王树徽
- 作品数：29 被引量：122H指数：3
- 供职机构：中国科学院计算技术研究所更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种抑制语言偏差的视觉问答方法及系统
- 一种用于抑制语言偏差的贪心梯度集成方法，其特征在于，包括下列步骤：将视觉问答任务建模为一加性模型，该加性模型分为广义相加的基础模型与偏差模型；对该加性模型各部逐一进行优化，先对偏差模型进行优化，利用二值交叉熵损失函数求该...
- 王树徽韩歆哲黄庆明
- 基于多模态信息融合与图聚类的跨媒体话题检测方法、装置
- 本发明公开了一种基于多模态信息融合与图聚类的跨媒体话题检测方法及其装置，其中该方法包括：步骤一，进行文本信息、视频内容预处理；步骤二，进行文本融合及高层特征提取，获取文本信息相似度；步骤三，进行视频相似片段检测，获取视觉...
- 黄庆明张艳雁褚令洋李国荣王树徽张维刚
- 文献传递
- 面向社交内容的动态影响力传播模型
- 随着社交网络服务的快速发展,理解网络用户之间潜在影响力的传播过程成为热点研究问题.现有关于影响力传播的研究工作主要集中在给定的静态社交网络中找出最有影响力的用户子集,而忽略了社交网络中的内容信息.本文提出一种融合了内容信...
- 王祯骏王树徽张维刚黄庆明
- 关键词：社交网络内容信息
- 文献传递
- 一种候选回答语句生成和自然语言选择方法及系统
- 本发明涉及一种基于SARN的候选回答语句生成和自然语言选择方法及系统，所述SARN模型包括编码网络和解码网络，所述生成方法包括：利用所述编码网络获得输入语句特征；基于所述输入语句特征，利用所述解码网络获得对应的候选回答语...
- 李亮杨士杰王树徽黄庆明
- 文献传递
- 一种基于树结构的图像分类方法及其系统
- 本发明公开了一种基于树结构的图像分类方法及其系统，其中该方法包括：步骤一，提供具有标签信息的样本集合，以及根据标签信息的语义相关性构建的语义树结构；步骤二，根据该样本集合与该语义树结构，通过模型训练得到一组有监督的码本和...
- 王树徽申丽黄庆明蒋树强
- 文献传递
- 一种用于抑制语言偏差的贪心梯度集成方法及系统
- 一种用于抑制语言偏差的贪心梯度集成方法，其特征在于，包括下列步骤：将视觉问答任务建模为一加性模型，该加性模型分为广义相加的基础模型与偏差模型；对该加性模型各部逐一进行优化，先对偏差模型进行优化，利用二值交叉熵损失函数求该...
- 王树徽韩歆哲黄庆明
- 文献传递
- 基于帧选择的视频内容描述方法和系统
- 本发明涉及一种基于帧选择的视频内容描述方法，包括：以前馈神经网络构建筛选模型，该筛选模型根据视频帧的视觉丰富度和语义一致度对该视频帧进行筛选；构建用于对待描述视频的内容进行描述的描述模型；以训练数据对该筛选模型和该描述模...
- 王树徽陈扬羽黄庆明张维刚
- 文献传递
- 基于多模态信息融合与图聚类的跨媒体话题检测方法、装置
- 本发明公开了一种基于多模态信息融合与图聚类的跨媒体话题检测方法、装置，其中该方法包括：步骤一，进行文本信息、视频内容预处理；步骤二，进行文本融合及高层特征提取，获取文本信息相似度；步骤三，进行视频相似片段检测，获取视觉信...
- 黄庆明张艳雁褚令洋李国荣王树徽张维刚
- 附加特征图增强的图卷积神经网络被引量：2
- 2023年
- 近年来,图卷积网络(Graph Convolutional Network,GCN)凭借其简单的网络结构、在图上任务中展现出的优异性能,受到了学术界和工业界的广泛关注.然而GCN也存在着在浅层时信息传播范围过小、特征提取不充分的缺陷.针对这一问题,本研究提出附加特征图模型(Additional Feature Graph,AFG).AFG通过引入图的节点结构特征(度特征),对度相同的节点随机增加连边、缩短信息传播距离.AFG并不是独立的图神经网络模型,而是作为一种附加技术与GCN及其相关模型配合使用.实验显示,在Cora、Citeseer、Pubmed数据集上AFG能够对浅层主干模型实现显著性能增益,帮助主干模型性能超越了其他以提升模型特征提取能力、改善欠传播情况为目的进行设计的模型.本研究进一步分析了AFG与DropEdge——一种随机切断原始图连边的附加技术——的区别与联系,并通过实验证明附加特征图模型与DropEdge模型共同使用的可行性,以及两者间存在一定的互补性.结合使用两种附加技术可以实现更大的节点分类准确度增益.
- 孙隽姝王树徽杨晨雪黄庆明黄庆明
- 关键词：信息传播
- 最小熵迁移对抗散列方法
- 2020年
- 散列算法具有高效的存储和查询特性,被广泛应用于大规模的图像检索.大多数现有的深度散列方法都基于独立同分布的假设,即训练集(源域)和测试集(目标域)的分布一致.然而在现实应用中,源域和目标域往往存在较大的差异,即跨域检索.因此有些研究工作开始将跨域识别的方法引入到跨域检索中,以增强所学散列函数的泛化性.现有跨域检索方法仍存在散列码的判别力不足和域不变能力不足2个问题.提出语义保持模块和最小熵损失来解决这2个问题.语义保持模块是1个分类子网络,该模块可以充分利用源域的类别标注信息,并将该语义信息传递给散列学习子网络使得学习到的散列码包含更多的语义信息,即增强判别力.此外,对于无标注的目标域,熵表征目标域样本的分类响应的集中程度,理想的散列码经过语义保持模块后得到的分类响应应该集中于某一个类别,即最小熵状态.引入最小熵损失促使目标域样本与源域样本在类别响应这一空间上分布更加对齐,进而使得散列码更具域不变性.通过引入语义保持模块和最小熵损失,在现有方法的基础上构建了端到端的跨域检索网络,并在2个数据集上进行了大量实验,与领域内现有主要模型进行了详尽的对比,实验证明所提模型取得了更优的性能.
- 卓君宝苏驰王树徽黄庆明
