基于深度学习的水下钢结构锈蚀识别与评价

锈蚀是影响输水工程中水下钢结构能否稳定运行的重要因素．由于水下环境复杂,常规方法难以在通水情况下实现对水下钢结构锈蚀情况进行有效的检测与评价．本文基于深度学习,提出了一种利用水下机器人采集的视频图像,自动检测水下钢结构锈蚀并进行锈蚀等级评价的方法．首先,采用构建的卷积神经网络(CNN)模型对预处理后的水下钢结构锈蚀图像进行锈蚀识别;然后,利用颜色直方图对锈蚀区域进行语义分割,通过计算的锈蚀率来评价锈蚀等级．实例结果表明：水下钢结构锈蚀识别的准确率可达95.5%,实现了锈蚀程度评价．本文方法可为通水情况下输水工程水下钢结构的锈蚀快速识别及健康诊断提供新的途径．     

基于YOLOv5的光学遥感图像舰船目标检测算法

针对YOLO(you only look once)v5算法在应用于光学遥感图像舰船目标检测任务时所面临的小目标误检率、漏检率较高的情况,提出一种基于YOLOv5改进的光学遥感图像舰船目标检测方法。首先对路径聚合网络结构进行改进,设计语义信息增强模块提取更富语义信息的浅层特征,增强对小目标特征的表达能力;然后使用Swish函数作为激活函数,提高网络对数据非线性特征的表征能力,加快模型的收敛速度;最后针对舰船目标的尺寸特点优化检测端结构,移除大目标检测头以减少推理计算量。测试集上的实验表明,该方法相较改进前将检测精度提高了5.2%且推理时间有所减少,在保证检测实时性的同时增强了模型的小目标辨别能力。     

基于语义增强的多模态情感分析

多模态情感分析是自然语言处理领域的重要任务,模态融合是其核心问题。以往的研究没有区分各个模态在情感分析中的主次地位,没有考虑到不同模态之间的质量和性能差距,平等地对待各个模态。现有研究表明文本模态往往在情感分析中占据主导地位,但非文本模态包含识别正确情感必不可少的关键特征信息。因此,本文提出一种以文本模态为中心的模态融合策略,通过带有注意力机制的编解码器网络区分不同模态之间的共有语义和私有语义,利用非文本模态相对于文本模态的2种语义增强补充文本特征,实现多模态的联合鲁棒表示,并最终实现情感预测。在CMU-MOSI和CMU-MOSEI视频情感分析数据集上的实验显示,本方法的准确率分别达到87.3%和86.2%,优于许多现有的先进方法。     

基于上下文感知空间坐标嵌入的时空图卷积网络

针对空间复杂的非欧几里得结构,图卷积网络不易通过欧氏距离构造输入图的问题,提出了上下文感知空间坐标嵌入的时空图卷积网络(STE-STA)模型,将空间背景和相关性明确地结合到模型中,并基于地理空间辅助任务学习、语义空间嵌入和动态图的时空注意力识别手势。首先从手骨架构造一个完全连接图,通过学习地理坐标的上下文感知向量编码,以及自我注意机制对节点特征和边缘进行自动学习;然后,与主任务并行预测数据中的空间自相关。实验结果表明,在DHG-14/28数据集上,STE-STA模型识别率分别达到92.40%与87.85%,均高于目前最优模型;在SHREC′17数据集上,比时空图卷积网络(ST-GCN)分别高0.60%和0.10%。     

基于语义匹配的作战体系仿真想定生成方法

针对传统的想定建模方法耗时长、成本高的问题,为了实现作战体系概念模型数据到仿真想定的数据映射重用,提出一种基于语义匹配的作战体系仿真想定生成方法.首先,基于网络爬虫技术获取武器装备的参数信息,构建了作战领域知识库.在此基础上,提出了新型的混合式语义匹配方法以提供仿真想定的数据来源,根据自然语言数据库WordNet开展调...     

向量型二元语义密度集结算子及其应用

针对多属性决策问题,面向二元语义信息,以向量的形式对决策信息进行集成,提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先,对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍,并对其性质进行了分析.然后,基于信息分布的疏密程度讨论了向量型二元语义信息的分组问题,给出了一种基于向量相似度的聚类方法,在聚类组的基础上,通过最大化熵值法求解不同聚类组的密度权重.最后通过算例对向量型二元语义密度集结算子的应用进行了简要说明.     

少样本条件下的复杂叶片图像语义分割

针对少样本条件下复杂叶片分割精确度不高的问题,提出一种基于数据增强的图像语义分割方法.使用翻转、平移方法对训练集中的图像进行增强扩充,利用VGG19代替原SegNet语义分割模型的VGG16主干网络进行模型训练.实验结果表明,在包含180幅复杂背景叶片的图像数据集上,使用该方法的评价指数MPA和MIOU达到了98.02...     

基于语义相似度的数字文献推广信息智能检索算法

考虑到传统信息检索算法在检索数字文献推广信息时存在安全性差、检索效率低的问题,提出了基于语义相似度的数字文献推广信息智能检索算法。基于数字文献检索信息文档,计算了数字文献推广信息中检索词的相关度,根据语义相似度,计算数字文献推广信息的权重值,利用数字文献推广信息数据库的查询结果,结合李雅普诺夫定理,提取数字文献推广信息关键特征,根据采集原始数据集的时间,计算数字文献推广信息的平均检索概率,利用过滤器清理数字文献数据库的局部推广信息,采用全局过滤器,清洗数字文献数据库的推广信息,通过定义数字文献推广信息检索元素值,计算了关键词之间的语义相似度,结合数字文献推广信息检索算法设计,实现了数字文献推广信息的检索。实验结果表明,基于语义相似度的数字文献推广信息智能检索算法不仅可以提高数字文献推广信息的检索效率,还具有很高的安全性。