杨娟
- 作品数：77 被引量：210H指数：7
- 供职机构：合肥工业大学更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术理学文化科学电子电信更多>>
- 一种知识图谱预测模型的训练方法、系统、设备及介质
- 本发明提供一种知识图谱预测模型的训练方法、系统、设备及介质，包括：获取知识图谱的四元组数据集，各四元组包括头实体、关系、尾实体及时间；处理所述四元组数据集得到联系矩阵和邻接矩阵；采用所述联系矩阵和所述邻接矩阵训练原始预测...
- 杨娟薛丽霞汪荣贵江丹张前进
- 映射结合聚类的视频关键帧提取被引量：5
- 2016年
- 技术在多媒体数据处理和计算机视觉中都扮演着重要的角色。基于聚类的摘要方法多结合图像全局或局部特征,对视频帧进行集群分类操作,再从各类中获取具有代表性的关键帧。然而这些方法多需要提前确定集群的数目,自适应的方法也不能高效的获取聚类的中心。为此,提出一种基于映射和聚类的图像密度值分析的关键帧选取方法。方法首先利用各图像间存在的差异,提出将其映射至2维空间对应点的度量方法,再依据点对间的相对位置和邻域密度值进行集群的聚类,提出根据聚类的结果从视频中获取具有代表性的关键帧的提取方法。结果分别使用提出的度量方法对Olivetti人脸库内图像和使用关键帧提取方法对Open Video库进行测试,本文关键帧提取方法的平均查准率达到66%、查全率达到74%,且F值较其他方法高出11%左右达到了69%。结论本文提出的图像映射后聚类的方法可有效进行图像类别的识别,并可有效地获取视频中的关键帧,进而构成视频的摘要内容。
- 汪荣贵胡健根杨娟薛丽霞张清杨
- 关键词：映射聚类关键帧视频摘要
- 带记忆的非线性反应扩散方程的数值解法
- 近年来发现一类反应扩散现象具有记忆性质，即通常的扩散项被扩散项在过去时间段的加权卷积所替代。许多学者对这种带记忆的非线性项反应扩散方程的可解性和吸引子已作了深入的讨论，但是当前仅见到带记忆的线性反应扩散方程的数值解法，因...
- 杨娟
- 关键词：LAPLACE变换
- 文献传递
- 多路径递归网络结构的单帧图像超分辨率重建被引量：5
- 2019年
- 卷积神经网络在单帧图像超分辨率重建任务中取得了巨大成功,但是其重建模型多是基于单链结构,层间联系较弱且不能充分利用网络提取的分层特征。针对这些问题,本文设计了一种多路径递归的网络结构(MRCN)。通过使用多路径结构来加强层之间的联系,实现特征的有效利用并且提取丰富的高频成分,同时使用递归结构降低训练难度。此外,通过引入特征融合的操作使得在重建的过程中可以充分利用各层提取的特征,并且自适应的选择有效特征。在常用的基准测试集上进行了大量实验表明,MRCN比现有的方法在重建效果上具有明显提升。
- 沈明玉俞鹏飞汪荣贵杨娟薛丽霞
- 关键词：超分辨多路径
- 论物理学与构建合理知识结构的关系被引量：2
- 2007年
- 面对知识信息的急剧增长,文科学生应构建一个合理的知识结构,即开放、动态的知识结构,才能更好适应社会发展,完善自身的知识体系。思维创新有利于构建合理的知识结构,而物理学是培养创新思维的最佳学科。
- 杨娟
- 关键词：知识结构创新思维物理学
- 待测对象与群体关联度的推理方法、装置、设备及介质
- 本申请提供待测对象与群体关联度的推理方法、装置、设备及介质，该方法包括：获取样本静态数据、样本动态数据和全局权重矩阵；通过样本静态数据和全局权重矩阵确定静态融合数据，通过样本动态数据构建知识图谱，基于图神经网络对知识图谱...
