多区域注意力的细粒度图像分类网络

目前细粒度图像分类的难点在于如何精准定位图像中高度可辨的局部区域以及其他辅助判别特征。提出一种多区域注意力的细粒度图像分类网络来解决这个问题。首先使用Inception-V3对图像特征进行提取,通过重复使用注意力擦除的方法使模型关注次要特征;然后通过背景去除以及上采样的方法获取图像更精准的局部图像,对提取到的局部特征进行位置统计,并以矩形框的方式获取图像整体,减少细节信息丢失;最后对局部与整体图像进行更加细致的学习。此外,设计联合损失函数,通过动态平衡难易样本和缩小类内差距的方法改善模型的识别效果。实验结果表明,该方法在公开的细粒度图像数据集CUB-200-2011、Stanford-Cars和FGVC-Aircraft上的准确率分别达到89.2%、94.8%、94.0%,相较于对比方法性能更优。

基于深度主动学习与CBAM的细粒度菊花表型识别

针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先,通过主动学习策略基于最优标号和次优标号法(Best vs second-best,BvSB)在未标记菊花样本中选取信息量较大的样本进行标记,并将标记后的样本放入训练样本中;其次,使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本,引入混合注意力机制模块CBAM,使模型能够更为准确地提取细粒度图像中的高层语义信息;最后,用更新后的训练样本继续训练分类模型,直到模型达到迭代次数后停止。实验结果表明,该方法在少量菊花标记样本下,精确率、召回率和F1值分别达到93.66%、93.15%和93.41%。本文方法可为标号数据不足情况下的菊花等花卉智能化识别提供技术支撑。

基于多尺度特征深度神经网络的不同产地山楂细粒度图像识别

中药是中医治疗疾病的主要途径,也是我国中医药事业传承与创新发展的物质基础,其真伪优劣也会直接影响中医临床的疗效,因此研究科学合理且高效的中药材质量检测方法符合当前行业热点.山楂作为中国著名的药食两用类药材,在烹饪和治疗中具有保护心血管、降低血压的作用,被广泛应用;但由于自然环境与栽培条件的不同,不同产地的山楂易被混淆从而对品质产生影响.尽管化学、生物鉴定的方法广泛而重要,但专业门槛高,耗时较长;且传统图像处理方法容易受外在环境因素干扰,可靠性差.因此亟待研究快速准确的方法以实现山楂产地的精准鉴别;受CoAtNet与Swin-Transformer网络启发,本文结合MBConv模块中深度可分离卷积网络对局部信息建模的特点与Swin Transformer模块多层次结构可弥补网络非局部性损失的特性,提出一种多尺度特征的混合神经网络模型,通过获取图像不同层级特征,将获取的形状、颜色与纹理等浅层特征作为先验知识与高层级语义信息进行特征融合,研究了一种快速有效的识别方法以实现对不同产地山楂的有效鉴别;此外,本文提出一种新的局部空间注意力机制,通过形成通道注意力模块联合空间注意力模块的新结构,实现对图像细粒度特征的聚焦与学习.实验结果表明,本文所提出的方法有最高的鉴别准确率为89.306%,优于其他基线模型.实践证明,本文的研究提高中药材鉴别的科技水平,拓宽传统中医药的研究思路.

基于细粒度特征的面料图像检索

面料图像检索对于纺织工厂面料库存和样品管理意义重大,但面料外观的多样性以及织物纹理的精细性,使得在面料检索时面料的特征提取较困难。该研究提出一种基于细粒度特征的面料图像检索算法。该算法使用坐标注意(coordinate attention,CA)模块来提取图像的精准位置信息,并将缩放系数法用于在宽度和高度方面整体缩放MobileNetV3的网络结构以减少模型参数数量,达到减少网络训练时间的目的。据此筛选出提取面料图像细粒度特征的最佳模型,在面料图像数据集(fabric image dataset,FID)上进行面料检索实验。结果表明,该算法有效提高了面料图像细粒度特征提取的准确性,检索精度达到91.82%,浮点运算数达到175.34 MB。检索精度比MobileNetV3原模型提高了13.49个百分点,同时减少了网络训练时间,速度提高了25.14%。该算法具有实际应用价值。

