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
面向工业品缺陷检测的对比表示学习
1
作者
罗航宇
王小平
+2 位作者
梅萌
赵文豪
刘思纯
《计算机科学》
北大核心
2025年第1期210-220,共11页
在大规模制造业中,缺陷检测旨在发现有缺陷的零部件,如损坏、错位的和存在印刷错误的部件等。由于缺陷类型未知以及缺陷样本短缺,工业品缺陷检测面临着极大的挑战。为克服上述困难,一些方法利用来自自然图像数据集的通用视觉表示,提取...
在大规模制造业中,缺陷检测旨在发现有缺陷的零部件,如损坏、错位的和存在印刷错误的部件等。由于缺陷类型未知以及缺陷样本短缺,工业品缺陷检测面临着极大的挑战。为克服上述困难,一些方法利用来自自然图像数据集的通用视觉表示,提取广义特征来进行缺陷检测。然而,提取到的预训练特征与目标数据之间存在分布差异,直接使用该特征会导致检测性能不佳。因此,提出了一种基于对比表示学习的方法ConPatch。该方法采用对比表示学习来收集相似特征或者分离不相似特征,从而学习面向目标的特征表示。为了解决缺乏缺陷标注的问题,将数据表示之间的两种相似性度量即成对相似度和全局相似度作为伪标签。此外,采用了轻量化的内存库,仅将全部正常样本即全部无缺陷样本的特征中心存储到内存库中,从而减小了空间复杂度和内存库的尺寸。最后,将正常特征拉近至一个超球面内,而缺陷特征则分布在超球面外,以此来聚集正常特征。实验结果显示,在工业品缺陷检测数据集MVTec AD中,基于Wide-ResNet50的ConPatch模型的I-AUROC和P-AUROC分别达到99.35%和98.26%。在VisA数据集中,ConPatch模型的I-AUROC和P-AUROC分别达到95.50%和98.21%。上述结果验证了模型的有效性。
展开更多
关键词
工业品缺陷检测
对比表示学习
相似性度量
内存库
超球面
在线阅读
下载PDF
职称材料
基于滚动MLP特征提取的红外与可见光图像融合跨模态对比表示网络
2
作者
闫志林
聂仁灿
《计算机科学》
北大核心
2025年第11期123-130,共8页
目前,红外与可见光图像融合任务中,数据集缺乏真实融合图像来对最终融合图像所需的两种模态重要的差异信息进行引导。现有的融合方法大多数只考虑了源图像的权衡和交互,忽略了融合图像在融合过程中的作用。融合图像中的重要信息可以对...
目前,红外与可见光图像融合任务中,数据集缺乏真实融合图像来对最终融合图像所需的两种模态重要的差异信息进行引导。现有的融合方法大多数只考虑了源图像的权衡和交互,忽略了融合图像在融合过程中的作用。融合图像中的重要信息可以对源图像的差异信息进行约束,因此提出了一种对比表示网络(Contrastive Representation Network,CRN)来更好地引导融合图像所需源图像中重要信息的提取;同时,提高融合图像重建的质量可以进一步加强对源图像重要特征信息的引导。重建图像的质量与提取特征相关,现有的特征提取方法中,CNN在全局特征的捕获上表现欠佳,而Transformer的计算复杂度高,对局部特征的学习能力较差。在此基础上,引入了一种结合MLP的CNN模块D2 Block,通过对不同方向上的特征映射进行滚动操作,有效提取并融合局部特征和远程依赖关系。在多个公共数据集上的大量定性和定量实验表明,该方法相比其他先进方法取得了更好的结果。
展开更多
关键词
图像融合
对比表示学习
特征提取
深度
学习
自编码器
在线阅读
下载PDF
职称材料
基于互信息自适应的多模态实体对齐方法
被引量：
1
3
作者
高永杰
党建武
+1 位作者
张希权
郑爱国
《计算机应用研究》
北大核心
2025年第1期106-110,共5页
多模态实体对齐是知识融合过程中的关键一步,但异构的多模态知识图谱拥有较大的结构差异性,并且其多模态信息存在不完全性,利用当前的多模态实体对齐方法无法取得较好的对齐效果。针对上述问题,提出了基于互信息自适应的多模态实体对齐...
