黄青松
- 作品数：178 被引量：277H指数：8
- 供职机构：昆明理工大学信息工程与自动化学院更多>>
- 发文基金：国家自然科学基金国家科技型中小企业技术创新基金云南省应用基础研究基金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学轻工技术与工程更多>>
- 基于加权层级注意力机制的疾病预测模型被引量：1
- 2023年
- 近年来,针对电子病历文本的研究受到越来越多的关注,而相关疾病预测模型很少注意到病历文本中记录独立分布的半结构化形式以及语义关系复杂的特点,故该文提出了一种基于加权层级注意力机制的辅助诊断方法,设计加权累加法将普通句向量转换为结构弱关联句向量,并构成词、句、文档层级结构注意力机制来提高模型结构学习能力,此外,设计监督层用于缓解语义关系复杂造成的学习偏置问题,以辅助模型的训练效果。在真实数据集中进行验证表明,该文模型优于当前主流的深度学习模型,取得了较好效果。
- 单文琦王波黄青松刘利军刘利军
- 关键词：层级结构
- 款式特征描述符的服装图像细粒度分类方法被引量：14
- 2019年
- 针对服装图像大多基于简单款式的粗粒度分类导致分类准确率较低的问题,以款式多样的时尚女装为例,提出一种款式特征描述符的服装图像细粒度分类方法.首先结合时尚女装训练集对输入的待分类时尚女装图像进行部件检测;然后分别提取部件检测后时尚女装图像以及训练图像的HOG, LBP,颜色直方图和边缘算子4种底层特征,得到特征提取后的图像;再将自定义的款式特征描述符与提取到的4种底层特征进行匹配,采用随机森林和多类SVM对时尚女装款式和属性进行监督学习;最后实现时尚女装图像的细粒度分类并输出结果.实验结果表明,该方法能准确地检测并分类出不同服装,提高了服装分类的精度和准确率,能较好地满足实际应用中的需求.
- 吴苗苗刘骊付晓东付晓东黄青松
- 一种基于上下文信息和反向注意力的息肉图像分割方法
- 本发明涉及基于上下文信息和反向注意力的息肉图像分割方法。本发明首先输入息肉图像集中的图像，提取其显著区域的边缘特征和全局特征进行特征融合，得到含边缘信息的不同尺度特征图；其次，通过采用不同扩张率的多分支卷积和并行轴向注意...
- 刘骊王凯琪付晓东黄青松刘利军
- 一种基于视觉显著区域和手绘草图的服装图像检索方法
- 本发明涉及一种基于视觉显著区域和手绘草图的服装图像检索方法，属于计算机视觉及图像应用领域。本发明首先采用正则化随机漫步算法对输入的服装图像库进行视觉显著区域检测，并结合其边缘轮廓信息，得到服装边缘图像库；其次，对输入的服...
- 刘骊吴传彬付晓东黄青松刘利军
- 文献传递
- 基于浅层模型与深度模型结合的问句文本分类方法
- 本发明涉及基于浅层模型与深度模型结合的问句文本分类方法，属计算机自然语言处理技术领域。本发明首先提取问句文本的特征词集合，向量化后使用归一化的词向量值得到对应特征词权重，将其作为浅层线性模型的一部分输入。卷积网络使用多种...
- 黄青松余慧郭勃刘利军冯旭鹏
- 文献传递
- 网页去重在基于Web企业竞争情报平台中的应用与研究
- 2008年
- 互联网上大量重复网页的存在,严重地影响信息的检索质量.因此提出了一种基于特征码散列的网页去重算法,利用特征码对特征语句集散列以缩小其比较的范围,提高了网页去重的准确性.实验表明该算法准确率高,性能良好,基于上述算法实现了基于Web的企业情报竞争平台中的网页去重.
- 杨申彦黄青松
- 关键词：网页去重特征码
- 基于改进UNet++的视网膜血管图像分割方法
- 本发明涉及基于改进UNet++的视网膜血管图像分割方法，属于医疗图像处理技术领域。本发明选取了深度监督网络UNet++作为图像分割网络模型，提升特征的使用效率；引入MulitRes特征提取模块，改善低对比度环境下细小血管...
- 王江峰刘利军冯旭鹏黄青松
- 基于Symbian OS短信智能过滤设计与实现被引量：3
- 2007年
- 分析了目前短信过滤2种方式的局限性,论述了对已知号码运用黑白名单过滤和对未知号码运用有害信息特征库扫描短信内容的方法,采用面向对象和组件化的思想,设计和实现了一种在基于Symbian OS手机的短信智能过滤系统.论文从系统设计目标出发描述了系统总体结构,介绍了用户界面和过滤引擎组件.对过滤引擎的关键类进行了详细描述.
- 冯松欧阳鑫黄青松
- 关键词：手机操作系统垃圾短信消息服务器过滤引擎
- 具有主动适应机制的通用权限控制组件的设计与实现
- 2009年
- 现阶段的通用权限控制组件存在通用性不够,应用范围有限的问题。文章提出了一个具有主动适应机制的,适用基于角色的权限控制模型的系统的通用权限组件。主动适应机制能有效地屏蔽不同系统权限信息的差异性,大大提高了组件的通用性。
- 江成黄青松
- 基于LDA和卷积神经网络的半监督图像标注方法被引量：2
- 2022年
- 随着智能设备的不断出现,图像数量急速增加,但是很多图像因为没有被标注所以未被充分利用。为了能够使该问题得到较好解决,提出了基于LDA和卷积神经网络的半监督图像标注方法。首先把图像训练集中的所有文字信息放入LDA中,生成图像的文字标注词;然后使用卷积神经网络获得图像的高层视觉特征,同时用加入注意力机制和修改损失函数的方法来对卷积神经网络进行优化;接着把LDA生成的标注词和已获得的图像的高层视觉特征进行结合并同时使用半监督学习来完成模型的训练;最后把标注词间的相关性和使用最终模型预测的结果相结合来完成图像的最终标注。通过在IAPR TC-12图像数据集上的相关实验对比可知,文中所提方法的标注更精确。
- 王保成刘利军黄青松
- 关键词：LDA卷积神经网络半监督学习
