融合流注意力机制的中文摘要生成方法

针对现有文本摘要生成方法对源文全局语义信息提取不充分问题,提出了一种融合流注意力机制的并行编码器摘要生成算法模型.首先使用单颗粒的分词方法对源文进行分词;然后在编码阶段引入多头流注意力机制,从而更全面地提取源文的全局语义信息;其次运用并行编码器训练模型,使得输入序列中语义信息获得更大权重;最后将编码得到的全局语义信息送入到融合指针的解码器中,通过指针复制源文词汇,减少生成摘要中未登录词的出现,从而使得解码过程中生成的摘要更加全面准确地匹配源文语义.模型在CLTS和NLPCC两个数据集上进行实验,使用ROUGE-1、ROUGE-2和ROUGE-L作为评价指标.实验结果显示,与基准模型相比在CLTS数据集上分别有2.62%、1.44%和0.87%的提升,在NLPCC数据集上分别有2.82%、1.84%和1.64%的提升,表明所提算法模型在中文摘要生成任务上更加有效.

改进YOLOX-S实时多尺度交通标志检测算法

交通标志检测对于无人驾驶系统来说是一项具有挑战性的任务。针对交通标志检测过程中,目标小、受背景环境影响等难点,提出一种基于改进YOLOX-S的算法。设计ResNet50-vd-dcn替换原YOLOX-S中的CSPDarknet53主干网络,使用ResNet-D结合可变性卷积,减少了模型的计算量同时也保证了网络的学习能力。提出增强特征图模块,该模块利用特征图连接流和注意力机制流来减少特征图生成过程中的信息丢失,进而提高模型的表示能力。提出一种三通道加权双向特征金字塔网络替换原有特征金字塔结构,可以有效加强特征融合,提高多尺度目标识别能力。为增加模型对正样本的学习,在后处理阶段引入Focal Loss损失函数。实验结果表明,与原YOLOX-S算法相比,在TT100K数据集上小目标精度、小目标召回率以及mAP分别提升了2.8、4.1、2.1个百分点,同时检测速度快了2.3 FPS。在CCTSDB数据上mAP提升了1.1个百分点,检测速度为120 FPS,满足实时检测的要求。