排序方式： 共有6条查询结果，搜索用时 31 毫秒
1
1.
2.
3.
4.
[目的/意义]图像文本跨模态检索应用对最大化利用数字文旅资源具有重要意义。然而,数字文旅领域的图像文本跨模态检索方法面临长文本挑战、数据缺失、内存资源有限等问题。为此,我们提出了一种新的基于Transformers和MobileNet V3模型的数字文旅图像文本跨模态方法。[方法/过程]首先,提出了基于自注意力机制的双层多组Transformers模型从标题、正文和评论等文本中学习具有互补性的文本特征;其次,设计了FastR-CNN和MobileNet V3模型学习图像局部细粒度特征;最后,提出了多元线性回归方法在共享子空间补全缺失数据。构建以图搜文和以文搜图的双向三元损失函数学习模型参数。[结果/结论]在标准数据集Flickr30k、自建数据集CulTour-Sha和有数据缺失的数据集Flickr30k-1与CulTour-Sha-1上的大量实验结果表明,我们的方法在召回率、内存需求和计算速度等方面优于当前几种先进的跨模态检索方法。 相似文献
5.
为了满足有效评价学生解决复杂问题能力的学习产出并及时获得精准评价结果需要,提出了蓝墨云平台多源反馈学习产出评价模型.基于蓝墨云平台,设计了反馈前发布、解说、讨论和改进评价方案闭环和成员小组分配机制,反馈过程开展自我评价、同伴评价和教师评价机制,反馈后分析分数、生成报表和改进计划机制.Web系统与技术课程学习产出评价应用实践信度和效度表明,该评价模型可以有效评价学生解决复杂问题能力并能及时获得精准评价结果. 相似文献
6.
1