检索结果-南通市图书馆

作者：罗霖安徽大学

学位级别：硕士

语义分割是计算机视觉三大基础研究之一。遥感技术的发展让图像的分辨率越来越高,这给道路提取带来了极大的便利,但是由于光线、行人、建筑、汽车的遮挡以及阴影等外界因素的存在,这使得遥感影像中道路特征的复杂性和多样性增加,传统的... 详细信息

语义分割是计算机视觉三大基础研究之一。遥感技术的发展让图像的分辨率越来越高,这给道路提取带来了极大的便利,但是由于光线、行人、建筑、汽车的遮挡以及阴影等外界因素的存在,这使得遥感影像中道路特征的复杂性和多样性增加,传统的道路提取方法已经不能满足场景复杂的高分辨率遥感影像的需求,因为它们只能捕捉影像的表面特征,而且效率低下,精度也不够高。如今深度学习已经在计算机视觉、图像处理以及其他领域取得了巨大进步,它正迅速成为当今社会的焦点话题和最受关注的研究课题。深度学习技术不仅可以帮助更好地理解和处理复杂的图像问题,而且还拥有出色的自主学习能力。将深度学习应用于遥感图像就需要根据遥感图像特点构建合适的神经网络,获得特征表示,这样才能提升道路提取结果准确性,通过对多种遥感图像道路提取技术的特征表示能力进行分析和比较,本文探讨了其中的优势和不足,并且对网络的特征提取能力做出了一些改进,主要研究工作如下:在卷积神经网络中,U型结构网络已经显示出了其在图像分割方向上的有效性。但是卷积操作不能高效地捕获全局相关性。而在Transformer中,自注意力机制可以捕获长距离的特征依赖关系。本文提出了一种基于混合编码器-解码器的道路提取方法,其中包括多尺度特征提取主干网络、双向Transformer模块和特征细化模块。对于增强全局相关性,本文设计了双向Transformer模块,在降低自注意力计算成本的基础上捕获不同尺度特征图中的上下文道路信息。同时,在卷积网络特征与Transformer特征尺度不匹配的问题上,本文设计了一种特征细化模块,在特征匹配的基础上融合特征,增强遥感图像中全局和局部信息的提取融合。在三个公开的遥感道路数据集上的实验验证了本文方法是可行且有效的。在像素级分类道路提取任务的基础上,本文进一步注重于道路的矢量拓扑结构,比如方向、路口和宽度等信息,提出了一种基于分割和拓扑结构联合学习的道路提取方法。该方法用道路的角度划分和宽度将道路进行标签赋值,然后用多分类损失的计算方式将道路进行角度分类预测,同时在像素级分类的基础上引入细化子网模块继续提升像素级上的准确度。经过三个公开遥感道路提取数据集上的实验,证实了本方法的可行性和有效性。

关键词：遥感图像道路提取卷积神经网络自注意力机制拓扑结构

基于多尺度自注意力网络的目标重识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度自注意力网络的目标重识别算法研究

作者：吴瑞安徽大学

学位级别：硕士

重识别(Re-Identification,Re-ID)支持智能视频监控中的许多应用,它旨在确定视频或图库中感兴趣的查询对象在不同时间内出现的位置。随着深度学习和计算设施的快速发展,重识别技术在公共场所的智能监控领域所发挥的作用越来越大,具有良... 详细信息

