付费专栏
文章平均质量分 73
付费专栏
MatpyMaster
有问题夹魏,评论及私聊不回!
展开
-
多模态情感分析——基于交叉多头注意力CMA进行图文多模态融合(含MVSA数据集)
由两个独立的数据集组成,分别是MVSA-Single数据集和 MVSA-Multi数据集,前者的每条图文对只有一个标注,后者的每条图文对由三个标注者给出。删除 MVSA-Single 数据集中图片和文字标注情感的正负极性不同(存在positive和negative)的图文对,剩余的图文对中,如果图片或者文本的情感有一者为中性(neutral),则选择另一个积极或者消极的标签作为该图文对的情感标签,最终得到4511个图文对。图像处理模块采用预训练的ResNet系列模型,提取图像特征,并进行特征变换。原创 2024-06-30 20:46:10 · 890 阅读 · 0 评论 -
Python图像处理——基于Pytorch框架ResNet152特征提取的MNIST手写数字识别
小编会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner,gui设计、simulink仿真......希望能帮到你!原创 2024-06-12 23:11:59 · 449 阅读 · 0 评论 -
Matlab图像处理——细胞图像的分割和计数显示
它的主要思想是通过使用滑动窗口将信号或图像中的每一个数据点用其邻域内所有数据点的中值来替换,从而有效地去除脉冲噪声(即椒盐噪声)。使用MATLAB编写的细胞图像分割及计数系统,实现了对图像内细胞的计数,以及对每个细胞周长和面积的测量,并分别展示了分割后的每个细胞的图像。实验步骤共分为图像预处理、图像预分割、空洞填充、黏连细胞分割、细胞个数统计、细胞特征统计及显示。对分割后的二值图,实施开运算,充细胞中的孔洞,使轻微粘连细胞分开及细小的细胞消失。进行二值化预分割,将细胞作为前景分割出来。原创 2024-06-12 23:10:56 · 879 阅读 · 0 评论 -
付费文章合集第二期
matlab appdesigner,gui设计、simulink仿真......希望能帮到你!原创 2024-05-11 21:29:15 · 302 阅读 · 0 评论 -
Matlab图像处理——基于BP神经网络的车牌标识识别系统
matlab appdesigner,gui设计、simulink仿真......希望能帮到你!如果你想要进一步了解更多的相关知识,该数据集包含58类交通标志。图像的Hu的七个不变矩。原创 2024-05-01 10:31:09 · 570 阅读 · 1 评论 -
Matlab信号处理——基于BP神经网络的调制信号分类与识别
如果你想要进一步了解更多的相关知识,可以关注下面公众号联系~会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner,gui设计、simulink仿真......希望能帮到你!对信号进行采样和处理,得到了一系列特征参数,包括幅度均值、频率峰值、频率平方均值以及相位标准差、修正后的相位标准差。原创 2024-04-29 08:35:26 · 686 阅读 · 0 评论 -
付费文章合集第一期
matlab appdesigner,gui设计、simulink仿真......希望能帮到你!原创 2024-03-19 17:29:57 · 455 阅读 · 0 评论 -
Matlab图像处理——基于小波变换的数字图像水印嵌入和提取算法(GUI界面)
数字图像水印技术在信息安全领域中扮演着至关重要的角色,本文结合离散小波变换、Arnold置乱变换和奇异值分解,实现了对数字图像水印的高效嵌入和提取。结果表明:该算法能够准确实现水印的嵌入和提取功能;嵌入的水印具有良好的隐身性,人眼不能感觉出水印嵌入带来的变化;算法具有较强的鲁棒性,经过椒盐噪声、高斯噪声、JPEG压缩、高斯平滑和裁剪操作等污染及攻击后,都能较好地恢复水印信息。原创 2024-02-07 20:25:02 · 1876 阅读 · 0 评论 -
AppDesigner语音滤波器设计——IIR、IIR、维纳滤波、卡尔曼滤波、自适应滤波
App Designer是一个可视化的集成开发环境,提供了仪表、旋钮等组件,采用面向对象的设计方法。App Designer提供了各种UI组件,如按钮、文本框、图表等,以及用于布局和设计的工具。这些滤波器包括IIR低通滤波器,如巴特沃斯、切比雪夫和椭圆型滤波器,以及FIR低通滤波器,采用不同的窗函数。小编会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner,gui设计、simulink仿真......希望能帮到你!原创 2024-01-24 21:46:45 · 670 阅读 · 0 评论 -
AppDesigner滤波器幅度仿真——IIR和FIR二十余种
数字滤波器在数字信号处理中扮演着重要的角色,它可以通过增强或者抑制信号的特定频率成分,实现信号的滤波和频率调整。而在滤波器的类型中,低通、高通、带通等不同类型的滤波器则分别用于不同的信号处理需求。通过该系统,用户可以通过简单的操作,选择不同的滤波器类型和模块,调整输入参数指标,即可实现滤波器的设计和幅值的绘制。中,可以选择不同的窗函数(矩形、汉宁、汉明、布莱克曼、凯撒窗)。在本系统中,实现了IIR和FIR滤波器的设计,包括低通、高通、带通和带阻滤波器的设计。如果你想要进一步了解更多的相关知识,原创 2024-01-11 17:47:01 · 481 阅读 · 0 评论 -
多模态情感分析——多模态联邦学习UTMP源码(2023ArXiv)
