您的位置: 专家智库 > >

蔡宇航

作品数:13 被引量:1H指数:1
供职机构:福州大学更多>>
发文基金:福建省大学生创新性实验计划项目更多>>
相关领域:自动化与计算机技术经济管理更多>>

文献类型

  • 11篇专利
  • 2篇期刊文章

领域

  • 7篇自动化与计算...
  • 2篇经济管理

主题

  • 11篇网络
  • 4篇图像
  • 4篇细粒度
  • 3篇多模态
  • 2篇选择网络
  • 2篇掩码
  • 2篇优化器
  • 2篇原始图像
  • 2篇正则
  • 2篇正则化
  • 2篇神经网
  • 2篇神经网络
  • 2篇主干网
  • 2篇主干网络
  • 2篇模态
  • 2篇跨层
  • 2篇极坐标
  • 2篇编程
  • 2篇编程方式
  • 2篇编程框架

机构

  • 13篇福州大学

作者

  • 13篇蔡宇航
  • 11篇柯逍
  • 2篇郭文忠
  • 2篇叶翀
  • 1篇陈定国
  • 1篇蔡俊逸

传媒

  • 1篇中国市场
  • 1篇北方经贸

年份

  • 1篇2024
  • 5篇2023
  • 3篇2022
  • 2篇2021
  • 1篇2014
  • 1篇2013
13 条 记 录,以下是 1-10
排序方式:
基于模态特异自适应缩放与注意力网络的跨模态检索方法
本发明涉及一种基于模态特异自适应缩放与注意力网络的跨模态检索方法。首先对图像模态采用带残差空间缩减的Transformer编码器,对文本模态采用单词级特征注意力模块,分别进行模态不变特征的提取。然后使用模态嵌入级特征注意...
柯逍陈柏涛蔡宇航
一种基于结构建模局部提议网络的细粒度分类方法
本发明涉及一种基于结构建模局部提议网络的细粒度分类方法。首先获取细粒度分类数据集,输入主干网络,通过多粒度融合学习策略整合多粒度层级信息以增强特征表示,并计算跨层自蒸馏正则化损失。然后利用空间注意力模块增强判别性区域定位...
柯逍蔡宇航陈柏涛
关系推理与跨模态独立匹配网络的实例级跨模态检索方法
本发明提出关系推理与跨模态独立匹配网络的实例级跨模态检索方法,首先利用模态特征提取器将输入的原始图片转化为区域特征,将输入的文本转化为词序列。然后分别对图像和文本模态进行模态特征关系推理,以挖掘局部特征之间的相互作用关系...
柯逍陈柏涛蔡宇航
基于弱监督学习的数据增强网络的细粒度车辆识别方法
本发明提出基于弱监督学习的数据增强网络的细粒度车辆识别方法,包括以下步骤;步骤S1:把细粒度车型数据集将其输入数据增强网络的主干网络,以获得车辆注意力图并计算部分注意力特征;步骤S2:进行图片数据增强,生成增强图像以扩充...
柯逍蔡宇航
文献传递
“非加价”流通模式创新意义的探讨
2013年
我国流通行业和中小型企业在快速发展的同时也面临着一系列问题,"非加价"模式作为一种新的商业流通模式,对于解决信息不对称、商业信用缺失、信息渠道闭塞等问题有一定的创新意义。
蔡俊逸蔡宇航陈定国叶翀
集成化的机器学习算法库与统一编程框架(面向深度学习)
本发明提出集成化的机器学习算法库与统一编程框架(面向深度学习),为一种面向深度学习的模型生成方法,包括以下步骤;步骤S1:指定数据集,顺序组合不同深度学习框架下的数据预处理方法,形成数据预处理模块;步骤S2:选择网络优化...
柯逍蔡宇航郭文忠
文献传递
晋江鞋服企业品牌文化初探——以七匹狼为例被引量:1
2014年
选取中国"品牌之都"晋江的鞋服企业为研究对象,在文献研究的基础上,采取案例分析的方法,归纳总结出品牌文化创建的技术路线。通过中国男装行业的开创性品牌——七匹狼的案例,分析其品牌文化创建及推广过程,佐证该技术路线的正确性。
杨嘉冰蔡宇航叶翀
关键词:品牌文化七匹狼
一种基于结构建模局部提议网络的细粒度分类方法
本发明涉及一种基于结构建模局部提议网络的细粒度分类方法。首先获取细粒度分类数据集,输入主干网络,通过多粒度融合学习策略整合多粒度层级信息以增强特征表示,并计算跨层自蒸馏正则化损失。然后利用空间注意力模块增强判别性区域定位...
柯逍蔡宇航陈柏涛
基于弱监督学习的数据增强网络的细粒度车辆识别方法
本发明提出基于弱监督学习的数据增强网络的细粒度车辆识别方法,包括以下步骤;步骤S1:把细粒度车型数据集将其输入数据增强网络的主干网络,以获得车辆注意力图并计算部分注意力特征;步骤S2:进行图片数据增强,生成增强图像以扩充...
柯逍蔡宇航
令牌压缩与双向非对称匹配的多模态查询图像检索方法
本发明提出令牌压缩与双向非对称匹配的多模态查询图像检索方法,包括以下步骤;步骤S1:将输入图像分块并分别编码,将输入文本利用词嵌入转化为令牌序列;对序列化的数据进行令牌压缩与编码;步骤S2:对得到的融合上下文的图像模态和...
柯逍陈柏涛蔡宇航
共2页<12>
聚类工具0