基于渐进式生成对抗网络的农作物病虫害细粒度分类

随着深度学习应用的普及和飞速发展,基于深度学习的图像识别方法广泛应用于农作物病虫害领域,但大部分的神经网络重视识别准确率的提高,却忽略神经网络庞大的参数计算量。为解决这个问题,基于渐进式生成对抗网络判别器模型和卷积注意力模块,提出一种改进的渐进式生成对抗网络判别器CPDM网络模型对农作物病虫害进行识别。通过对渐进式生成对抗网络判别器网络结构的调整,采用均衡学习率、像素级特征向量归一化和卷积注意力模块增强CPDM网络模型的特征提取能力,提高对真实图片的识别准确率。试验在PlantVillage数据集上进行,将该模型与VGG16、VGG19和ResNet18进行比较,得到TOP-1准确率分别为99.06%、96.50%、96.65%、98.86%,分别提高2.56%、2.41%、0.2%,且参数量仅为8.2 M。试验证明提出的CPDM网络模型满足在保证分类准确率的基础上,有效控制神经网络参数计算量的目的。

基于细粒度知识图谱的科技文献主题发现与热点分析

[目的/意义]利用知识图谱进行细粒度的知识组织并识别科技文献的热点主题,有助于科研工作者把握领域的研究现状和学科前沿,进而为科研资源优化配置提供有力支持。[方法/过程]提出一套基于知识图谱的主题发现和热点分析方法。首先,识别科技文献中的知识元,再抽取知识元中的语义实体进行主题发现;其次,构建“文献—知识元—主题”知识图谱,通过知识图谱中的共现关系网络识别领域的研究热点;最后,以农学领域的中文学术论文为实验数据,进行实证研究。[结果/结论]所构建的细粒度知识图谱不仅能够揭示科学知识与主题的潜在关联,而且能够实现科技文献主题的热点分析。

石羊河尾闾青土湖表层土壤粒度空间分布特征

[目的]揭示石羊河尾闾青土湖土壤粒度空间分布特征,为该区域生态恢复提供理论依据。[方法]以湖区为中心分别在西北、正东、东南方向上布设样线并采集0—20 cm深度土壤样品,对比分析了青土湖周边不同区域沙物质粒配组成、粒配曲线等参数特征。[结果](1)青土湖表层土壤粒度组成以细砂为主(26.26%~84.97%),其中西北方向上表层土壤粒度以细砂为主(26.26%~66.62%),其次是粉粒(4.23%~46.35%);正东、东南方向上表层土壤粒度组成以细砂为主(43.41%~86.30%),其次是极细砂(1.86%~29.60%)。不同样线同粒级间含量存在差异。(2)研究区表层土壤颗粒总体较粗,分选较差,偏度为正偏度,峰度属尖窄。粒度参数的空间分布表现为:西北方向表层土壤平均粒径较其他方向偏细,分选性较差,偏度也更为正偏,峰值小于正东方向。正东、东南方向表层土壤平均粒径较为一致,明显偏粗,分选性分别属中等、较好,均为近于对称,峰度为尖窄、中等。(3)西北方向土壤粒度频率平均值分布曲线表现为双峰型,正东、东南方向为单峰型。粒度累计分布曲线反映出,东南方向风沙活动较正东、西北方向频繁、强烈。(4)通过沉积环境判别得出西北方向主要是湖相沉积,正东、东南主要是风成沉积。[结论]成土过程和干旱多风的环境条件影响青土湖土壤的基本特性,而通过生态输水形成水面改善了该区的土壤环境。