设计了HA-Fedformer,这是一种基于变压器的新型模型,可以在客户端仅使用单模态数据集进行单模态训练,并通过聚合多个客户端的知识来进行多模态测试,以提高准确性。均方误差(MSE)、平均绝对误差(MAE)、Pearson相关性(Corr)、二元精度(Acc-2)、F-Score(F1)和多级精度(Acc-7)范围从-3到3。第二种,负类和正类的范围分别为[-3,0)和(0,3]。CMU-MOSI数据集和CMU-MOSEI数据集的模态有3种(语言,视觉,声音),数据集使用的是已对齐原始raw数据特征。原创 2024-01-09 09:03:03 · 1106 阅读 · 0 评论 -
多模态情感分析早期融合——基于CMU-MOSI和CMU-MOSEI数据集(文末获取源码)
在第一种,负类的标注范围为[-3,0),而非负类的标注范围为[0,3]。情绪标注是包含高兴,悲伤,生气,恐惧,厌恶,惊讶六个方面的情绪标注。在AEFT方法中,同样使用使用三个编码器(encoders),并使用Transformer和MLP模型构建了头部,并使用直接拼接的方法进行融合。在AEF方法中,使用三个编码器(encoders),然后使用GRU和MLP模型构建了头部(head),并使用直接拼接的方法进行融合。模态有3种(语言,视觉,声音),数据集使用的是已对齐原始raw数据特征。原创 2024-01-05 17:59:57 · 1824 阅读 · 0 评论 -
多模态情感分析——基于CMU-MOSI和CMU-MOSEI数据集(文末获取源码)
而且在视频中,由于口语的易变性以及伴随的手势和和声音,容易导致的模态内的动态不稳定。首先,采用早融合策略 将各模态特征进行拼接,然后将拼接的特征输入分类器中,并且每个模态的特征也单独输入 分类器中,最终得到所有组合的分类结果,并将所有分类结果进行晚融合策略。提出了一种新的模型Tensor Fusion Network(张量融合网络,TFN),TFN能够端到端地学习模态内和模态间的动态,采用一种新的多模态融合方法(张量融合)对模态间动态进行建模,模态内动态则通过三个模态嵌入子网络进行建模。原创 2024-01-05 17:51:05 · 6313 阅读 · 7 评论 -
多模态情感分析——Twitter15和Twitter17数据集
将原始的train、dev、test合并到一起,共计5338条,然后将第一列的index作为图片和文本的名字,标签从数字转换为字符串,最终得到了10676个图文对,以及一个train.txt用来保存文件名和标签。将原始的train、dev、test合并到一起,共计5972条,然后将第一列的index作为图片和文本的名字,标签从数字转换为字符串,最终得到了11944个图文对,以及一个train.txt用来保存文件名和标签。(2)第二列是情感标签(0表示负面,1表示中性,2表示正面);(1)第一列是索引;原创 2023-11-06 13:24:40 · 3717 阅读 · 0 评论 -
多模态情感分析——MVSA数据集
删除 MVSA-Single 数据集中图片和文字标注情感的正负极性不同(存在positive和negative)的图文对,剩余的图文对中,如果图片或者文本的情感有一者为中性(neutral),则选择另一个积极或者消极的标签作为该图文对的情感标签,最终得到4511个图文对。采用投票机制,即统计情感极性标注出现次数最多的作为标签,如果出现两种标签各有三个的情况则进行删除,最终得到16779个图文对。,前者的每条图文对只有一个标注,后者的每条图文对由三个标注者给出。数据集包含 5,129 条图文对(原创 2023-11-06 13:27:36 · 1935 阅读 · 3 评论 -
CV小目标识别——AITOD航空图像数据集(已处理)
标签有8类,分别是 ['airplane', 'bridge', 'storage-tank', 'ship', 'swimming-pool', 'vehicle', 'person', 'wind-mill']与现有的航拍图像目标检测数据集相比,AI-TOD中目标的平均尺寸约为12.8像素,远小于其他目标。需要下载以下两部分(第 1 部分:xView 训练集,第 2 部分:AI-TOD 的一部分)。2804张,共计28036张,都有标签,原始标签为json格式,处理后有。、通信仿真、算法设计、原创 2023-11-25 22:42:19 · 2585 阅读 · 0 评论 -
DOTA数据集切割处理——旋转框和水平框
这些图像分为15类,即飞机、船只、储罐、棒球场、网球场、篮球场、地面田径场、港口、桥梁、小型车辆、大型车辆、直升机、环岛、足球场和游泳池。包含images15749张,水平labelTxt-shuiping15749个,旋转标签labelTxt-xuanzhuan15749个。包含images5279张,水平标签labelTxt-shuiping5279个,旋转标签labelTxt-xuanzhuan5279个。包含images10494张,标签labels10494个。、通信仿真、算法设计、原创 2023-12-13 19:28:42 · 2836 阅读 · 5 评论 -
多模态情感分析——自注意力机制进行多模态融合
除了多模态处理外,该模型还支持单一模态的处理,即只有文本输入或只有图像输入。接下来,模型将文本和图像的隐藏状态进行拼接,构成共同的特征表示。通过设置attention_mask,模型实现了对文本中padding部分的处理,并使用self-attention机制进行多模态融合。介绍了一种基于BERT和ResNet的多模态模型,该模型在图像和文本信息上进行联合训练,实现了卓越的性能。最后,模型分别提取多模态融合后的图像和文本特征,并通过线性变换进行分类,得到最终的输出。(1)Twitter-15和17数据集。原创 2024-01-02 21:16:33 · 3331 阅读 · 0 评论