期刊导航
期刊开放获取
河南省图书馆
退出
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ASPP-SCBAM-DenseUnet的高分遥感影像水体提取研究
1
作者
谢育珽
刘萍
+4 位作者
申文明
高宇
郝戍峰
韩昕
李宇昂
《航天返回与遥感》
CSCD
北大核心
2024年第3期92-106,共15页
针对遥感影像水体提取研究存在细小水体和水体边缘等细节信息关注不足的情况,以及水体连通性较差的问题,文章提出基于改进的空洞空间金字塔池化和随机双注意力机制的密集连接U型网络(ASPP-SCBAM-DenseUnet)。文章首先利用Dense Block块...
针对遥感影像水体提取研究存在细小水体和水体边缘等细节信息关注不足的情况,以及水体连通性较差的问题,文章提出基于改进的空洞空间金字塔池化和随机双注意力机制的密集连接U型网络(ASPP-SCBAM-DenseUnet)。文章首先利用Dense Block块组成Unet的编码器和解码器部分,并引入SCBAM注意力机制,减少噪声干扰,提高水体边界分割的准确性;其次,添加ASPP_SCBAM模块,设置不同的空洞率、扩大感受野,结合小型水体的浅层和深层特征,补偿采样过程造成的特征损失;最后,通过结合Dice系数和像素级二元交叉熵的联合损失函数来训练网络,有效地处理因小水体造成的不平衡数据集,这样不仅确保了分割的精度,还能够产生更加平滑和连续的分割边界,从而防止模型出现过拟合或者过度细化的现象。实验结果表明,ASPP-SCBAM-DenseUnet网络模型提取水体的像素准确率、召回率和F1分数分别为94.19%、94.29%和95.15%,加权交并比和均交并比分别为89.02%、88.63%,明显优于Unet、Linknet等语义分割网络,同时,减少了水体误分类和遗漏,优化了水体边缘细节,提高了对细小水体的识别和水体连通性。
展开更多
关键词
密集连接块
注意力机制
语义分割
卫星遥感影像
水体提取
下载PDF
职称材料
基于听说知识融合网络的多模态对话情绪识别
2
作者
刘琴
谢珺
+2 位作者
胡勇
郝戍峰
郝雅卉
《控制与决策》
EI
CSCD
北大核心
2024年第6期2031-2040,共10页
多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的...
多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的捕捉.为解决该问题,提出一种基于听说知识融合网络的多模态对话情绪识别模型(LSKFN),引入与倾听者和说话者相关的外部常识知识,实现多模态上下文信息和知识信息的有机融合.LSKFN包含多模态上下文感知、听说知识融合、情绪信息汇总和情绪决策4个阶段,分别用于提取多模态上下文特征、融入听说知识特征、消除冗余特征和预测情绪分布.在两个公开数据集上的实验结果表明,与其他基准模型相比,LSKFN能够为目标话语提取到更加丰富的情绪特征,并且获得较好的对话情绪识别效果.
展开更多
关键词
情感计算
对话情绪识别
多模态特征
外部常识知识
上下文语义
知识特征融合
原文传递
题名
基于ASPP-SCBAM-DenseUnet的高分遥感影像水体提取研究
1
作者
谢育珽
刘萍
申文明
高宇
郝戍峰
韩昕
李宇昂
机构
太原理工大学计算机科学与技术学院(大数据学院)
生态环境部卫生环境应用中心
太原理工大学软件学院
出处
《航天返回与遥感》
CSCD
北大核心
2024年第3期92-106,共15页
基金
山西省重点研发计划项目(202202020101007)
山西省青年科学研究项目(20210302124168)
山西省回国留学人员科研教研资助项目(2024061)。
文摘
针对遥感影像水体提取研究存在细小水体和水体边缘等细节信息关注不足的情况,以及水体连通性较差的问题,文章提出基于改进的空洞空间金字塔池化和随机双注意力机制的密集连接U型网络(ASPP-SCBAM-DenseUnet)。文章首先利用Dense Block块组成Unet的编码器和解码器部分,并引入SCBAM注意力机制,减少噪声干扰,提高水体边界分割的准确性;其次,添加ASPP_SCBAM模块,设置不同的空洞率、扩大感受野,结合小型水体的浅层和深层特征,补偿采样过程造成的特征损失;最后,通过结合Dice系数和像素级二元交叉熵的联合损失函数来训练网络,有效地处理因小水体造成的不平衡数据集,这样不仅确保了分割的精度,还能够产生更加平滑和连续的分割边界,从而防止模型出现过拟合或者过度细化的现象。实验结果表明,ASPP-SCBAM-DenseUnet网络模型提取水体的像素准确率、召回率和F1分数分别为94.19%、94.29%和95.15%,加权交并比和均交并比分别为89.02%、88.63%,明显优于Unet、Linknet等语义分割网络,同时,减少了水体误分类和遗漏,优化了水体边缘细节,提高了对细小水体的识别和水体连通性。
关键词
密集连接块
注意力机制
语义分割
卫星遥感影像
水体提取
Keywords
Dense Block
attention mechanism
semantic segmentation
satellite remote sensing image
water extraction
分类号
TP75 [自动化与计算机技术—检测技术与自动化装置]
V19 [航空宇航科学与技术—人机与环境工程]
下载PDF
职称材料
题名
基于听说知识融合网络的多模态对话情绪识别
2
作者
刘琴
谢珺
胡勇
郝戍峰
郝雅卉
机构
太原理工大学信息与计算机学院
北京航空航天大学新媒体艺术与设计学院
太原理工大学大数据学院
出处
《控制与决策》
EI
CSCD
北大核心
2024年第6期2031-2040,共10页
基金
虚拟现实技术与系统国家重点实验室(北京航空航天大学)开放课题基金项目(VRLAB2022C11)
山西省基础研究计划青年科学研究项目(20210302124168)
+1 种基金
山西省留学人员科技活动择优资助项目(20220009)
山西省重点研发计划项目(202102020101004)。
文摘
多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的捕捉.为解决该问题,提出一种基于听说知识融合网络的多模态对话情绪识别模型(LSKFN),引入与倾听者和说话者相关的外部常识知识,实现多模态上下文信息和知识信息的有机融合.LSKFN包含多模态上下文感知、听说知识融合、情绪信息汇总和情绪决策4个阶段,分别用于提取多模态上下文特征、融入听说知识特征、消除冗余特征和预测情绪分布.在两个公开数据集上的实验结果表明,与其他基准模型相比,LSKFN能够为目标话语提取到更加丰富的情绪特征,并且获得较好的对话情绪识别效果.
关键词
情感计算
对话情绪识别
多模态特征
外部常识知识
上下文语义
知识特征融合
Keywords
effective computing
emotion recognition in conversation
multi-modal features
external common sense knowledge
context semantics
knowledge feature fusion
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于ASPP-SCBAM-DenseUnet的高分遥感影像水体提取研究
谢育珽
刘萍
申文明
高宇
郝戍峰
韩昕
李宇昂
《航天返回与遥感》
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于听说知识融合网络的多模态对话情绪识别
刘琴
谢珺
胡勇
郝戍峰
郝雅卉
《控制与决策》
EI
CSCD
北大核心
2024
0
原文传递
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