• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

最新录用

显示方式:
研究论文
基于对象特征组合联合知识图谱的推荐系统
胡皓禹, 杨兴耀, 于炯, 钱育蓉, 郑捷
, doi: 10.19304/J.ISSN1000-7180.2021.1342
摘要(190) PDF (47)
摘要:
目前主流的推荐系统模型需要在获取到足够多的数据时才有良好的表现,当获取的数据稀疏时推荐结果精确度较差,同时针对新加入推荐系统的项目推送给潜在用户以及获取新用户的兴趣点都需要好的解决方案,本文提出了一种基于对象特征组合联合知识图谱的推荐系统模型OCKG(Recommender System based on Object Feature Combination Embedded and Knowledge Graph),该模型以用户和项目为对立对象,通过用户和项目多维信息分别嵌入获取到相关性标签,加以训练得到同类共通性,同时对嵌入后的的标签进行权重处理,将不同属性特征传播到知识图谱中以增强模型学习迁移能力,对推荐结果按照相关性紧密进行横向和纵向排位,从而实现推荐结果的预测。本文使用两个不同的公开数据集进行对比实验,证明了该模型在稀疏数据和冷启动下推荐的有效性,实验结果表明,合理的特征组合以及控制知识图谱上的传播强度提升了模型的推荐性能,增强了模型鲁棒性。
基于卷积注意力机制和多损失联合的跨模态行人重识别
周传华, 周东东, 夏徐东, 周子涵
, doi: 10.19304/J.ISSN1000-7180.2022.0002
摘要(186) PDF (106)
摘要:
跨模态行人重识别问题难点在于同时存在模态间的巨大差异和模态内的类内变化,为此本文提出了基于卷积注意力机制和多损失联合的跨模态行人重识别方法。首先在两支路中使用Resnet50网络前三层卷积层分别提取行人图片的浅层特征,然后嵌入卷积注意力机制模块以抑制颜色等无关信息的提取,并融合中层特征和支路骨干网络获取的最终特征提升获取特征的辨别力,最后采用双向跨模态三元组损失损失和身份损失联合约束双流网络,加快网络模型收敛,有效应对模态间的差异以及类内变化。实验结果表明本文提出的方法使跨模态行人重识别问题的精度得到了有效的提升。
基于空间注意力与图卷积的多标签图像分类算法
康萍萍, 侯进, 周浩然, 陈子锐, 李晨
, doi: 10.19304/J.ISSN1000-7180.2021.1166
摘要(259) PDF (58)
摘要:
针对传统多标签图像分类模型难以生成更接近相关标签的图像特征,以及未利用标签之间的视觉相关性,导致识别精度不够高等问题。本文提出一种基于空间注意力与图卷积的多标签图像分类算法,该算法首先利用图卷积网络学习标签邻接图特征,在高层语义信息中引入空间注意力机制对目标特征进行重标定,然后在基于共现特征融合的分类器中融合高层语义信息与GCN网络提取的标签共现特征,并完成模型最终预测。在两个公开数据集上进行对比实验表明,文中算法在MS-COCO数据集上的平均精度较MLGCN提升了1.1个百分点,且在参数量上仅为原模型的八分之一,很大程度地降低了其训练成本。
基于忆阻器阵列的混合精度卷积网络部署优化
成宇, 邢恒拓, 韩芳
, doi: 10.19304/J.ISSN1000-7180.2021.1205
摘要(193) PDF (27)
摘要:
忆阻器阵列有望满足边缘智能对功耗、存储密度、计算时间等的要求,但在目前忆阻器阵列资源有限的前提下,很难部署网络模型。为了解决这个问题,提出了同时使用单忆阻器和双忆阻器混合精度部署卷积网络的方法,可以较好地平衡网络性能和资源。为避免人为设定混合精度部署方案的偶然性,进一步提出了一种基于粒子群算法的细粒度混合精度网络部署优化策略,可对网络参数重要性进行区分;为保证解的合理性,同时采用网络性能和忆阻器数量作为适应度值;为加快搜索速度,在计算适应度值前加了一个混合比例约束。此外,与其他优化算法性能进行了对比,并讨论了算法搜索复杂度。实验表明,对于4值忆阻器,优化后部署方案的准确率可比人为设定部署方案高出33%。这项工作有望为边缘智能提供一种友好可行的非冯诺伊曼硬件解决方案。
基于改进DCGAN的汽车冷凝器图像生成方法
陆顺成, 姜小峰, 石奇
, doi: 10.19304/J.ISSN1000-7180.2021.1216
摘要(233) PDF (22)
摘要:
汽车冷凝器表面缺陷检测是汽车制造过程中的重要组成环节,目前因深度学习的方法具有良好的鲁棒性和准确率而被广泛地应用在工业缺陷图像检测领域.但在实际生产中良品率较高,缺陷图像难以收集,使得基于大规模训练样本的深度学习方法遇到瓶颈.针对上述问题,文中提出了一种基于半监督和自注意力机制的深度卷积生成对抗网络(DCGAN)模型,用于汽车冷凝器表面缺陷图像的生成.首先在DCGAN中引入自注意力机制,克服了卷积网络长距离特征提取的问题;其次,在判别器中加入一个监督分类器并修改损失函数为带分类器交叉熵损失的Wasserstein距离,提高了模型的收敛速度和稳定性;最后,使用条件归一化和类别标签融合的方式,使得模型能够生成特定缺陷的冷凝器图像.实验结果表明,所提出的模型能够生成高质量的冷凝器缺陷图像,fid值达到了44.35,优于现有的DCGAN和SAGAN. 与ACGAN相比,生成图像的多样性相比也有明显提高.
视觉常识和二次注意的图像描述
方小龙
, doi: 10.19304/J.ISSN1000-7180.2021.1226
摘要(237) PDF (26)
摘要:
图像描述任务可应用于检索系统、盲人导航和医学报告生成等领域。针对现有的图像描述模型对视觉语义关系挖掘不充分,以及多层注意力机制提取的特征存在注意偏差的问题,提出了一种视觉常识和二次注意的图像描述模型。在编解码器结构框架下,编码部分引入视觉常识来指导局部特征产生常识语义关系,并对多层注意力挖掘的高层语义施加二次注意,以增强特征并获得更好的相关性,从而减少注意偏差误导解码端序列生成。在MS COCO数据集上进行测试,实验结果表明,模型在BLEU、CIDEr和SPICE等评价指标上有一定程度的提升,表明了该模型能够更加准确且丰富地表达图像语义内容。