检索结果

Select

1. 融合卷积注意力机制的图像描述生成模型

黄友文, 游亚东, 赵朋

计算机应用 2020, 40 (1): 23-27. DOI: 10.11772/j.issn.1001-9081.2019050943

摘要（422）

PDF （810KB）（514）

图像描述模型需要提取出图像中的特征，然后通过自然语言处理（NLP）技术将特征用语句表达出来。现有的基于卷积神经网络（CNN）和循环神经网络（RNN）搭建的图像描述模型在提取图像关键信息时精度不高且训练速度缓慢。针对这个问题，提出了一种基于卷积注意力机制和长短期记忆（LSTM）网络的图像描述生成模型。采用Inception-ResNet-V2作为特征提取网络，在注意力机制中引入全卷积操作替代传统的全连接操作，减少了模型参数的数量。将图像特征与文本特征有效融合后送入LSTM单元中完成训练，最终产生描述图像内容的语义信息。模型采用MSCOCO数据集进行训练，使用多种评价指标（BLEU-1、BLEU-4、METEOR、CIDEr等）对模型进行验证。实验结果表明，提出的模型能够对图像内容进行准确描述，在多种评价指标上均优于基于传统注意力机制的方法。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于核技巧和超图正则的稀疏非负矩阵分解

余江兰, 李向利, 赵朋飞

计算机应用 2019, 39 (3): 742-749. DOI: 10.11772/j.issn.1001-9081.2018071617

摘要（418）

PDF （1229KB）（316）

针对传统的非负矩阵分解（NMF）应用于聚类时，没有同时考虑到鲁棒性和稀疏性，导致聚类性能较低的问题，提出了基于核技巧和超图正则的稀疏非负矩阵分解算法（KHGNMF）。首先，在继承核技巧的良好性能的基础上，用 L _2，1范数改进标准非负矩阵分解中的F范数，并添加超图正则项以尽可能多地保留原始数据间的内在几何结构信息；其次，引入 L _2，1/2伪范数和 L _1/2正则项作为稀疏约束合并到NMF模型中；最后，提出新算法并将新算法应用于图像聚类。在6个标准的数据集上进行验证，实验结果表明，相对于非线性正交图正则非负矩阵分解方法，KHGNMF使聚类性能（精度和归一化互信息）成功地提升了39%~54%，有效地改善和提高了算法的稀疏性和鲁棒性，聚类效果更好。

参考文献 | 相关文章 | 多维度评价

Select

3. NDBC 39: 基于遗传算法的消防站选址规划模型

郭静文赵朋朋倪佳成

计算机应用 DOI: 10.11772/j.issn.1001-9081.2019091675
录用日期: 2019-10-08