分布式数据库隐私数据细粒度安全访问控制研究

为控制隐私数据的细粒度安全访问行为,提出分布式数据库隐私数据细粒度安全访问控制。通过分布式数据库空间划分,过滤隐私数据,利用分区方程,分解数据库空间内隐私数据,将隐私数据反应函数的构建过程定义为对分布式数据库中隐私数据挖掘的博弈过程,获取博弈因子,将细粒度划分问题转化为隐私数据在最小二乘准则下的规划问题,划分隐私数据的细粒度。利用加密算法,对隐私数据加密,依据密钥分发算法为用户分发密钥,通过密钥转换,将加密后的隐私数据上传到分布式数据库,利用数据库验证用户的令牌是否包含隐私数据的信息,建立令牌请求机制,实现隐私数据的细粒度安全访问控制。实验结果表明,经过文中方法控制后,分布式数据库的响应性能有所提高,在保证正确性的同时,还可以提高对恶意访问行为的控制能力,具有较高的实际应用价值。

杭州湾北岸现代潮滩沉积物粒度特征及其对古海平面的指示意义

对杭州湾北岸3处现代潮滩沉积物进行高精度粒度分析,查找研究区潮滩不同微相的粒度特征和差异,提取基于粒度分析的潮滩微相识别敏感指标,并将其应用到该区域的全新世钻孔潮滩沉积物中,识别钻孔潮滩沉积微相,据此建立研究区全新世早期的海平面曲线。研究表明:杭州湾北岸现代高潮滩盐沼沉积物粘土含量明显高于高潮滩下部和中潮滩,而砂含量与之相反;高潮滩盐沼平均粒径等粒度参数明显小于中、高潮滩的粒度参数;盐沼沉积物粒度频率曲线峰态宽缓,明显区别于高潮滩下部和中潮滩。上述现代潮滩微相粒度敏感指标可成功应用到钻孔潮滩沉积微相划分中,并建立了该区域全新世早期海平面曲线。曲线显示,9700~8700 cal a BP期间海平面上升约11.6 m,海平面上升速率可达1.2 cm/a。现代潮滩不同位置沉积物粒度参数的规律性差异可作为潮滩微相识别的有效指标,为古潮滩沉积微相识别和古海平面重建提供参考依据。

基于多粒度时间卷积网络的超短期风功率预测

针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并设计多粒度特征融合模块来增强模型的鲁棒性,提高风功率预测精度。首先,利用随机森林算法(RF)得到与输出功率相关性较强的部分特征数据;然后,对筛选后的特征数据进行多粒度划分,通过时间卷积网络(TCN)提取各个粒度的独立特征。最后,使用挤压激励网络(SENet)对不同粒度特征进行自适应加权融合,得到最终预测值。采用中国某风场数据进行算例分析,结果表明相较于其他方法,所提方法在24步预测任务和6步预测任务上取得了最佳的预测性能,具有较高的准确性和稳定性。在24步预测任务上归一化均方根误差、归一化平均绝对值误差和决定系数指标分别为0.152、0.108和0.7214,在6步预测任务上各指标分别为0.1027,0.0683和0.8717。

双注意力随机选择全局上下文细粒度识别网络

针对细粒度图像识别任务中易忽视微小潜在性特征且外观差异细微等问题,提出一种基于双注意力随机选择全局上下文细粒度识别网络。首先,使用ConvNeXt作为主干网络,提出双注意力随机选择模块,对不同阶段提取到的特征进行通道随机选择和空间随机选择,使网络能够关注到其他潜在微小判别性特征;其次,利用全局上下文注意力模块将深层特征的语义信息融合到中间层,增强中间层定位微小特征的能力;最后,提出一种多分支损失,对中间层、深层和拼接层特征引入分类损失,结合不同分支提取到的特征,诱导网络获得多样性的判别特征。所提网络在Stanford-cars、CUB-200-2011、FGVC-Aircraft 3个公开细粒度数据集和真实场景下车型数据集VMRURS上分别达到了95.2%、92.1%、94.0%和97.0%的识别准确率,其性能相比其他对比方法有较大幅度提升。

结合剂比例和cBN粒度配比对PcBN复合材料微观结构和性能的影响

在高温高压条件下制备了聚晶立方氮化硼(PcBN)复合材料。采用X射线衍射(XRD)、扫描电子显微镜(SEM)、能谱仪(EDS)等研究了结合剂配比和立方氮化硼(cBN)粒度对PcBN复合材料的成分、微观结构、显微硬度和磨耗比的影响。实验结果表明:在压力5.5 GPa,温度1400℃,保温10 min的烧结条件下,当V(TiN_(0.3))∶V(AlN)=70∶30时,PcBN复合材料性能较为优异,硬度最高达到22.7 GPa,磨耗比达到149.2;当PcBN复合材料中cBN粒度组合为V(0.5~1μm)∶V(2~5μm)∶V(5~10μm)=3∶5∶2时,颗粒之间的堆积密度达到最高,性能也达到最优。

