于改进DETR模型的轻量化茶叶病虫害检测方法
3
作者
宋军
张佑丞
徐锋
焦万果
机构
南京林业大学信息科学技术学院、人工智能学院
出处
《实验室研究与探索》
北大核心
2025年第8期39-47,54,共10页
基金
江苏省本科高校“理工类公共基础课程教学改革研究”专项课题(2024LGJK034)。
文摘
针对复杂背景和多目标遮挡导致的检测精度下降问题,提出了一种基于深度学习的轻量化茶叶病虫害检测方法。该方法在现有DETR模型基础上引入小波变换-卷积模块,在减少模型参数量的同时显著提升了对多尺度特征的捕获能力;结合多尺度多头注意力机制,实现了跨尺度的全局特征融合,有效克服了传统注意力机制在小目标检测中的局限性;通过设计上下文引导空间特征重建特征金字塔网络,进一步提升复杂场景下目标检测的鲁棒性和精确性。实验结果表明,模型识别准确率达97.7%,参数量和浮点运算量均降低35%以上;通过在树莓派平台部署验证,表明所提方法能够准确、高效地完成茶叶病虫害检测任务。
关键词
茶叶病虫害检测
DETR模型
小波变换
多尺度自注意力
树莓派
Keywords
tea leaf diseases
DETR model
wavelet transform
multi-scale self-attention
Raspberry Pi platform
分类号
TP391 [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
基于多尺度自注意力增强的多方对话角色识别方法
张禹尧
蒋玉茹
张仰森
《中文信息学报》
CSCD
北大核心
2021
2
在线阅读
下载PDF
职称材料
2
融合多尺度多头自注意力和在线难例挖掘的小样本硅藻检测
邓杰航
郭文权
陈汉杰
顾国生
刘景建
杜宇坤
刘超
康晓东
赵建
《计算机应用》
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
3
基于改进DETR模型的轻量化茶叶病虫害检测方法
宋军
张佑丞
徐锋
焦万果
《实验室研究与探索》
北大核心
2025
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
