针对带钢表面缺陷识别率受到光照变化、纹理复杂多样以及噪声干扰而导致误识别率高的问题,提出一种新的带钢表面缺陷识别算法。首先从增加邻域联系的角度改进多块局部二值模式(MB-LBP)特征,缓解提取过程中因所选子窗口尺寸大小不同而造...针对带钢表面缺陷识别率受到光照变化、纹理复杂多样以及噪声干扰而导致误识别率高的问题,提出一种新的带钢表面缺陷识别算法。首先从增加邻域联系的角度改进多块局部二值模式(MB-LBP)特征,缓解提取过程中因所选子窗口尺寸大小不同而造成的保留图像细节与去除噪声之间的平衡性问题;其次将改进的MB-LBP特征与梯度方向直方图(HOG)特征线性加权得到融合特征,弥补MB-LBP特征没有表征缺陷边缘和方向的缺点,从而更全面地表征复杂的缺陷纹理;最后通过同时增加全局信息和监督信息改善的局部保持投影(LPP)算法将高维的融合特征非线性映射到低维的本质特征空间中,减少融合特征冗余对分类器识别率的影响。在NEU数据集上仿真实验结果表明:算法对光照变化、纹理复杂多样、以及噪声具有一定的鲁棒性,在信噪比为50 d B情况下将带钢表面缺陷识别准确率提高了5. 17%。展开更多
事件信息抽取是信息抽取任务中的一种,旨在识别并提出一个事件的触发词和元素。由于容易受到数据稀疏的影响,事件要素的抽取是中文事件抽取任务中的一个难点,研究的重点在于特征工程的构建。中文语法相较英文要复杂许多,所以捕获英文文...事件信息抽取是信息抽取任务中的一种,旨在识别并提出一个事件的触发词和元素。由于容易受到数据稀疏的影响,事件要素的抽取是中文事件抽取任务中的一个难点,研究的重点在于特征工程的构建。中文语法相较英文要复杂许多,所以捕获英文文本特征的方法在中文任务中效果并不明显,而目前常用的神经网络模型仅考虑了上下文信息,不能兼顾词法和句法特征。因此针对中文的词法和句法特点,构建一种结合分组长短期记忆网络(grouped long-short term memory,GLSTM)和Attention的中文事件要素抽取方法 AGCEE(attention and GLSTM based Chinese event extraction),通过Attention机制融合词特征和句子特征,采用GLSTM捕获句子的上下文信息,并通过条件随机场(conditional random fields,CRF)进行事件信息抽取,最后在公开数据集上进行实验以验证模型的有效性。展开更多
文摘针对带钢表面缺陷识别率受到光照变化、纹理复杂多样以及噪声干扰而导致误识别率高的问题,提出一种新的带钢表面缺陷识别算法。首先从增加邻域联系的角度改进多块局部二值模式(MB-LBP)特征,缓解提取过程中因所选子窗口尺寸大小不同而造成的保留图像细节与去除噪声之间的平衡性问题;其次将改进的MB-LBP特征与梯度方向直方图(HOG)特征线性加权得到融合特征,弥补MB-LBP特征没有表征缺陷边缘和方向的缺点,从而更全面地表征复杂的缺陷纹理;最后通过同时增加全局信息和监督信息改善的局部保持投影(LPP)算法将高维的融合特征非线性映射到低维的本质特征空间中,减少融合特征冗余对分类器识别率的影响。在NEU数据集上仿真实验结果表明:算法对光照变化、纹理复杂多样、以及噪声具有一定的鲁棒性,在信噪比为50 d B情况下将带钢表面缺陷识别准确率提高了5. 17%。
文摘事件信息抽取是信息抽取任务中的一种,旨在识别并提出一个事件的触发词和元素。由于容易受到数据稀疏的影响,事件要素的抽取是中文事件抽取任务中的一个难点,研究的重点在于特征工程的构建。中文语法相较英文要复杂许多,所以捕获英文文本特征的方法在中文任务中效果并不明显,而目前常用的神经网络模型仅考虑了上下文信息,不能兼顾词法和句法特征。因此针对中文的词法和句法特点,构建一种结合分组长短期记忆网络(grouped long-short term memory,GLSTM)和Attention的中文事件要素抽取方法 AGCEE(attention and GLSTM based Chinese event extraction),通过Attention机制融合词特征和句子特征,采用GLSTM捕获句子的上下文信息,并通过条件随机场(conditional random fields,CRF)进行事件信息抽取,最后在公开数据集上进行实验以验证模型的有效性。