多模态实体对齐是知识融合过程中的关键一步,但异构的多模态知识图谱拥有较大的结构差异性,并且其多模态信息存在不完全性,利用当前的多模态实体对齐方法无法取得较好的对齐效果。针对上述问题,提出了基于互信息自适应的多模态实体对齐方法。一方面通过设计自适应融合机制来减小模态差异以及依据模态信息的贡献程度动态分配权重,另一方面引入互信息作为附加特征来强化实体的特征表示,最后利用实体相似度计算来进行实体对齐。实验表明,在5个通用的数据集上,MAMEA相较于当前基线模型,指标hits@1最大可提升1.8%,最小可提升1.4%,指标MRR最大可提升1.4%,最小可提升0.8%,证明了该模型可有效地提升多模态实体对齐的效果。
展开更多
关键词
多模态知识图谱
实体对齐
自适应特征融合
对比表示学习
互信息
在线阅读
下载PDF
职称材料
题名
面向工业品缺陷检测的对比表示学习
1
作者
罗航宇
王小平
梅萌
赵文豪
刘思纯
机构
同济大学电子与信息工程学院
出处
《计算机科学》
北大核心
2025年第1期210-220,共11页
基金
国家重点研发计划(2022YFB4300504-4)。
文摘
在大规模制造业中,缺陷检测旨在发现有缺陷的零部件,如损坏、错位的和存在印刷错误的部件等。由于缺陷类型未知以及缺陷样本短缺,工业品缺陷检测面临着极大的挑战。为克服上述困难,一些方法利用来自自然图像数据集的通用视觉表示,提取广义特征来进行缺陷检测。然而,提取到的预训练特征与目标数据之间存在分布差异,直接使用该特征会导致检测性能不佳。因此,提出了一种基于对比表示学习的方法ConPatch。该方法采用对比表示学习来收集相似特征或者分离不相似特征,从而学习面向目标的特征表示。为了解决缺乏缺陷标注的问题,将数据表示之间的两种相似性度量即成对相似度和全局相似度作为伪标签。此外,采用了轻量化的内存库,仅将全部正常样本即全部无缺陷样本的特征中心存储到内存库中,从而减小了空间复杂度和内存库的尺寸。最后,将正常特征拉近至一个超球面内,而缺陷特征则分布在超球面外,以此来聚集正常特征。实验结果显示,在工业品缺陷检测数据集MVTec AD中,基于Wide-ResNet50的ConPatch模型的I-AUROC和P-AUROC分别达到99.35%和98.26%。在VisA数据集中,ConPatch模型的I-AUROC和P-AUROC分别达到95.50%和98.21%。上述结果验证了模型的有效性。
关键词
工业品缺陷检测
对比表示学习
相似性度量
内存库
超球面
Keywords
Industrial product defect detection
Contrastive representation learning
Similarity measure
Memory bank
Hype-rsphere
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
基于滚动MLP特征提取的红外与可见光图像融合跨模态对比表示网络
2
作者
闫志林
聂仁灿
机构
云南大学信息学院
出处
《计算机科学》
北大核心
2025年第11期123-130,共8页
基金
云南省基础研究计划重点项目(202301AS070025)
国家重点研发项目(2020YFA0714301)
+1 种基金
云南省科技厅项目基金(2012105AF150011)
云南省教育厅科学研究基金(2024Y031,2023J0017)。
文摘
目前,红外与可见光图像融合任务中,数据集缺乏真实融合图像来对最终融合图像所需的两种模态重要的差异信息进行引导。现有的融合方法大多数只考虑了源图像的权衡和交互,忽略了融合图像在融合过程中的作用。融合图像中的重要信息可以对源图像的差异信息进行约束,因此提出了一种对比表示网络(Contrastive Representation Network,CRN)来更好地引导融合图像所需源图像中重要信息的提取;同时,提高融合图像重建的质量可以进一步加强对源图像重要特征信息的引导。重建图像的质量与提取特征相关,现有的特征提取方法中,CNN在全局特征的捕获上表现欠佳,而Transformer的计算复杂度高,对局部特征的学习能力较差。在此基础上,引入了一种结合MLP的CNN模块D2 Block,通过对不同方向上的特征映射进行滚动操作,有效提取并融合局部特征和远程依赖关系。在多个公共数据集上的大量定性和定量实验表明,该方法相比其他先进方法取得了更好的结果。
关键词
图像融合
对比表示学习
特征提取
深度
学习
自编码器
Keywords
Image fusion
Contrastive representation learning
Feature extraction
Deep learning
Autoencoder
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
基于互信息自适应的多模态实体对齐方法
被引量：
1
3
作者
高永杰
党建武
张希权
郑爱国
机构
兰州交通大学光电技术与智能控制教育部重点实验室
兰州交通大学电子与信息工程学院
轨道交通信息与控制国家级虚拟仿真教学中心
中国铁路北京局集团有限公司天津电务段
出处
《计算机应用研究》
北大核心
2025年第1期106-110,共5页
基金
国家自然科学基金资助项目(62067006,62367005)
中央引导地方科技发展资金资助项目(332140068864)
甘肃省高校科研创新平台重大培育项目(2024CXPT-17)。
文摘
多模态实体对齐是知识融合过程中的关键一步,但异构的多模态知识图谱拥有较大的结构差异性,并且其多模态信息存在不完全性,利用当前的多模态实体对齐方法无法取得较好的对齐效果。针对上述问题,提出了基于互信息自适应的多模态实体对齐方法。一方面通过设计自适应融合机制来减小模态差异以及依据模态信息的贡献程度动态分配权重,另一方面引入互信息作为附加特征来强化实体的特征表示,最后利用实体相似度计算来进行实体对齐。实验表明,在5个通用的数据集上,MAMEA相较于当前基线模型,指标hits@1最大可提升1.8%,最小可提升1.4%,指标MRR最大可提升1.4%,最小可提升0.8%,证明了该模型可有效地提升多模态实体对齐的效果。
关键词
多模态知识图谱
实体对齐
自适应特征融合
对比表示学习
互信息
Keywords
multimodal knowledge graph
entity alignment
adaptive feature fusion
contrastive representation learning
mutual information
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
作者
出处
发文年
被引量
操作
1
面向工业品缺陷检测的对比表示学习
罗航宇
王小平
梅萌
赵文豪
刘思纯
《计算机科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于滚动MLP特征提取的红外与可见光图像融合跨模态对比表示网络
闫志林
聂仁灿
《计算机科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于互信息自适应的多模态实体对齐方法
高永杰
党建武
张希权
郑爱国
《计算机应用研究》
北大核心
2025
1
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
