61.
随着深度学习技术的日益精进,它在植物病害识别领域的应用研究日趋深入,而优化AlexNet模型能有效提升桑叶病害识别的性能。因此,选用AlexNet作为基础网络,针对AlexNet的主干网络和多尺度特征融合策略进行改进,并提出一个新型的网络架构——IP-AlexNet模型。首先,在… … 相似文献
王光辉;李越千;魏洪义;彭莹琼 《计算机应用》2025,(S1):289-294
62.
基于自注意力机制的Transformer在大多数自然语言处理（NLP）任务中表现出色,但以往的工作表明,将Transformer应用于说话人确认时竞争力不强,特别是在局部建模能力、轻量级的结构以及实时推理能力上。针对这些问题,从3个方面提出一种改进Transformer的端到端说… … 相似文献
周云龙;陈德富;刘小湖;桑伊健;周晗昀 《计算机应用》2025,(S1):89-94
63.
从遥感影像中高效且自动地提取建筑物信息是遥感智能化解译的一项重要工作;然而高分辨率遥感影像中的建筑物大小不一、形状多变;背景干扰严重;导致现有算法的提取效果不佳。针对此问题;提出了一种融合局部-全局特征的双分支网络;用于遥感影像中建筑物的准确高效提取。设计了一种CNN与Trans… … 相似文献
《计算机科学与探索》2025,19(9)
64.
谣言传播迅速且危害较大;因此;利用辟谣信息对谣言传播进行抑制对于社会稳定有重要意义。为了使已经传播的谣言的影响力尽快减小并消失;提出一种结合图神经网络GCN、GNN、Double DQN的动态辟谣GCNNs-DDQN模型。使用GCN获得节点作为源节点和目标节点的初始节点嵌入;结合… … 相似文献
《计算机科学与探索》2025,19(9)
65.
在自然语言处理领域;多语平行语料库的构建与应用日益成为研究热点;其在跨文化交流、机器翻译、情感分析及智慧问答等领域的应用价值愈发凸显。特别是在“一带一路”倡议背景下;深化中蒙两国在文化、经济及社会领域的交流合作具有重要意义。因此;该研究构建了一个涵盖中文、传统蒙文和新蒙文的多语平… … 相似文献
《计算机科学与探索》2025,19(9)
66.
ObjectiveWith the unprecedented and continuous advancement of international lunar exploration initiatives （e.g., the Artemis program and Cha… … 相似文献
《中国图象图形学报》2025,30(9):3012-3025
67.
<正>多模态大模型在文本与图像智能处理领域的应用实现了语言和视觉信息的深度整合,为自动化内容创作和文档图像理解提供了创新途径。这些模型能够理解和解析文档图像内容,生成相应的描述性文本,或根据文本指令创造匹配的图像,显著提高内容创作的效率,开辟了文档图像智能处理研究新范式。它们在各个领域的应用通过图文结合的形式,创造了更具互动性和吸引力的交互方式,帮助用户更好地理解和掌握复杂概念。… … 相似文献
白翔;金连文;刘禹良;殷绪成;陈秀妍 《中国图象图形学报》2025,(9):3066-3067
68.
事件因果关系识别是自然语言处理领域的重要研究方向,其任务目标是识别两个特定事件间是否存在因果关联。当前的主流方法通常采用预训练语言模型从文本中提取有限的上下文语义信息,从而判别事件间的因果关系。然而,此类方法仅简单理解关键事件结构及其上下文语义信息,并未充分利用预训练语言模型的能… … 相似文献
程章桃;黄浩燃;薛荷;刘乐源;钟婷;周帆 《计算机科学》2025,52(9):303-312
69.
目的 针对地月空间多目标运动状态复杂及高动态跟踪的挑战,为满足大视场光学探测中对多个运动速度和方向不一致目标的快速、准确跟踪需求,本文提出一种基于DeepSORT(deep simple online and realtime tracking)的高效地月空间多目标自动跟踪方法。… … 相似文献
王磊;张晓明;支挥;张茵迪;何梦秋;姜晓军 《中国图象图形学报》2025,(9):3026-3038
70.
针对风电装备领域中实体的高度嵌套性和长文本的特性,提出一种基于差分边界增强的嵌套命名实体识别模型（DBE-NER）。首先,通过语义编码器模块获取融合实体头尾词、实体类型和相对距离的特征表示,从而提升模型对嵌套语义特征的捕捉能力;其次,设计一种高效的差分语义编码模块解决嵌套实体边界… … 相似文献
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
