Happy月月鸟的博客

Thinking will not overcome fear but action will.

Google Play App 用户评论多分类项目

项目介绍(1)

用户评论多分类项目的开发流程 这个项目是我本科毕业设计的成果。我计划将其整理成一系列博客,与大家分享我的研究过程和发现。 1.认识本项目 用户评论分类项目通常涉及对用户评论进行自动化分类,以便更好地理解和管理这些评论。这类项目的目的是通过机器学习或自然语言处理技术,将评论分为不同的类别或主题。例如,在电商平台上,用户评论可以被分类为“好评”、“差评”或“中评”,或者更详细地分类为“产品质...

不同类型的 Transformer 模型

大模型

1. Encoder-only 模型 工作原理: Encoder-only 模型仅包含 Transformer 的编码器部分。编码器通过多层自注意力机制和前馈网络,学习输入序列中的依赖关系。自注意力机制可以让模型同时关注序列中的所有位置,并根据上下文信息生成深层次的特征表示。 优势: 双向注意力:编码器可以同时从输入序列的前后文中提取信息,这使得它对自然语言理解任务尤其有效。 ...

实体关系提取项目

TACRED数据集(2)

在本项目中,我使用的是TACRED (The TAC Relation Extraction Dataset) 是一个广泛用于关系抽取任务的数据集,由斯坦福大学发布。它是通过处理TAC KBP(Text Analysis Conference Knowledge Base Population)数据生成的,目的是为研究者提供一个用于关系分类的标准数据集。 1. TACRED 数据集概述 ...

实体关系提取项目

项目介绍(1)

关系提取(Relation Extraction, RE)是自然语言处理(NLP)中的一个重要任务,旨在从文本中识别出实体(如人、组织、地点等)以及它们之间的关系。 1. 关系提取项目的子任务 关系提取的具体步骤通常包括以下两个阶段: 关系提取项目可以分为多个子任务,每个子任务专注于关系提取的不同方面。以下是详细的解释,包含实体识别和关系分类的步骤: 1.1. 实体识别(Named E...

图像字幕模型

CNN-LSTM 和 CNN-Transformer

1. CNN+LSTM模型 CNN+LSTM 作为图像描述(Image Captioning)任务的模型架构,是一个经典的组合,通过结合卷积神经网络(CNN)和长短时记忆网络(LSTM),实现从图像特征提取到自然语言生成的转化。以下是对 CNN+LSTM 模型在图像描述任务中的详细解析: 1.1. 架构组成 CNN+LSTM 模型主要分为两部分: CNN(卷积神经网络)...

动作检测模型

ActionFormer 和 TriDet


时间动作检测技术介绍(Temporal Action Detection)

好痒,要长脑子了

时间动作检测(Temporal Action Detection,TAD)是计算机视觉领域中的一个关键任务,主要目标是在视频中检测并定位特定的动作,确定这些动作在时间上的起始和结束时间。与传统的动作分类不同,TAD不仅要求识别出动作的类别,还需要准确定位动作在时间轴上的边界。 1. TAD 的核心任务包括 动作分类:给定一个视频片段,识别出视频中执行的动作类型。例如,在一个包含踢足球...

图像字幕技术介绍(Image Captioning)

好痒,要长脑子了

图像字幕生成(Image Captioning)是计算机视觉与自然语言处理的交叉领域中的一个重要任务。它的主要目标是在给定图像的情况下,生成一段准确描述该图像内容的自然语言文本。图像字幕生成不仅要求模型理解图像中的内容,还需要将这些信息以自然语言的形式表达出来。 1. Image Captioning 的核心任务包括 图像理解:识别和理解图像中的对象、场景和活动。例如,在一张包含狗和...

图像分类项目(Image Classification)

常用数据集的介绍(2)

图像分类项目中使用的数据集对于模型训练至关重要。选择合适的数据集可以显著影响模型的表现和训练效率。在本项目中我使用的是CIFAR-10数据集。但有必要介绍其它一些经典且常用的图像分类数据集的详细介绍: 1. MNIST(Modified National Institute of Standards and Technology) 类型: 手写数字分类 规模: 70,000张灰度...

图像分类项目(Image Classification)

项目的介绍(1)

图像分类是计算机视觉中的一个基本任务,它涉及根据图像的内容将其分类到一个或多个类别中。图像分类项目通常使用深度学习模型来实现,尤其是卷积神经网络(CNNs),因为它们在处理图像方面非常有效。以下是图像分类项目的详细解析: 1. 问题定义 图像分类任务的目标是通过分析图像的特征,自动地将图像分配到一个或多个预定义的类别中。例如,在一个猫狗分类问题中,给定一张图片,模型需要判断图像中的对象是猫...