1301.
1302.
视频在人们日常生活中扮演着重要角色,面对爆炸式增长的视频数据,视频文本检索为用户提供便捷的方式检索感兴趣的信息。视频文本检索旨在利用用户输入的文本或视频查询,在视频或文本库中检索出与输入内容最相关的视频或文本。对基于联合嵌入空间的视频文本检索工作进行系统梳理和综述,以便认识和理解… … 相似文献
董闯;栗伟;巴聪;覃文军 《中国图象图形学报》2025,30(5):1220-1237
1303.
为解决视听语音增强中特征提取受限、模态间的特征融合度低等问题,提出一种在低信噪比下的多级特征深度融合的视听语音增强方法。该方法采用视、听编码网络-视听融合网络-听觉解码网络的结构,在听觉编码网络中设计一种多路协作单元（MCU）;在每层的视觉和听觉编码网络间设计一种视听注意力融合模… … 相似文献
张天骐;沈夕文;唐娟;谭霜 《通信学报》2025,46(5):133-144
1304.
为解决移动边缘计算中终端用户频繁移动导致服务难以连续的问题,提出结合云边加速比和边缘效益指数（EGI）的微服务选择与部署策略。首先,建立了基于容器与工作流的微服务选择架构,提出了融合服务质量评价指标的迁移负载优化模型。其次,设计了基于EGI的微服务部署算法,实现低时延、高命中率的… … 相似文献
赵庶旭;蒋恺俊;王小龙 《通信学报》2025,46(5):200-217
1305.
1306.
1307.
基于方面类别的情感分析（ACSA）旨在辨别评论文本中的方面类别;并同时预测它们的情感极性;是情感分析领域重要的细粒度子任务。近年来;基于预训练语言模型的微调（Fine-tuning）方法已经为方面类别情感分析提供了有效的解决思路。然而;由于预训练任务和下游情感分类任务目标不一致;… … 相似文献
刘锦行;李琳;吴任伟;刘佳 《计算机科学与探索》2025,19(5):1334-1341
1308.
在多标签零样本学习中,防止模型对可见类别过拟合,提升对不可见类的泛化识别能力是一个显著的挑战.受集成学习具有良好泛化性的启发,本文提出了一种知识迁移集成分类头方法.该方法将单次训练过程分为多个周期,使识别特定类别的共享知识从标准图像分类头的特征空间中解耦并分配至多个分类头中,而标… … 相似文献
王广晨;王宵;马忠臣;詹永照 《小型微型计算机系统》2025,46(5):1097-1104
1309.
1310.
1311.
1312.
亚像素位移测量算法常见的有曲面拟合法、梯度法和插值法等,论文介绍了一种基于支持向量机（SVM）模型的亚像素位移测量方法,提出一种用于计算物体移动前后两幅图像的相关值来表征亚像素位移的梯度加权求和法.利用计算机模拟生成一系列以0.001pixel步调的图像,其中70%作为训练集,3… … 相似文献
沈澍;孙磊磊;孙义杰;张浩;王森 《小型微型计算机系统》2025,46(5):1156-1160
1313.
针对无线传感器网络中链路质量估计模型泛化性能差,准确性不足等问题,提出了一种基于指数加权卡尔曼滤波和梯度提升回归的链路质量估计方法KGBR＿LQE(Exponentially Weighted Kalman and Gradient Boosting Regression bas… … 相似文献
邱宇航;施伟斌;史佳杰 《小型微型计算机系统》2025,46(5):1257-1264
1314.
当前,深层卷积神经网络已在多个领域取得突破性进展,其优异表现源于其深层、广泛、密集的网络结构,尤其在通信领域的信号分析、频谱感知等领域获得广泛应用.现有工作表明信号调制解调分类任务中采用深度分类模型已经取得较好分类性能.然而,大规模卷积神经网络在实际应用中所面临的大量运算和存储问… … 相似文献
曹志骐;程点;刘虎;陈思毅;苏蒙蒙;郑海斌;陈晋音 《小型微型计算机系统》2025,46(5):1127-1134
1315.
随着5G网络的快速发展和物联网技术的普及,计算密集型和延迟敏感型应用蓬勃发展.传统移动边缘计算通常依赖固定基础设施进行计算卸载.然而,在实际应用中,由于用户的移动性、资源需求动态性和地域差异性,边缘服务器的负载表现出高动态性和不平衡性.本文提出由运营商统一调度车载边缘服务器为区域… … 相似文献
徐佳;范露露;刘婧怡;申佳胤 《小型微型计算机系统》2025,46(5):1216-1223
1316.
1317.
1318.
1319.
1320.
随着大语言模型在自然语言理解和生成任务上的广泛应用;其在医疗、法律和科研等高精度领域的表现被愈发关注。然而;幻觉现象作为大语言模型普遍存在的问题;极大制约了其在这些领域的实际应用。当前;针对大语言模型幻觉现象的评估和优化尚存在显著不足:缺乏高质量的高精度领域幻觉评估数据集;现有幻… … 相似文献
何静;沈阳;谢润锋 《计算机科学与探索》2025,19(5):1295-1301
关于我们 |
广告服务 |
商务洽谈 |
联系我们 |
免责条款 |
隐私声明 |
网站导航
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