重识别(Re-Identification,Re-ID)支持智能视频监控中的许多应用,它旨在确定视频或图库中感兴趣的查询对象在不同时间内出现的位置。随着深度学习和计算设施的快速发展,重识别技术在公共场所的智能监控领域所发挥的作用越来越大,具有良好的学术价值和应用前景,对于智能安保和智慧交通等系统的建设具有重要意义。尽管近年来研究人员通过改进网络性能和度量算法在多个数据集上取得了惊人的进展,但由于图像场景的复杂性,在计算机视觉领域中具有巨大发展潜力,因此仍旧是研究人员的热门讨论话题。目前重识别任务面临很多挑战性的问题,主要可分为两种:较大的类内特征差异和较小的类间特征差异。因此,设计一个网络来有效地关注对象的关键部分并实现更高的性能是研究人员的首要任务。本文开展了基于多尺度自注意力网络的目标重识别算法研究,通过在卷积神经网络(Convolutional Neural Network,CNN)中提取多尺度和全局区分性信息的方式,精确化目标的特征表示,提升模型性能。本文的主要工作如下:(1)基于双层自注意力网络的目标重识别研究:本文提出了一个基于双层自注意力网络的目标重识别模型(Double-Layer SelfAttention Network for Object Re-Identification,DLARe ID)。DLARe ID将主干中每一层瓶颈块的特征图都按通道数分为四份,除了第一个特征子图直接进行特征复用,其他特征子图均需要经过处理,并构成类似于残差的块内连接结构。前三层的特征子图经过3×3卷积提取信息,最后一层的特征子图则需要经过提出的双层自注意力模块(Double-Layer Self-Attention Module,DSA)来提取全局区分性信息。DSA有两个分支,分别捕获空间域和通道域的远程依赖特征,并与瓶颈块内可以在更细粒度级别表达多尺度的特征交互,以获取更准确的特征图。在DSA的空间域分支内,使用带有注意力的相对位置编码模块(Attention in Relative Position Encoding Module,ARPE)来校准高度和宽度方向上像素的重要程度。外层的双分支自注意力和内层使用多层感知机(Multi-Layer Perceptron,MLP)作用在相对位置编码模块上的注意力协作,增强了捕获远程依赖信息的能力。特别的是,自注意力(Self-Attention,SA)和MLP是目前大热的Transformer模型中的两个主要结构,本文在CNN中将SA和MLP重新组合,避免了CNN难以捕获精确的全局信息以及Transformer中参数过多等问题。多个数据集的综合实验表明,所提出的方法取得了良好的性能。(2)基于多尺度自注意力网络的目标重识别研究:本文提出了一个基于多尺度自注意力网络的目标重识别模型(Multi-Scale SelfAttention Network for Object Re-Identification,MSARe ID)。MSARe ID在DLARe ID的基础上引入了特征金字塔分支,使得主干在更细粒度级别表达的信息和分支中特征金字塔输出的信息可以相互结合,在加强提取多尺度信息能力的同时,更准确地定位图像区分性特征。分支内存在跨尺度连接,将输入节点和输出节点直接连接起来,以便在不增加计算量的情况下融合不同空间分辨率的特征图。此外,MSARe ID使用DSA模块在分支上提取远程依赖信息,并且分支上的结果在输出之前使用基于归一化的通道注意力(Normalization-based Channel Attention Module,NCA)进行处理,赋予通道维度上的权重信息。分支的输出结果与主干网络的输出结果进行融合,对于克服重识别任务中的多尺度问题具有至关重要的意义。多个数据集上的综合实验表明,所提出的方法取得了更好的性能。

关键词：目标重识别深度学习卷积神经网络多尺度自注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度哈希的分层图像检索方法研究

基于深度哈希的分层图像检索方法研究

作者：刘征奇安徽大学

学位级别：硕士

随着信息化的发展,计算机视觉领域中的传统方向——图像检索面临巨大的挑战。大数据时代下,互联网在提供便利的同时,也在时刻产生海量数据。其中,图像数据占据了大量的份额。针对海量图像数据的检索任务,图像哈希技术通过将图像特征压... 详细信息

