页岩扫描电镜(scanning electron microscope,SEM)图像智能识别能够快速分析页岩储层矿物,是页岩油储层“甜点”预测的重要手段之一,也是未来的技术发展趋势。传统方法在鉴定矿物成分时存在自动化程度低、样本适配度低和特征提取受限等...页岩扫描电镜(scanning electron microscope,SEM)图像智能识别能够快速分析页岩储层矿物,是页岩油储层“甜点”预测的重要手段之一,也是未来的技术发展趋势。传统方法在鉴定矿物成分时存在自动化程度低、样本适配度低和特征提取受限等问题。为此,本文提出基于BlendMask的页岩SEM图像鉴定方法。首先,采用双边滤波、拉普拉斯和图像归一化等图像预处理技术对原始图像进行去噪、锐化和像素统一处理,提高训练样本的质量;然后,采用旋转、缩放、光度变化等图像增广方法构建增广策略,扩大数据集数量;最后,利用注意力机制和深度可分离卷积改进BlendMask网络,实现图像的成分分割与识别。应用于海塔盆地的页岩SEM图像实验结果表明,相比BlendMask模型,改进后方法的分割准确率和召回率分别提升了0.02~0.20和0~0.59,分割用时减少了1.29~2.70 s。展开更多
现有短视频推荐方法存在用户短期兴趣表示和短期兴趣代理提取不完全,导致长短期兴趣解纠缠不充分的问题。提出了一种自监督短期兴趣特征增强的短视频推荐模型(short video recommendation model based on self-supervised short-term in...现有短视频推荐方法存在用户短期兴趣表示和短期兴趣代理提取不完全,导致长短期兴趣解纠缠不充分的问题。提出了一种自监督短期兴趣特征增强的短视频推荐模型(short video recommendation model based on self-supervised short-term interest feature enhancement,SSER)。该模型采用自监督的对比学习方法对用户长短期兴趣进行解纠缠,针对短期兴趣表示提取不完全的问题,提出采用扩展循环神经网络(dilated RNN)从非线性的用户交互序列中有效捕捉用户短期兴趣表示;针对短期兴趣代理提取不完全的问题,提出一种多头自注意力机制的短期兴趣代理增强方式,该方式首先使用自注意力机制对短期交互序列嵌入数据进行噪声消除,随后融合从用户序列中提取的短期兴趣普遍特征和突出特征形成融合向量,采用多头自注意力机制从融合向量中提取短期兴趣代理,从而有效增强短期兴趣代理的提取。在KuaiRec短视频数据集上进行了多项实验,结果表明该模型在多个评价指标上优于其他主流方法。展开更多
文摘页岩扫描电镜(scanning electron microscope,SEM)图像智能识别能够快速分析页岩储层矿物,是页岩油储层“甜点”预测的重要手段之一,也是未来的技术发展趋势。传统方法在鉴定矿物成分时存在自动化程度低、样本适配度低和特征提取受限等问题。为此,本文提出基于BlendMask的页岩SEM图像鉴定方法。首先,采用双边滤波、拉普拉斯和图像归一化等图像预处理技术对原始图像进行去噪、锐化和像素统一处理,提高训练样本的质量;然后,采用旋转、缩放、光度变化等图像增广方法构建增广策略,扩大数据集数量;最后,利用注意力机制和深度可分离卷积改进BlendMask网络,实现图像的成分分割与识别。应用于海塔盆地的页岩SEM图像实验结果表明,相比BlendMask模型,改进后方法的分割准确率和召回率分别提升了0.02~0.20和0~0.59,分割用时减少了1.29~2.70 s。
文摘现有短视频推荐方法存在用户短期兴趣表示和短期兴趣代理提取不完全,导致长短期兴趣解纠缠不充分的问题。提出了一种自监督短期兴趣特征增强的短视频推荐模型(short video recommendation model based on self-supervised short-term interest feature enhancement,SSER)。该模型采用自监督的对比学习方法对用户长短期兴趣进行解纠缠,针对短期兴趣表示提取不完全的问题,提出采用扩展循环神经网络(dilated RNN)从非线性的用户交互序列中有效捕捉用户短期兴趣表示;针对短期兴趣代理提取不完全的问题,提出一种多头自注意力机制的短期兴趣代理增强方式,该方式首先使用自注意力机制对短期交互序列嵌入数据进行噪声消除,随后融合从用户序列中提取的短期兴趣普遍特征和突出特征形成融合向量,采用多头自注意力机制从融合向量中提取短期兴趣代理,从而有效增强短期兴趣代理的提取。在KuaiRec短视频数据集上进行了多项实验,结果表明该模型在多个评价指标上优于其他主流方法。