- 薛丽霞杨娟汪荣贵段亚林陈红李硕何炜鹏
- 适用于图像超分辨率的多路径融合增强网络
- 2024年
- 卷积神经网络(Convolutional Neural Network,CNN)在单幅图像的超分辨率重建方面表现出了非常强大的能力,相比传统方法有着明显的改进。然而,尽管这些方法非常成功,但是由于需要大量的计算资源,直接应用于一些边缘设备并不现实。为了解决该问题,设计了一种轻量级的图像超分辨率重建网络——多路径融合增强网络(Multi-path Fusion Enhancement Network,MFEN)。具体来说,提出了一个新颖的融合注意力增强模块(Fusion Attention Enhancement Block,FAEB)作为多路径融合增强网络的主要构建模块。融合注意力增强模块由一条主干分支和两条层级分支构成:主干分支由堆叠的增强像素注意力模块组成,负责对特征图实现深度特征学习;层级分支则负责提取并融合不同大小感受野的特征图,从而实现多尺度特征学习。层级分支的融合方式则是以相邻的增强像素注意力模块输出为分支输入,通过自适应注意力模块(Self-Adaptive Attention Module,SAAM)来动态地增强不同大小感受野特征的融合程度,进一步补全特征信息,从而实现更全面、更精准的特征学习。大量实验表明,该多路径融合增强网络在基准测试集上具有更高的准确性。
- 沈俊晖薛丽霞汪荣贵杨娟
- 基于深度迁移学习的微型细粒度图像分类被引量：6
- 2019年
- 现有的细粒度分类模型不仅利用图像的类别标签,还使用大量人工标注的额外信息。为解决该问题,本文提出一种深度迁移学习模型,将大规模有标签细粒度数据集上学习到的图像特征有效地迁移至微型细粒度数据集中。首先,通过衔接域定量计算域间任务的关联度。然后,根据关联度选择适合目标域的迁移特征。最后,使用细粒度数据集视图类标签进行辅助学习,通过联合学习所有属性来获取更多的特征表示。实验表明,本文方法不仅可以获得较高精度,而且能够有效减少模型训练时间,同时也验证了进行域间特征迁移可以加速网络学习与优化这一结论。
- 汪荣贵姚旭晨杨娟薛丽霞
- 关键词：卷积神经网络
- 基于多源信息的全局滤波器剪枝
- 2022年
- 针对现有神经网络剪枝方法未全面评估滤波器的重要性以及跨层滤波器的重要性间存在一定差异的问题,提出了一种基于多源信息的全局滤波器剪枝算法,建立了特征和权重信息间的连接.首先,根据特征信息较为丰富和权重信息受数据噪音影响低的特点,分别以特征间相关性和权重熵来评估滤波器的相对和绝对重要性.然后,将每层中不同压缩比例的滤波器看作一个整体,评估其对模型的全局重要性,按照压缩需求跨层剪掉模型中最不重要的部分.最后,采用知识蒸馏的方式来恢复剪枝后模型的精度,不依赖其他数据集就能完成模型的压缩与微调.为了验证所提方法的适用性,针对DeepLabV3、DABNet和U-Net网络在三个语义分割数据集上进行了大量的实验.也针对多种深度的ResNet网络在图像分类数据集上进行了验证.实验结果表明,通过多源信息可以更精确的评估单层中滤波器的重要性,通过全局重要性来指导跨层剪枝可以使模型的关键信息损失降到最低.
- 修辉薛丽霞汪荣贵杨娟
- 关键词：多源信息
- 一种知识图谱的预测方法、系统、设备及介质
- 本发明提供一种知识图谱的预测方法、系统、设备及介质，包括：获取知识图谱的原始三元组数据集，其中，各原始三元组包括头实体、关系和尾实体；处理各所述原始三元组，得到评价函数，基于所述评价函数构建基于边界的目标函数；通过最小化...
- 薛丽霞汪荣贵杨娟张前进江丹
