融合双阶段解码的实体关系联合抽取方法

在现有的实体关系联合抽取任务中,级联解码的方法直接对三元组进行优化,解决了一部分重叠问题,但是在特定关系下解码的实体,造成实体识别不平衡问题。仅用集合预测的方法可以同时解码出实体和关系,虽然解决了三元组的顺序问题,但也导致实体之间联系性不强、实体和关系之间交互性差的问题。为了进一步提高联合抽取模型的效果,提出一种融合双阶段解码的实体关系联合抽取模型,包括级联策略下的实体解码与集合预测网络阶段的关系解码。该模型分为三个部分:采用Bert进行编码,有效关注到了上下文的信息;采用级联解码的策略先对实体识别,得到不受关系限制的实体信息,充分识别实体;将融合了实体信息的表示嵌入集合预测网络解码出实体-关系三元组,加强实体与关系的联系。在公开数据集纽约时报(The New York Times,NYT)、WebNLG和ACE2005上的实验结果表明,所提出的模型基本优于基线模型,验证了该模型的有效性。

一种纹理与结构光叠加的立体视觉改进算法

为降低复杂纹理与结构光叠加对立体匹配算法视差结果的影响,提出一种针对纹理与空间编码结构光叠加情况下的立体视觉改进算法。通过4种空间编码结构光与三种立体匹配算法(BM、SGBM、NCC)对单一平面与电木压模工件进行视差重建,发现叠加会导致双目立体视觉无法计算出真实视差。本文通过对比引入结构光前后两次拍照视差,在纹理复杂区域内用加入结构光之前视差替换加入结构光后坏点视差,实现对纹理与结构光叠加处视差优选,从而提高视差重建完整性。实验对比发现,在四种不同性能结构光下改进前后的三维重建结果可以验证算法有效性,算法提升了平面区域深度检测精度的1%,优化了工件视差重建,达到了提高三维重建完整性的目的。