插槽填充 使用RNN和ATIS数据进行插槽填充。 要求 Python3.6 火炬进度条 数据集 航空旅行信息系统(ATIS)数据集。 这是一个示例句子及其来自数据集的标签: 表演 航班 从 波斯顿 至 新的 约克 今天 Ø Ø Ø B部门 Ø B-arr - B日期 结果 双GRU 精确 记起 F1 动车组 99.77 99.83 99.8 测试集 94.78 94.75 94.76
1
数据集切割为600x600大小,可自行调整参数进行训练
2023-03-08 12:15:19 1.29MB unet potsdam数据集 语义分割
1
道路分割 客观的 在自动驾驶的情况下,给定前摄像头视图,汽车需要知道道路在哪里。 在这个项目中,我们训练了神经网络,通过使用一种称为完全卷积网络(FCN)的方法来标记图像中道路的像素。 在此项目中,使用KITTI数据集实施FCN-VGG16并对其进行了培训,以进行道路分割。 演示版 (单击以查看完整的视频) 1代码和文件 1.1我的项目包括以下文件和文件夹 是演示的主要代码 包含单元测试 包含一些帮助程序功能 是带有GPU和Python3.5的环境文件 文件夹包含KITTI道路数据,VGG模型和源图像。 文件夹用于保存训练后的模型 文件夹包含测试数据的细分示例 1.2依赖关系和我的环境 Miniconda用于管理我的。 Python3.5,tensorflow-gpu,CUDA8,Numpy,SciPy 操作系统:Ubuntu 16.04 CPU:Intel:registered:Core:trade_mark:i7-68
1
第二章背景知识.全卷积网络 .使用全连接网络进行精准分割 .线性结构网络 .对称结构网络 .第三章 实验设计.数据集选择及处理 .图像处理流程设计 .网络结构
2023-03-07 10:39:35 9.58MB
1
DSR-semantic-segmentation:DSR方法在CityScapes数据集上进行语义分割
2023-03-06 10:16:45 523KB Python
1
文本相似度计算作为中文信息处理中的一项基础性技术,被广泛应用到文本分类、文本聚类、信息检索等多个领域,长期以来受到了众多学者的关注和研究。在信息大爆炸所带来的大量文本信息的数据堆积中,很大一部分是短文本数据或短语数据,因此,在短文本数据信息的处理问题上,短语的相似度计算变得越来越重要。本文就是针对中文短语信息的处理问题,提出了一种新的中文短语相似度计算方法。在算法的设计过程中,本文分析了短语间相匹配文字的位置、匹配位置的偏移值、匹配文字长度等多种因素,提出了中文短语间相似度的计算公式,并给出了该算法的实现代码。
1
针对网络视频元数据信息缺失严重和多媒体数据本身特征难以提取等问题,提出了融合评论分析和隐语义模型的网络视频推荐算法。从视频评论入手,通过分析用户对不同视频的评论内容以判断其情感倾向并加以量化,继而构建用户对项目的虚拟评分矩阵,弥补了显式评分数据稀疏性问题。考虑到网络视频的多元性和高维度特性,为了深度挖掘用户对网络视频的潜在兴趣,针对虚拟评分矩阵采用隐语义模型( LFM) 对网络视频分类,在传统的用户—项目二元推荐系统基础之上添加虚拟类目信息以进一步发掘用户—类目—项目关联关系。实验在多重标准下进行,对 YouTube 评论集的实验表明,所提推荐方法获得了较高的推荐精度。
1
语义文本相似度 Anant Maheshwari Simeng Sun Danni Ma Yezheng Li 抽象的 语义文本相似度(STS)衡量句子的含义相似度。 该任务的应用包括机器翻译,摘要,文本生成,问题解答,简短答案分级,语义搜索,对话和会话系统。 我们开发了具有多种功能的支持向量回归模型,包括使用基于比对的方法和基于语义组合的方法计算的相似度得分。 我们还使用BiLSTM和卷积神经网络(CNN)训练了句子的语义表示。 在测试数据集中,我们系统输出的人类评级之间的相关性高于0.8。 介绍 此任务的目的是测量给定句子对之间的语义文本相似性(它们的含义,而不是它们在语法上是否看起来相似)。 尽管进行这样的评估对人类来说是微不足道的,但是构建模仿人类水平性能的算法和计算模型却代表了一个困难而深刻的自然语言理解(NLU)问题。 范例1: 中文:小鸟在水盆里洗自己。 英文释义:这只鸟
2023-03-03 16:24:05 2.28MB Python
1
目前道路违规事件检测多在固定摄像头下人工框定区域进行检测,但人工框定工作量大,并且摄像头转动会使得框定区域失效。针对此问题,率先提出一种目标检测与语义分割相结合的违停检测方法。该方法首先使用目标检测Faster R-CNN,采取迁移学习、多阶段训练等方法建模,提取共享单车的类别与检测框位置信息。再使用group normalization改进语义分割DeepLab v3+网络模型,提高其在小batch size下训练的模型精度,用于分割图像获得道路的语义和区域信息。最后综合两部分信息,根据单车检测框内不同道路区域所占比例判定共享单车是否属于违规停放。实验结果表明,该方法对共享单车类别的mAP为72.36%,对共享单车违规停放的平均检测率为89.11%,适用于真实城市道路监控环境中。
2023-03-02 17:25:29 1.19MB 共享单车 目标检测 语义分割
1
基于Kripke结构的UML状态图的形式语义和自动证明,赵也非,杨宗源,给UML赋予形式化的动态语义,可以在软件生命过程早期,对系统进行自动推导和证明。把模型检测应用于UML,是在软件架构中引入形式化
2023-02-27 21:34:44 328KB UML
1