随着信息化的发展,计算机视觉领域中的传统方向——图像检索面临巨大的挑战。大数据时代下,互联网在提供便利的同时,也在时刻产生海量数据。其中,图像数据占据了大量的份额。针对海量图像数据的检索任务,图像哈希技术通过将图像特征压缩到低维空间并利用汉明距离完成度量,能够有效减少存储成本并增强检索效率。针对如何进一步加快图像检索速度并提高检索精度进行分析与研究,提出了两种基于深度哈希的分层图像检索算法,主要贡献如下:(1)基于深度哈希的分层极化网络的图像检索算法研究:提出了一个分层极化网络(Hierarchical Polarized Network,HPN)用于学习精确的层次化的哈希码。该网络可以生成精确的超类特征和与超类对应的子类特征,检索时通过分层检索的方式加快检索速度。同时用一个可微分的多级极化损失函数来优化网络,以使图像特征输出更偏离零,该损失函数不用成对或三元组的数据,可以使网络模型学习哈希码的过程更简单。为了进一步提高哈希码的辨别能力,提出了分步更新、自适应更新和三元赋值三种策略。大量的实验表明,提出的HPN可以很好地学习到高辨别能力的哈希码,提高图像检索精度的同时也极大加快了检索速度。该算法在CIFAR-100、miniImageNet和DeepFashion三个公开数据集上的检索精度和速度均优于现有的基于哈希和分层的图像检索方法。(2)基于多级软伪标签的无监督哈希分层图像检索算法研究:提出了一个基于多级软伪标签的无监督哈希分层图像检索算法(Multi-level Soft Pseudo-label-based Unsupervised Hierarchical Hashing,MSPL-UHH),用于生成图像的多级软伪标签,学习多级哈希码。由于HPN中使用的分层检索技术需要用到数据集的多级语义信息,而通常的数据集仅有单一的标签,如果手工划分多级标签需要耗费大量的人力,因此本文使用无监督的方法来为图像数据生成多级标签。而为了使生成的多级标签更符合图像本身的语义,我们采用软伪标签类型,因为软伪标签可以表示不同的类间距离,同时类内距离可以用局部相似度矩阵描述,比单一的独热标签包含更多的语义信息。通过大量的实验,验证了在没有标签的情况下,基于多级软伪标签的无监督哈希分层图像检索也能取得不错的效果。

关键词：图像检索深度哈希分层结构软伪标签无监督学习

基于改进自注意力网络的无监督行人重识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进自注意力网络的无监督行人重识别研究

作者：谢梦思安徽大学

学位级别：硕士

行人重识别的任务是在不同摄像头中检索特定的行人,以实现跨摄像头的行人追踪和检索,具有广泛的应用价值。目前,大多数行人重识别方法都是有监督的方法,它要求每张行人图像都有对应的真实标签,且大部分行人图像的真实标签都源于手动制... 详细信息

行人重识别的任务是在不同摄像头中检索特定的行人,以实现跨摄像头的行人追踪和检索,具有广泛的应用价值。目前,大多数行人重识别方法都是有监督的方法,它要求每张行人图像都有对应的真实标签,且大部分行人图像的真实标签都源于手动制作的标签。然而,在现实世界中,大规模地收集真实标签是非常困难的,例如,可能没有足够多的行人在每对摄像头中重复出现。事实上,基于有监督的行人重识别方法采用带有真实标签的行人数据集,旨在提高其在有标签数据集上的识别精度。这种情况下,无法高效地将行人重识别应用于实际生活场景中,因为在实际生活场景中,可能无法获得目标域或目标人物的真实标签,这限制了行人重识别在实际生活场景中的应用。基于无监督的行人重识别方法采用不带真实标签的行人数据集,旨在学习没有真实标签的行人的深度特征,它不需要大规模的真实标签,从一定程度上节省了人力、物力资源,具有更加实际的应用意义,更加贴近现实生活场景。因此,基于无监督的行人重识别研究显得十分重要,也受到了越来越多的关注。本文侧重于基于改进自注意力网络的无监督行人重识别研究,从改进模型这个层面出发,致力于研究如何提取更有辨识度的行人特征,并结合现下比较成功的Transformer框架,提出了两种特征提取方法。本文的主要研究内容如下:(1)基于多头空间-通道自注意力网络的无监督行人重识别研究为了增强网络提取行人特征的能力,本文以Transformer中的注意力机制为基础,构造了一个多头空间-通道自注意力模块。该模块可以同时从空间维度和通道维度上学习特征图的注意力信息,是一个即插即用的模块,可以被插入到基线网络的任意地方,辅助网络学习更多的前景知识,抑制一些不相关的背景知识,以提取更为丰富的行人特征信息,进一步使得网络可以学习到更有鉴别力的特征表示,从而提出了一种基于多头空间-通道自注意力网络的无监督行人重识别方法,该方法在一定程度上提高了无监督行人重识别任务的性能。(2)基于多分支Transformer的无监督行人重识别研究应用于视觉上的原始Transformer编码器只有一个分支,它只学习图像的全局特征表示,而忽略了图像的局部特征表示,没有考虑到图像上的高级局部信息。为了更好地将Transformer框架应用于无监督行人重识别领域,增强基于Transformer的模型对行人特征的提取能力,本文将原始Transformer编码器分割成了三个独立的分支,构造了一个多分支Transformer框架。它包含一个负责学习全局特征的全局分支和两个负责学习局部特征的局部分支,以联合学习全局、局部特征,使得网络可以提取到更具判别性的行人特征,从而提出了一种基于多分支Transformer的无监督行人重识别方法,该方法在一定程度上提高了无监督行人重识别任务的性能。

