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
文本问答中基于双向叠加注意力的证据区间预测
1
作者
吐尔地·托合提
罗长虹
艾斯卡尔·艾木都拉
《计算机工程与科学》
北大核心
2025年第8期1470-1482,共13页
文本问答通常仅依靠文本与问题的单向匹配关系来定位证据区间并作答,在面临远端干扰及多处答案词等语义困难时难以捕捉精短证据区间。针对此问题,提出一种基于双向叠加注意力机制的证据区间预测模型ESP-BSA。首先,将问题与文本进行交叉...
文本问答通常仅依靠文本与问题的单向匹配关系来定位证据区间并作答,在面临远端干扰及多处答案词等语义困难时难以捕捉精短证据区间。针对此问题,提出一种基于双向叠加注意力机制的证据区间预测模型ESP-BSA。首先,将问题与文本进行交叉匹配来丰富隐式交互的文本语义;其次,根据证据分布互异性设计软证据标签对来表示前向和后向证据得分;最后,对序列中每个位置的证据得分双向叠加以获得更符合上下文语境要求的证据区间。实验结果表明,所提方法在Span-F1,Span-EM等评价指标上较基线模型有所提升,证实了其在复杂语境中能够有效提高证据区间预测精确度和问答准确性。
展开更多
关键词
文本问答
证据区间
注意力机制
双向叠加
软证据标签
在线阅读
下载PDF
职称材料
BF-YOLO:基于YOLOv8改进的小目标检测算法
2
作者
蒲小莉
赖惠成
高古学
《计算机工程与科学》
北大核心
2025年第8期1425-1436,共12页
针对现有的目标检测算法对无人机拍摄目标检测精度较低、模型大且不易于部署的问题,提出改进YOLOv8的目标检测算法BF-YOLO。首先,对网络的输出检测层进行重构,增强了算法模型对小目标的检测能力;其次,引入感受野注意力卷积替换普通卷积...
针对现有的目标检测算法对无人机拍摄目标检测精度较低、模型大且不易于部署的问题,提出改进YOLOv8的目标检测算法BF-YOLO。首先,对网络的输出检测层进行重构,增强了算法模型对小目标的检测能力;其次,引入感受野注意力卷积替换普通卷积,使网络关注目标位置信息,增强了模型对目标特征的学习能力;此外,设计了多尺度信息提取模块,通过多个分组卷积单元来提取不同感受野下的目标信息,减少模型参数量的同时提高了检测精度;最后,引入加权双向特征融合来改进颈部网络,实现多尺度特征融合,提高了模型对多尺度目标的识别能力。实验结果表明,在VisDrone-DET2019数据集上,改进后算法的mAP50比YOLOv8s提高了7.3%,且模型参数量减少了67.1%,有效实现了检测精度和模型轻量化的平衡。
展开更多
关键词
无人机图像
小目标检测
YOLOv8
特征融合
在线阅读
下载PDF
职称材料
题名
文本问答中基于双向叠加注意力的证据区间预测
1
作者
吐尔地·托合提
罗长虹
艾斯卡尔·艾木都拉
机构
新疆大学
计算机
科学与
技术
学院
(
网络空间
安全
学院
)
新疆
多语种信息
技术
重点实验室
出处
《计算机工程与科学》
北大核心
2025年第8期1470-1482,共13页
基金
国家自然科学基金(62166042,U2003207)
国防科技基金加强计划(2021-JCJQ-JJ-0059)
新疆维吾尔自治区自然科学基金(2021D01C076)。
文摘
文本问答通常仅依靠文本与问题的单向匹配关系来定位证据区间并作答,在面临远端干扰及多处答案词等语义困难时难以捕捉精短证据区间。针对此问题,提出一种基于双向叠加注意力机制的证据区间预测模型ESP-BSA。首先,将问题与文本进行交叉匹配来丰富隐式交互的文本语义;其次,根据证据分布互异性设计软证据标签对来表示前向和后向证据得分;最后,对序列中每个位置的证据得分双向叠加以获得更符合上下文语境要求的证据区间。实验结果表明,所提方法在Span-F1,Span-EM等评价指标上较基线模型有所提升,证实了其在复杂语境中能够有效提高证据区间预测精确度和问答准确性。
关键词
文本问答
证据区间
注意力机制
双向叠加
软证据标签
Keywords
document-based question answering(DBQA)
evidence span
attention mechanism
bidirectional superposition
soft evidence label
分类号
TP391.43 [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
BF-YOLO:基于YOLOv8改进的小目标检测算法
2
作者
蒲小莉
赖惠成
高古学
机构
新疆大学
计算机
科学与
技术
学院
(
网络空间
安全
学院
)
出处
《计算机工程与科学》
北大核心
2025年第8期1425-1436,共12页
基金
新疆维吾尔自治区重点研发计划(No.2022B01008)
科技创新2030—“新一代人工智能”重大项目(2022ZD0115803)。
文摘
针对现有的目标检测算法对无人机拍摄目标检测精度较低、模型大且不易于部署的问题,提出改进YOLOv8的目标检测算法BF-YOLO。首先,对网络的输出检测层进行重构,增强了算法模型对小目标的检测能力;其次,引入感受野注意力卷积替换普通卷积,使网络关注目标位置信息,增强了模型对目标特征的学习能力;此外,设计了多尺度信息提取模块,通过多个分组卷积单元来提取不同感受野下的目标信息,减少模型参数量的同时提高了检测精度;最后,引入加权双向特征融合来改进颈部网络,实现多尺度特征融合,提高了模型对多尺度目标的识别能力。实验结果表明,在VisDrone-DET2019数据集上,改进后算法的mAP50比YOLOv8s提高了7.3%,且模型参数量减少了67.1%,有效实现了检测精度和模型轻量化的平衡。
关键词
无人机图像
小目标检测
YOLOv8
特征融合
Keywords
UAV image
small object detection
YOLOv8
feature fusion
分类号
TP391.41 [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
文本问答中基于双向叠加注意力的证据区间预测
吐尔地·托合提
罗长虹
艾斯卡尔·艾木都拉
《计算机工程与科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
BF-YOLO:基于YOLOv8改进的小目标检测算法
蒲小莉
赖惠成
高古学
《计算机工程与科学》
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
