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
基于多模态记忆知识的密集视频描述方法
1
作者
方豪杰
李永刚
+1 位作者
曹宗瑞
叶利华
《电信科学》
北大核心
2025年第9期133-151,共19页
密集视频描述旨在从未修剪的视频中定位事件,并为每个有意义的事件生成相应的描述。现有方法主要利用源视频输入来生成描述,无法捕捉到视频中的隐含知识,即视频中隐含的视觉、音频、文本等多模态记忆知识,其中多模态记忆知识可以理解为...
密集视频描述旨在从未修剪的视频中定位事件,并为每个有意义的事件生成相应的描述。现有方法主要利用源视频输入来生成描述,无法捕捉到视频中的隐含知识,即视频中隐含的视觉、音频、文本等多模态记忆知识,其中多模态记忆知识可以理解为视频内对象、动作和属性对应的有意义词集合。为解决该问题,提出了基于多模态记忆知识的密集视频描述方法,不仅利用了视频本身的多模态信息,还拓展了与视频相关的多模态记忆知识,极大地提高了密集视频描述生成的准确性。首先,该方法构建了多模态记忆知识库,设计了基于模态共享编码器的事件定位模块,实现源视频多模态特征之间的深层次融合并生成高质量事件提案。然后,模型从多模态记忆知识库中检索与候选事件提案密切相关的视觉、音频和文本记忆知识作为描述生成的先验信息。最后,该方法通过记忆增强解码器,有效地整合了多模态记忆知识和视频多模态信息,生成详细的密集视频描述。在ActivityNetCaptions和YouCook2数据集上进行了对比实验和消融实验,结果验证了该方法的有效性。
展开更多
关键词
密集视频描述
多模态记忆知识
记忆增强解码器
交叉注意力
在线阅读
下载PDF
职称材料
一种优化的MobileNet模型在钼矿识别中的研究
2
作者
郭乾明
周才英
+2 位作者
占新龙
叶晓朗
魏远旺
《有色金属科学与工程》
北大核心
2025年第2期287-296,共10页
针对目前仍然存在部分矿山筛选尾矿是工人手选的现状,本文提出了一种基于优化MobileNetV2模型的深度学习钼矿识别方法,该方法提升了钼矿在X射线照射下所得的灰度图像的识别精度与效率。构建了一个自标注的钼矿灰度图像数据集,并且对图...
针对目前仍然存在部分矿山筛选尾矿是工人手选的现状,本文提出了一种基于优化MobileNetV2模型的深度学习钼矿识别方法,该方法提升了钼矿在X射线照射下所得的灰度图像的识别精度与效率。构建了一个自标注的钼矿灰度图像数据集,并且对图像进行了预处理和归一化。在MobileNetV2架构的基础上,进行了创新和改进,引入了坐标注意力机制(Coordinate Attention,CA),通过调整宽度因子和L2正则化参数,在增强模型特征提取能力和泛化能力的同时减少了训练时间。实验结果表明,与原始的MobileNetV2模型相比,本方法在钼矿识别任务上的准确率提升了3.5%,同时训练时间得到了显著减少,与几种典型卷积神经网络架构如ResNet50、EfficientNetB0、VGG16等相比,本模型在准确率、参数量、训练时间等多个关键指标上均展现出了显著优势。
展开更多
关键词
钼矿识别
MobileNetV2
CA注意力机制
宽度因子
L2正则化
在线阅读
下载PDF
职称材料
题名
基于多模态记忆知识的密集视频描述方法
1
作者
方豪杰
李永刚
曹宗瑞
叶利华
机构
浙江理工
大学
计算机科学与技术学院(人工
智能
学院)
嘉兴
大学
人工
智能
学院
嘉兴大学全省多模态感知与智能系统重点实验室
出处
《电信科学》
北大核心
2025年第9期133-151,共19页
基金
国家重点研发计划项目(No.2023YFC3305900)
浙江省自然科学基金资助项目(No.LTGG24F020001)
嘉兴市科技计划项目(No.2023AY11047,No.2023AY11030)。
文摘
密集视频描述旨在从未修剪的视频中定位事件,并为每个有意义的事件生成相应的描述。现有方法主要利用源视频输入来生成描述,无法捕捉到视频中的隐含知识,即视频中隐含的视觉、音频、文本等多模态记忆知识,其中多模态记忆知识可以理解为视频内对象、动作和属性对应的有意义词集合。为解决该问题,提出了基于多模态记忆知识的密集视频描述方法,不仅利用了视频本身的多模态信息,还拓展了与视频相关的多模态记忆知识,极大地提高了密集视频描述生成的准确性。首先,该方法构建了多模态记忆知识库,设计了基于模态共享编码器的事件定位模块,实现源视频多模态特征之间的深层次融合并生成高质量事件提案。然后,模型从多模态记忆知识库中检索与候选事件提案密切相关的视觉、音频和文本记忆知识作为描述生成的先验信息。最后,该方法通过记忆增强解码器,有效地整合了多模态记忆知识和视频多模态信息,生成详细的密集视频描述。在ActivityNetCaptions和YouCook2数据集上进行了对比实验和消融实验,结果验证了该方法的有效性。
关键词
密集视频描述
多模态记忆知识
记忆增强解码器
交叉注意力
Keywords
dense video captioning
multimodal memory knowledge
memory-augmented decoder
cross-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
一种优化的MobileNet模型在钼矿识别中的研究
2
作者
郭乾明
周才英
占新龙
叶晓朗
魏远旺
机构
江西理工
大学
理学院
嘉兴大学全省多模态感知与智能系统重点实验室
出处
《有色金属科学与工程》
北大核心
2025年第2期287-296,共10页
文摘
针对目前仍然存在部分矿山筛选尾矿是工人手选的现状,本文提出了一种基于优化MobileNetV2模型的深度学习钼矿识别方法,该方法提升了钼矿在X射线照射下所得的灰度图像的识别精度与效率。构建了一个自标注的钼矿灰度图像数据集,并且对图像进行了预处理和归一化。在MobileNetV2架构的基础上,进行了创新和改进,引入了坐标注意力机制(Coordinate Attention,CA),通过调整宽度因子和L2正则化参数,在增强模型特征提取能力和泛化能力的同时减少了训练时间。实验结果表明,与原始的MobileNetV2模型相比,本方法在钼矿识别任务上的准确率提升了3.5%,同时训练时间得到了显著减少,与几种典型卷积神经网络架构如ResNet50、EfficientNetB0、VGG16等相比,本模型在准确率、参数量、训练时间等多个关键指标上均展现出了显著优势。
关键词
钼矿识别
MobileNetV2
CA注意力机制
宽度因子
L2正则化
Keywords
molybdenum ore recognition
MobileNetV2
CA attention mechanism
width factor
L2 regularization
分类号
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
作者
出处
发文年
被引量
操作
1
基于多模态记忆知识的密集视频描述方法
方豪杰
李永刚
曹宗瑞
叶利华
《电信科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
一种优化的MobileNet模型在钼矿识别中的研究
郭乾明
周才英
占新龙
叶晓朗
魏远旺
《有色金属科学与工程》
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