关键词：无监督行人重识别 Transformer 注意力机制多分支全局-局部特征

基于感知注意力和隐空间正则化的GAN在草图到真实图像的转换研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于感知注意力和隐空间正则化的GAN在草图到真实图像的转换研究

作者：王鹏程安徽大学

学位级别：硕士

深度学习作为目前流行的研究热点,涉及到智能搜索、数据挖掘、自然语言处理以及图像和语音等各个领域。而使用生成对抗网络（Generative Adversarial Networks GAN）生成图像则是目前图像领域比较受追捧的热门探究。本文研究的则是从草... 详细信息

深度学习作为目前流行的研究热点,涉及到智能搜索、数据挖掘、自然语言处理以及图像和语音等各个领域。而使用生成对抗网络（Generative Adversarial Networks GAN）生成图像则是目前图像领域比较受追捧的热门探究。本文研究的则是从草图图像向真实世界的图像的转换。首先,研究集中了从自然风景的草图图像到真实世界的风景图像之间的相互转换。其中,草图与自然风景图像之间的转换是一对一的。草图图像在转换为真实的风景图像过程中,由于草图线条简单,颜色单一,而转换过后的风景图像景物较多,颜色繁杂,因此这种转换具有一定的挑战性。在草图风景图像到自然风景图像转换的基础之上,我们又研究了在其他几个数据集上的图像转换,同时草图图像到对应的真实风景之间的转换可能对应着多种可能的风格,草图到真实图像之间的转换并不是一对一的,而是一对多的。例如相同的草图人脸图像对应到真实的图像中,可能会有不同的肤色,发色等。因此我们在一对一的转换的基础上,设计使用隐码向量来产生多种可能的输出,实现一对多的转换。因此,本文主要做了以下几点工作:（1）设计了一个自动转换网络,我们将其命名为稀疏残差注意力生成对抗网络（SRAGAN）,来实现从草图到自然风景图像的转换。在损失函数上,除了生成对抗损失和L1正则化的逐像素损失,我们又增加了 L1正则化的感知损失,在感知上缩小原图与生成图像之间的差异,提升生成的图像的质量。（2）在生成器的设计上,使用了编码器-残差块-解码器结构。同时将注意力机制嵌入到残差块中,结合了空间注意力与通道注意力机制,将图像通道间和图像空间之间的特征关系结合起来,使得模型在提取特征时能够关注更“有用”的特征。最后在输入的图像与输出的图像之间,增加了一个“快捷”连接（Shortcut Connection）,更好的保留图像特征。（3）为了产生多样化的输出,在上述SRAGAN结构的基础上,本文在输入上增加了隐码向量实现输入的草图到输出的真实图像的一对多的转换,包括草图到包,草图到鞋,以及草图到人脸的转换。并且我们的隐码向量来源于两种隐空间,一种是标准正太分布,一种是源域图像经过编码器后产生的分布。只使用来源于标准正太分布的隐码向量,会使得生成的图像缺乏源域图像的信息,而只使用来源于源域图像经过编码器后产生的隐空间采样的隐码向量,则在测试阶段不容易取样隐码向量。因此,本文将两种隐码向量结合起来。因为这个方法基于隐空间正则化和感知注意力的生成对抗网络,因此本文将这种多模态的图像生成方法命名为LSRAGAN。（4）在原有的SRAGAN的损失函数的基础上,我们将多个感知损失结合起来,形成多联合的感知损失,更加全面的计算感知差异。同时针对模型塌陷（Mode Collapse）问题,即生成的图像趋向于相同的问题,本文提出了一种惩罚方法来正则化生成器以增加隐码向量的重要性,取样不同的隐码向量,产生不同的更加多样化的输出,称之为隐空间正则化损失。（5）经过大量的实验证明,本文提出的方法能够生成比较真实的图像,同时与其他相关的方法相比,表现出了更好的性能。

关键词：生成对抗网络注意力机制感知损失隐空间正则化多模态图像转换

基于多分支注意力网络的遥感图像场景分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多分支注意力网络的遥感图像场景分类研究