高炉风口区内焦炭的粒度分布与微观研究

文章针对焦炭劣化问题展开深入研究,旨在解析高炉内焦炭的微观结构变化及其对焦炭质量的影响。采用离线风口取样技术,获取不同粒度的焦炭样品。通过工业分析、X—射线衍射仪、扫描式电子显微镜等检测手段,系统地研究了焦炭的微观结构与矿物特性。研究结果表明,焦炭进入高炉后粒度减小会降低焦炭床透气透液性;随着<10 mm的焦炭占比减小,焦炭样品中的渣铁比例降低;与入炉焦炭相比,风口焦炭的灰分中SiO_(2)和Al_(2)O_(3)含量减少,CaO和碱金属含量增加。为了保护焦炭,建议减少高炉引入的CaO和碱金属;风口焦炭内部有铁氧化物,表明高炉内铁水侵蚀也是高炉内焦炭劣化的因素之一。

长江武汉段天兴洲低滩沉积物粒度端元对河流-风成沙丘沉积环境的指示意义

河床沙波向风成沙丘演变的过程具有特殊的沉积动力机制。笔者等以68份长江武汉段天兴洲洲头低滩沉积物的粒度分布数据为例,利用端元分析方法从每个粒度分布中分离提取4个粒度端元组分(EM1、EM2、EM3和EM4),探讨了河流—风成沙丘不同沉积环境中粒度端元的异同。研究结果表明:EM1和EM3组分在粒度分布中占比与沉积物粒度中值分别呈较好的线性正相关和负相关;河流沉积物主要由EM1、EM2和EM3组成的跳跃方式搬运,对应滚动次总体的EM4组分占比5%~10%,少悬浮搬运;风成沙纹沉积物主要包括两段跳跃次总体,以EM2组分为主、EM1和EM3组分为辅,少EM4组分;沙丘背风面沉积物主要靠颗粒流顺坡滑塌,以EM2组分为主、EM1和EM3组分为辅,含占比约为5%的EM4组分;未被风成沙纹覆盖的沙丘波谷沉积物记录了河流和小型滞水洼地的沉积特征,代表滚动次总体的EM4组分占比7%~15%,悬浮次总体占比可达20%。本文提取的沉积物粒度端元为弱风环境中河道内局部小型河流—风成沙丘的沉积环境和演化过程研究提供了参考。

高纯三氧化钼粒度对粉末冶金钼板工艺特性与力学性能影响

粉末冶金轧制制板工艺中,原始粉末颗粒对还原、烧结和轧板工艺特性以及钼板力学性能有着非常重要的影响。采用3种不同粒度高纯MoO_(3)进行还原、烧结和轧制制备0.5 mm厚的钼板试验,研究了3种不同粒度原始粉末颗粒对MoO_(2)、钼粉以及钼板制备工艺性能和终板力学性能的影响。结果表明:经一段还原制备的3种MoO_(2)还原程度及微观形貌差异较大;二段不同还原工艺制备的钼粉指标也不同,大粒度钼粉的D50、D90/D50值都比小粒度钼粉的低,且团聚少,均匀分散;相同烧结、轧制工艺条件下,大粒度三氧化钼经还原、烧结制成的钼板坯性能较好;小粒度三氧化钼经950℃还原及后续加工制成的0.5 mm钼板力学性能较好。

