上下文信息

作品数：410被引量：1185H指数：12
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：李秉肇耿婷婷胡伟华权威张戬更多>>
相关机构：华为技术有限公司微软技术许可有限责任公司中兴通讯股份有限公司三星电子株式会社更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家高技术研究发展计划国家重点基础研究发展计划中央高校基本科研业务费专项资金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于上下文信息和MLE机制的视频异常检测算法
《现代电子技术》2025年第9期8-14,共7页焦雪 高立青 
国家自然科学基金项目(72004154)。
针对现有的视频异常检测方法缺乏对前景对象的自主选择性,使模型对背景等无关信息的敏感性增加,进而导致重构或预测误差与前景目标数量成正比,造成误报的问题,提出一种基于上下文信息和最大局部误差机制的视频异常检测算法。该算法设计...
关键词：异常检测 自监督预测卷积关注块 最大局部误差机制 自动编码器 深度学习 生成对抗网络 
GMFNet:全局多尺度和多级别的特征融合语义分割网络
《计算机应用与软件》2025年第4期311-318,334,共9页陈金令 赵成明 李洁 
成都市科技局创新创业资助项目(2018YF0500893GX)。
语义分割网络在编码器-解码器中融合高低水平特征存在以下问题:(1)在空间和通道中特征提取无法同步,导致特征组合无法获取全局上下文信息;(2)特征融合无法充分利用高低水平特征图像,导致语义边界模糊。设计全局空洞空间金字塔池化,该结...
关键词：语义分割 卷积神经网络 全局上下文信息 特征融合 编码器-解码器 
融合时间上下文信息的序列推荐系统框架
《小型微型计算机系统》2025年第4期796-802,共7页逯暄 昝晓亮 彭甫镕 颜无瑕 
国家自然科学基金面上项目(62276162)资助;山西省基础研究计划项目(202203021222016)资助;江苏省高等学校自然科学研究面上项目(19KJB520011)资助.
序列推荐相对于协同过滤方法在考虑用户行为顺序和个性化推荐等方面具有明显优势.然而现有的大多数序列推荐模型着重关注用户历史行为间的关系,忽略了用户兴趣随时间的演化特征,对此,本文提出了一种融合时间上下文信息的序列推荐通用学...
关键词：推荐系统 序列推荐 时间上下文信息 Tucker分解 分布漂移 
边缘-分割交叉引导的伪装目标检测网络
《计算机科学与探索》2025年第4期1001-1010,共10页陈鹏 李旭 向道岸 余肖生 
国家重点研发计划(2016YFC0802500)。
基于边缘感知的模型是伪装目标检测的主流方法之一,其核心是在早期阶段输出边缘预测,能更好地定位和分割伪装目标。而在伪装目标数据集中,由于伪装目标与背景环境有很高的视觉相似性,对早期的边缘预测质量要求很高,错误的前景预测会导...
关键词：伪装目标检测 上下文信息 交叉细化 边缘感知 
基于跨度和图卷积网络的篇章级事件抽取模型
《湖北民族大学学报(自然科学版)》2025年第1期108-113,共6页廖涛 牛冰宇 
国家自然科学基金项目(62076006);安徽省高校协同创新项目(GXXT-2021-008)。
为解决现有的事件抽取方法在实体抽取子任务中难以充分利用上下文信息,导致事件抽取精度较低的问题,提出了基于跨度和图卷积网络的篇章级事件抽取(document-level event extraction based on span and graph convolutional network, DEE...
关键词：事件抽取 跨度 实体抽取 异构图 图卷积网络 上下文信息 
融合多层特征与上下文信息的YOLO改进算法
《科学技术与工程》2025年第4期1555-1562,共8页费选 郭梦瑶 吴思佳 靳子泷 马丁 
国家自然科学基金青年科学基金(62006072);河南省重点研发与推广专项(科技攻关)项目(222102210108);粮食处理与控制教育部重点实验室开放课题(KFJJ2022013);河南工业大学创新基金支持计划专项资助(2022ZKCJ11);河南工业大学青年骨干教师培育计划。
遥感图像目标检测在军事侦察、智慧农业等领域意义重大,特别是小目标检测一直获得持续关注。然而,遥感图像中的小目标面临特征信息不足、检测难度大等问题,成为困扰遥感检测应用发展的最大障碍。为此,提出YOLO-HF(you only look once-hy...
关键词：遥感图像 目标检测 YOLOv7 多层特征 注意力机制 
融合上下文信息和注意力机制的图卷积网络推荐模型
《吉林大学学报(信息科学版)》2025年第1期107-115,共9页袁满 李嘉琪 袁靖舒 
黑龙江省哲学社会科学研究规划基金资助项目(19EDE334)。
由于传统推荐系统虽然采用了图结构信息,但大部分只考虑了用户和物品的基本属性,忽略了用户和物品的上下文交互信息这个重要因素,而即使考虑到了上下文交互信息,在层组合阶段也缺少注意力机制赋予权重。为此,提出了一个融合了上下文交...
关键词：注意力机制 推荐系统 二部图 图神经网络 
基于上下文信息的多尺度特征融合织物疵点检测算法
《计算机应用》2025年第2期640-646,共7页何秋润 胡节 彭博 李天源 
四川省重点研发项目(2023YFG0354);福建省运动鞋面料重点实验室开放基金资助项目(SSUM2201)。
针对纺织品疵点边缘特征弱以及极端长宽比导致检测困难的问题,提出基于YOLOv7的上下文信息多尺度特征融合织物疵点检测算法(CMFFD-YOLO)。首先,采用k均值聚类算法得到适应目标尺寸的更好锚框,并通过迁移学习引入主干权重;然后,重新设计...
关键词：织物疵点检测 小目标检测 YOLOv7 加强特征提取 特征融合 
融合级联Transformer和YOLOv8的膝关节多类别囊肿检测方法研究
《生物医学工程研究》2025年第1期58-66,共9页张丽媛 张驰 蒋振刚 唐雄风 
国家自然科学基金项目(U21A20390);吉林省教育厅项目(JJKH20240945KJ)。
针对膝关节囊肿磁共振(MR)影像中囊肿与关节内积液及其他组织特征相似性高,边界模糊的问题,本研究提出了一种膝关节囊肿病变检测模型YOLO-Cyst。首先,在骨干网络部分采用级联Vision Transformer模块获取长距离上下文信息,提高囊肿检测...
关键词：膝关节囊肿 目标检测 上下文信息 TRANSFORMER YOLOv8 
结合对抗训练增强和联合损失微调的脚本事件预测方法
《小型微型计算机系统》2025年第2期274-279,共6页刘玉婷 丁鲲 刘茗 王保卫 
中国博士后科学基金项目(2021MD703983)资助;国家自然科学基金面上项目(61972207)资助;国家自然科学基金-通用联合基金重点项目(U1836208)资助。
脚本事件预测旨在根据脚本中的历史事件预测最有可能发生的后续事件,这需要有充足的事件样本并拥有学习到更多的上下文信息的能力.以往的方法主要关注局部信息,因而对事件的表征不充分.该文提出了一种基于预训练和微调的方法,通过对抗...
关键词：脚本事件预测 上下文信息 对抗训练 联合损失微调 
全选清除导出
共41页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部