-
题名基于轻量级全连接张量映射网络的高光谱图像分类方法
- 1
-
-
作者
林知心
郑玉棒
马天宇
王蕊
李恒超
-
机构
西南交通大学信息科学与技术学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第10期3541-3551,共11页
-
基金
国家自然科学基金(No.62271418)。
-
文摘
近年来,基于卷积神经网络的深度学习模型已经在高光谱图像分类领域取得优异表现.然而,模型性能的提升通常依赖于更深、更宽的网络结构,导致参数量和计算量增长,从而限制了模型在机载或星载载荷中的实际部署.为此,本文提出基于轻量级全连接张量映射网络的高光谱图像分类方法.根据全连接张量网络分解的映射思想以及高光谱图像“图谱合一”的结构特点,本文设计两种张量映射卷积单元,通过使用多个具有全连接结构的小尺寸卷积核代替原始卷积核,降低了卷积层的时间和空间复杂度.此外,基于新单元构建残差双分支张量模块.双分支结构共享同一组权重参数,并采用通道分割操作减少特征通道数,提升特征提取过程的实时性.本文所提模型通过使用新单元和新模块充分挖掘高光谱图像的局部空谱信息和全局光谱信息,有效提高了分类性能并减少硬件资源消耗.在三个常用高光谱图像数据集上的实验结果表明,所提模型相较于其他现有工作具有更高的分类性能以及更低的参数量和计算量.
-
关键词
高光谱图像分类
模型压缩
全连接张量网络分解
卷积神经网络
张量神经网络
轻量卷积模块
-
Keywords
hyperspectral image classification
model compression
fully-connected tensor network decomposition
convolutional neural network
tensorial neural network
lightweight convolutional module
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于语境交互感知和模式筛选的隐式篇章关系识别
被引量：4
- 2
-
-
作者
郭凤羽
贺瑞芳
党建武
-
机构
天津大学智能与计算学部
天津市认知计算与应用重点实验室
日本北陆先端科学技术大学院大学
-
出处
《计算机学报》
EI
CSCD
北大核心
2020年第5期901-915,共15页
-
基金
国家自然科学基金(61976154)
天津市自然科学基金(18JCYBJC15500)
+1 种基金
国家重点研发计划项目(2018YFB1305200)
天津市科技项目(18ZXZNGX00330)资助。
-
文摘
隐式篇章关系识别是篇章分析(Discourse Analysis)中一项具有挑战性的子任务,旨在推断出同一篇章内相邻文本片段(称为论元)之间潜在的语义连接关系,例如:时序关系、因果关系等.如何有效地表征篇章论元以及挖掘论元间的交互信息是实现该任务的核心要素.传统研究注重篇章中人工总结的表层语言特征(即情感词极性、位置特征和动词类型等),存在数据稀疏和预处理错误级联的问题,导致机器学习模型性能不高.新近的深度神经网络模型则自动提取篇章论元中的特征,利用注意力或记忆机制等捕获论元的重要信息,并组合不同神经网络提取大量关系特征,以提升模型识别性能.然而,其忽略了表示过程中论元间双向非对称的交互信息,以及识别过程中论元间交互模式的稀疏特性.受认知学相关理论的启发,本文提出基于语境交互感知和模式筛选的隐式篇章关系识别方法(MATS).首先,通过双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)分别编码两个论元,以获取带有上下文语境信息的论元表示;其次建模其动态交互注意力机制,以自动学习论元之间的非对称关联矩阵,进而得到融合语境交互感知信息的论元表示;最后,利用带有稀疏约束的张量神经网络捕捉具有篇章关系指示性的深层交互模式,从而提升模型的识别性能.Penn Discourse Treebank(PDTB)语料库上的实验结果表明,本文提出方法的精确率在其四分类上改善了2.36%.
-
关键词
隐式篇章关系识别
双向长短期记忆网络
交互注意力机制
稀疏约束
张量神经网络
-
Keywords
implicit discourse relation recognition
bidirectional long short-term memory
mutual attention mechanism
sparse constraint
neural tensor network
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
