摘 要:针对单一模型在文本分类时难以捕捉丰富语义信息的问题,提出了一种基于双通道和注意力机制的多特征融合的文本情感分类模型(MFF-DCAM)。首先,利用BERT-WWM-EXT获取文本词向量;其次,分别使用多尺度卷积神经网络和双向长短期记忆网络提取局部特征和上下文特征;再次,拼接两个特征并使用注意力机制对该特征加权;然后,使用全局平均池化突出句子整体信息;最后,使用Softmax函数进行分类。实
摘 要:文档级事件抽取作为信息抽取领域的一项颇具挑战性任务,其关键在于如何精确识别并抽取文档中蕴含的多个事件信息。针对这一难题,提出了一种双阶段事件抽取方法。在事件类型检测阶段,将问题转化为基于对比学习的多标签分类任务,并通过创新性的事件子空间的动态负例选择策略,有效增强了不同类型事件之间的区分度。在事件论元抽取阶段,利用大模型进行多阶段推理,完成事件论元的识别。实验结果表明,所提方法F1值提升了
摘 要:为实现当归叶片病虫害检测需求,提出了一种基于改进Res2Net模型的当归叶片病虫害图像识别算法。首先,在骨干网络中引入CBAM(ConvolutionalBlockAttentionModule)卷积注意力机制;其次,调整残差块结构,优化数据归一化分布;最后,优化分类器结构,在全局平均池化层后增加全连接层,提高模型的表达能力。经验证:改进模型的准确率为98.52%,较原Res2Net模型提
摘 要:针对工业场景中钢材缺陷检测精度以及检测效率都很低的问题,提出了一种基于YOLOv8n改进的工业缺陷检测算法。改进算法通过在主干网络末端嵌入卷积注意力融合模块(CAFM),实现全局与局部特征的有效融合,增强网络捕捉缺陷细节特征的能力。设计基于小波变换卷积(WTConv)的C2fWT模块,以增强网络对缺陷目标的多尺度特征提取能力。提出Shape-IoU损失函数以更加关注缺陷目标的形状与尺寸因素
摘 要:针对手指V-Y皮瓣传统诊疗模式中皮瓣设计精度不足、术中血管损伤风险高、术后监测滞后及预后评估片面等问题,围绕计算机与AI技术的应用展开,旨在优化诊疗全流程。术前通过计算机三维重建与AI建模实现血管定位及皮瓣虚拟规划,将设计误差从15% 降至8%;术中依托AI导航与血流监测,使血管蒂损伤率降至8%,缺血预警灵敏度提升至85%;术后构建多模态AI预警体系,缩短血管危象发现时间至2h,干预成功率
摘 要:领域泛化旨在通过从源域学习可迁移的知识,在源域上训练后,再推广到未见过的目标领域也能良好运行。现有的对比领域泛化方法通过跨领域对齐同一类别的样本来追求领域不变特征,但忽略了类别之间的混淆。因此,学习到的模型可能缺乏区分性和鲁棒性,尤其是在领域之间存在显著差异时。为此提出了判别感知对比网络(DACA),通过增强类别和样本的区分性减少类别之间的混淆,同时保持跨领域的类内一致性。DACA在3个基
摘 要:为了在密集人群场景下提高检测精度,提出了一种基于YOLOv8改进的检测算法。首先,采用SENetV2作为主干网络,通过调整卷积网络的终端通道关系,以提升模型性能;其次,引入跨尺度特征融合模块CCFM(Cross-ScaleFeatureFusionModule),将不同尺度的特征进行有效融合,增强模型对尺度变化的适应能力及对小尺度对象的检测能力。使用DynamicHead检测头,增加自注意
摘 要:针对现有小目标检测中的模型过大导致实时工作能力不足的问题,提出一种基于多尺度特征结合的轻量化小目标检测算法GBF-YOLO(Global-localBiFPNFusionYOLO)。首先,引入改进高效多尺度卷积模块(EfficientMulti-ScaleConvolutionPlus,EMSCP),提取多尺度特征信息;其次,提出双向特征金字塔网络BiFPNGLSA并替换原颈部网络,减少位
摘 要:为解决钢材表面缺陷检测中漏检和误检问题,提出一种改进RT-DETR的钢材表面缺陷检测算法。首先,使用双域边缘增强模块DDEEM(DualDomainEdgeEnhancementModule)在时域和频域提取特征;其次,采用高效多尺度注意力机制(EfficientMulti-ScaleAttention)捕捉多尺度空间信息;最后,使用基于辅助边框的损失函数(Inner_IoU)更准确地评估
摘 要:在机器人识别并抓取物体中,视觉识别虽取得显著进展,但在视觉图像不足以区分物体时,识别准确率会受到影响。触觉数据能提供重要的互补信息,结合视觉与触觉数据能实现更全面的物体识别。为了有效融合视、触觉信息,提出了一种创新且经济的方法获取触觉数据,设计了多尺度融合机制以应对两种模态的差异。实验结果表明,该融合机制使物体分类准确率达到98%,较未融合网络提升1.73个百分点。结论表明视触融合模型可显
摘 要:传统闭环检测算法采用人工设计特征,准确性差且特征提取耗时,难以满足实时性需求。因此,提出了一种基于改进SuperPoint与多尺度描述符融合的视觉同时定位与建图SLAM(SimultaneousLocalizationAndMapping)闭环检测算法,旨在提高系统的准确性并满足实时性需求。该算法引入残差结构替代原卷积结构,同时融合了多尺度特征融合策略,最后通过LightGlue网络进行特
摘 要:很多抑郁症检测算法都是基于单模态特征来预测抑郁症,或使用了多模态方法,但特征融合方法有待优化。因此,提出一种新的多模态特征融合方法,从视觉模态和语音模态预测贝克抑郁量表(BDI-Ⅱ)得分,双模态融合后的网络平均绝对误差(MAE)和均方根误差(RMSE)分别为5.83和6.92。在特征融合方面,引入多尺度通道注意力机制模块与特征简单拼接(SimpleConcatenation)和加权融合(W
摘 要:针对分数阶导数α 相同,但状态变量的分量对应的分数阶导数αi,i∈{1,2,…,n}不同的一类不相称分数阶多智能体系统在有向图中的领导跟随一致性问题,提出了一种新的控制方法,通过将一致性问题转化为不相称分数阶系统的稳定性问题。基于李雅普诺夫稳定性理论,提出了线性矩阵不等式条件来确定控制器增益与基于观测器的控制器增益,并证明了新方法的领导跟随一致性。由数值仿真结果可知,仿真系统仅需约25s即
摘 要:在持续集成环境下,针对大多数测试用例的优先排序方法难以有效选择和利用历史信息的问题,提出了一种基于历史信息的自适应动态划分机制(ADPM)。首先,该机制为测试用例分配若干动态信息块,并根据测试用例潜在失效影响动态划分历史信息,实现测试用例潜在失效能力的度量,并以此生成历史信息动态特征;其次,结合轻量级深度学习框架预测测试用例优先级,调整测试用例执行顺序。为验证ADPM 方法的有效性,在3个
摘 要:为提高脉络膜分割算法对多尺度特征的提取和特征融合问题,提出了一种基于多尺度特征提取和自适应特征融合的OCT图像脉络膜分割方法。首先,通过多分支结构和异构卷积策略构建特征提取模块,提高网络对局部特征和全局特征的提取能力;其次,采用空间注意力机制重构跳跃连接,将不同的权重应用于不同级别的特征,强化对提取特征的区分能力。实验结果表明,所提方法在分割精度、灵敏度、MIoU和Dice系数分别达到了9