基于关键信息增强的中文长文本摘要自动生成

现有的文本自动摘要方法在处理长文本过程中存在关键信息冗余、准确率低的问题。论文提出一种面向中文长文本的三阶段文本摘要算法,首先利用文本压缩算法对长文本进行固定范围的信息压缩,过滤与主题无关的冗余信息,然后结合预训练模型Bert学习句子深层语义特征,进一步提取主题信息丰富的关键句,最后使用融合指针机制的Seq2Seq模型对关键句进行生成式重写。通过基于真实大规模财经领域长文本数据上的实验,验证了该算法在中文长文本摘要上的有效性。

基于多聚合和多尺度的YOLOV5水下目标检测算法

针对海洋牧场对海参、海胆及扇贝等目标生物,检测实时性和准确性的更高要求,提出了一种基于多聚合和多尺度的YOLOV5水下目标检测算法。该算法引入CIoU Loss损失函数以及DIoU-NMS非极大值抑制方法,以改善数据密集场景下目标漏检的问题;在网络中增加小目标检测层,提升小目标的检测精度;引入了坐标注意力机制CoordAtt,提取不同层次特征图的坐标信息;改进了特征融合网络结构,以提升目标检测坐标定位准确性以及获取更丰富的特征信息。在实验分析中引入了目标检测常用的平均精度(AP)、平均精度均值(mAP)以及检测速度作为评估标准,通过消融实验,以及与其他一阶算法结果进行对比验证算法的性能,实验结果显示该算法取得了更好的检测效果。

基于生成式对抗网络和多级小波包卷积网络的水下图像增强算法

为了解决水下图像的雾模糊和偏色问题,针对水下图像成像模型提出基于生成式对抗网络(GAN)和改进卷积神经网络(CNN)的水下图像增强算法.利用生成式对抗网络合成水下图像,以对配对式水下图像数据集进行有效扩充.利用多级小波变换,以不丢失特征分辨率的方式对水下图像进行多尺度分解,然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取,并利用跳跃连接以防止梯度弥散,克服水下图像的雾模糊效应.利用风格代价函数学习彩色图像各通道间的相关性,提高模型的色彩校正能力,克服水下图像色彩失真的问题.实验结果表明,相较对比算法,在主观视觉和客观指标上,本研究所提算法拥有更优秀的综合性能及鲁棒性.