作者：魏青松安徽大学

学位级别：硕士

遥感场景分类(Remote Sensing Scene Classification,RSSC)是遥感图像领域的一个重要且活跃的分支。随着遥感技术和计算机科学技术的飞速发展,遥感场景分类在理论和实际应用中都取得了可喜可贺的成果。然而,由于遥感图像场景往往是由多... 详细信息

遥感场景分类(Remote Sensing Scene Classification,RSSC)是遥感图像领域的一个重要且活跃的分支。随着遥感技术和计算机科学技术的飞速发展,遥感场景分类在理论和实际应用中都取得了可喜可贺的成果。然而,由于遥感图像场景往往是由多种物体通过复杂多样的空间组合和关联形成的,所以RSSC依然面临着严峻的挑战。首先,除了全局信息外,局部特征对遥感图像的识别至关重要。由于CNN的层次结构和非线性拟合能力,现有网络能够很好地捕捉全局特征。然而,并未强调局部特征。其次,为了获得满意的分类结果,应该最小化/最大化来自相同/不同类别的遥感图像的距离。然而,场景分类中的这些关键点并没有得到应有的重视。为了克服上述局限性,本文提出的工作均是基于多分支注意力网络,用以提升分类网络的性能:为了更好地解决遥感图像场景分类任务中的问题,本文的第一份工作设计了一个多分支局部注意力网络(Multi Branch Local Attention Network,MBLANet)。MBLANet将卷积局部注意模块(Convolutional Local Attention Module,CLAM)嵌入到Res Net骨干网络中的所有下采样块和残差块。CLAM包含两个子模块,卷积通道注意模块(Convolutional Channel Attention Module,CCAM)和局部空间注意模块(Local Spatial Attention Module,LSAM)。两个子模块平行放置以获得通道注意力特征和空间注意力特征,这有助于强调主要目标是在复杂的背景下提高图像质量特征表示能力。CCAM采用2×1卷积层来结合两种池化特征,卷积操作可以加强网络特征学习能力和增强特征平滑度,然后用带有隐藏层的多层感知器(MLP)来获得各通道的特征权重。LSAM通过引入参数ε来改变局部空间邻域的大小,然后使用3×3的空洞卷积来进一步学习特征。这一步不仅可以在不增加参数量的情况下获得更大感受野,而且避免了下采样的信息损失。本文的第二项工作将重点聚焦于上一份工作的通道注意力分支。仅使用卷积聚合两种池化操作后的特征图不仅增大了计算量,而且还是会存在一定的特征损失。所以本工作选用局部跨通道交互策略来整合池化获得特征信息。同时,为了更好的全局语义信息,本工作引入位置信息编码用以获得空间上的长程依赖。因此,本工作设计了一个包含位置信息的通道注意力模块,称为位置通道注意力模块(Positional Channel Attention Module,PCAM),并与上份工作的空间注意力模块合成新的注意力模块。PCAM对输入特征图的W和H两个方向分别使用两个1D全局池化操作获得两个方向感知和位置敏感的特征图,同时使用基于离散余弦变换的GAP和全局最大池化GMP获得池化通道特征图。最终获得的特征权重不仅可以获得局部邻域语义信息,而且含有全局语义信息。通过捕获互补的全局和局部的相关语义信息,所以PCAM对于克服遥感图像处理中类内多样性和类间相似性的难点具有至关重要的意义。

关键词：深度学习卷积神经网络注意力模块遥感图像场景分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多重核的稀疏表示及字典学习研究

基于多重核的稀疏表示及字典学习研究

作者：许立仙安徽大学

学位级别：硕士

近年来,随着压缩感知的兴起,稀疏表示已经引I起了大量研究者的兴趣,并且它在图像恢复中已经得到了成功的运用。从大规模的数据样本中提取出过完备字典,利用稀疏表示来解决图像处理问题已经很成熟。然而,如何有效利用稀疏表示来解决模式... 详细信息

