基于召回损失的藏戏面具自适应语义信息提取

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Adaptive Semantic Information Extraction of Tibetan Opera Mask with Recall Loss

随着人工智能发展，自然语言处理提升语义信息利用能力。然而传统目标检测算法在处理藏戏面具数据集时表现不佳，因其存在样本有限、图案对称、类间距离高等挑战。为此，本文提出一种新型特征表示模型，包含自适应特征提取网络、轻量级高效注意力机制及召回损失函数，显著提高检测性能。实验证明，该模型在藏戏面具数据集上优于现有基线模型。

　　

摘要

随着人工智能的发展，自然语言处理使我们能够更好地理解和利用语义信息。然而，传统的目标检测算法在处理藏戏面具数据集时无法取得良好的性能，因为这些数据集具有样本数量有限、图案对称以及类间距离较大的特点。为了解决这个问题，我们提出了一种新的特征表示模型，并结合了召回损失函数来检测不同的面具特征。在该模型中，我们构建了一个具有融合层（fused layers）的自适应特征提取网络来提取特征。此外，我们还设计了一种轻量级的、高效的注意力机制来增强关键特征的重要性。同时，我们引入了召回损失函数以增加不同类别之间的差异性。最后，在藏戏面具数据集上的实验结果表明，我们提出的模型优于其他现有模型。