基于细粒度原型网络的小样本命名实体识别方法

原型网络直接应用于小样本命名实体识别(few-shot named entity recognition,FEW-NER)时存在以下问题:非实体之间不具有较强的语义关系,对实体和非实体都采用相同的方式构造原型将会造成非实体原型不能准确表示非实体的语义特征;仅使用平均实体向量表示作为原型的计算方式将难以捕捉语义特征相差较大的同类实体.针对上述问题,提出基于细粒度原型网络的小样本命名实体识别(FEW-NER based on fine-grained prototypical networks,FNFP)方法,有助于提高小样本命名实体识别的标注效果.首先,为不同的查询集样本构造不同的非实体原型,捕捉句子中关键的非实体语义特征,得到更为细粒度的原型,提升模型对非实体的识别效果;然后,设计一个不一致性度量模块以衡量同类实体之间的不一致性,对实体与非实体采用不同的度量函数,从而减小同类样本之间的特征表示,提升原型的特征表示能力;最后,引入维特比解码器捕捉标签转换关系,优化最终的标注序列.实验结果表明,采用基于细粒度原型网络的小样本命名实体识别方法,在大规模小样本命名实体识别数据集FEW-NERD上,较基线方法获得提升;同时在跨领域数据集上验证所提方法在不同领域场景下的泛化能力.

融合领域要素知识的多粒度法律文本匹配方法

法律文本匹配的目标是快速提炼对比要素信息并发现关联案件,保障法律适用的统一性同案同判.现有方法未能充分利用特定类型案件的先验知识,其核心要素提取准确率低,仅进行词向量的权重计算,忽略字义、句义、句法的向量信息,影响匹配效果.提出一种融合领域要素知识的多粒度法律文本匹配方法,通过建立特定案件类型领域知识库准确提取法律要素,引入字、词、句3个粒度的注意力机制计算不同文本向量的权重提升匹配模型效果.实验结果表明,该方法在公开数据集上可达到最好效果.

基于细粒度识别的即插性多粒度特征融合算法

为丰富卷积神经网络下细粒度图像特征的表征信息,进一步扩大类间差异缩小类内差异,提出一种基于多种粒度图像训练的特征融合方式,挖掘图像的细化特征。通过逐渐改变输入图像的粒度值,构造一个包含多种粒度信息的网络模型;提取多粒度多尺度图像特征,与原始特征进行融合,完成最终的分类预测。无需引入其它辅助网络,在没有显著增加模型参数的情况下,融合不同粒度特征。实验结果表明,其分类准确度高于只包含单一粒度图像的训练结果,验证了该方法能有效丰富特征信息。

时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型

针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度视频数据的空间表征能力,模型使用多尺度“特征压缩、特征激发”方式,使网络所提取空间特征更加丰富有效。然后,为充分利用细粒度视频数据时间维度上的运动信息,本文引入时间窗口自注意力机制,利用自注意力机制强大的远程依赖建模能力同时只在时间维度上进行自注意力操作,以较低计算成本建模远程时间依赖关系。最后,考虑到所提取时空特征对不同类型动作分类的贡献不均等,本文引入自适应特征融合模块,为特征动态赋予不同权重实现自适应特征融合。模型在2个细粒度动作识别数据集Diving48和Something-somethingV1上识别准确率分别达到86.0%和46.9%,分别使原始主干网络识别准确率提升3.8%和1.3%。实验结果表明,在只使用视频帧信息作为输入的情况下,本模型达到与现有基于Transformer和三维卷积神经网络(3D CNN)算法相当的识别准确率。

面向买卖合同的词汇增强细粒度实体识别

对于合同文本中当事人信息、合同基本信息、合同条款等细粒度实体的正确提取,可以有效提升合同的审查效率,为智能合同管理赋能。然而现有的实体识别方法,难以解决合同文本中实体类型复杂和合同实体细化的问题。因此,该文提出一种新的基于词汇增强的细粒度实体识别模型BLBC-CFER,该方法通过对预训练语言模型提供的字级增强、字加词嵌入提供的词级增强以及词汇集合结构提供的词级增强进行融合并嵌入到模型输入中,然后采用深度神经网络获取最优标记序列。该文在自行构建的买卖合同细粒度实体语料集和两个不同领域的公开数据集上进行实验。实验结果表明,该方法不仅可以有效地完成合同文本的细粒度实体识别任务,而且具有较好的鲁棒性,效果优于基线模型。