近年来,随着压缩感知的兴起,稀疏表示已经引I起了大量研究者的兴趣,并且它在图像恢复中已经得到了成功的运用。从大规模的数据样本中提取出过完备字典,利用稀疏表示来解决图像处理问题已经很成熟。然而,如何有效利用稀疏表示来解决模式识别中的问题,俨然成为一个热点。当基于稀疏表示的分类(SRC)被提出后,稀疏表示在模式识别中的运用已经迈入新的篇章。在基于稀疏表示的分类中,从由所有训练样本构成的过完备字典中选择代表元素作为一组基,而测试样本则可由该组基线性表出,其表示系数是稀疏的。通过对l0-范数或l1-范数最小化得到稀疏系数,从而根据稀疏系数对测试样本进行分类。尽管稀疏表示在该方面取得了不错的效果,但在最初选择训练样本时可能会不精确,从而在表示测试样本时产生较大的偏差,因此在运用稀疏表示时,在必要的情形下会需要对训练样本进行字典学习。与此同时,由于核方法在PCA、PCA、FDA等方面运用时展现出很大的优势,核函数法已经引起了众多研究者广大的关注。它是将原始空间中的数据映射到高维空间中去,使得在高维空间中数据之间能具有更大的区分性,从而可以达到精确地表示。因此,论文对稀疏表示和字典学习进行了研究,并分别对这两类问题建立有效的核函数法,为了充分利用核函数信息,分别建立基于多重核的稀疏表示和基于多重核的字典学习算法。论文的研究内容总结如下：(1)针对基于稀疏表示的分类缺乏显著的判别性,提出基于多重核的稀疏表示(MKSR)并用于分类问题中。在求解稀疏系数时,采用了一种简便的迭代算法,从而可以求得稀疏系数,同时对该迭代求解公式的合理性给出了理论证明。在多重核的权重问题上,不仅可以令权重自动更新,而且给出了两种不同的权重更新方式并分别进行了理论分析。实验结果表明,基于多重核的稀疏表示分类相对于稀疏表示分类的识别率有很大提升,但采取第二种权重的多重核的稀疏表示分类具有最优的分类性能。(2)为了提高字典学习在分类问题中的分类性能,更好地利用非线性结构,提出基于多重核的字典学习(MKDL)并用于分类问题中。在稀疏编码阶段,在求解稀疏系数的正交匹配追踪算法中加入多重核函数,形成多重核正交匹配追踪算法。在字典更新阶段,根据求解到的稀疏系数,在KSVD中加入多重核函数对字典进行逐列更新,形成多重核KSVD。如此往复进行稀疏编码与字典更新,从而得到更新后的稀疏系数与字典。实验结果表明,基于多重核的字典学习相比于KSVD的分类性能更优,并且比单个核的字典学习也有一定的优势。

关键词：稀疏表示稀疏表示分类(SRC) 字典学习正交匹配追踪算法(OMP) K-SVD 核方法多重核

基于门控生成对抗网络的Transformer声学模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于门控生成对抗网络的Transformer声学模型研究

作者：吕旭东安徽大学

学位级别：硕士

近几年深度学习技术的发展使语音识别准确率显著提高,但在自然环境中,语音识别系统经常会受到环境噪声的干扰。对训练集叠加噪声的加噪训练是提升声学模型噪声鲁棒性的常用方法,但加噪训练会使模型在安静环境中的表现变差。Transformer... 详细信息

近几年深度学习技术的发展使语音识别准确率显著提高,但在自然环境中,语音识别系统经常会受到环境噪声的干扰。对训练集叠加噪声的加噪训练是提升声学模型噪声鲁棒性的常用方法,但加噪训练会使模型在安静环境中的表现变差。Transformer是语音识别领域通用的建模方法,具有训练速度快,识别效果好等优点。本文工作是利用门控生成对抗网络来改善Transformer声学模型加噪训练的效果。(1)本文第一部分工作是在Transformer声学模型加噪训练中引入生成对抗网络,将声学模型的浅层作为生成对抗网络的生成器部分。生成器处理输入的音频特征,一方面送入声学模型的其他层得到相应输出,另一方面使判别器难以分辨特征的来源。通过对抗训练使声学模型的浅层尽量学习到噪声无关的特征信息,改善Transformer声学模型加噪训练的效果。(2)本文第二部分工作是在Transformer声学模型中引入门控卷积神经网络,对抗训练使门控单元学会抑制噪声有关的特征,强化声学模型的特征学习能力。在Aishell-1数据集上的实验结果表明,相比于仅进行加噪训练的模型,引入门控生成对抗网络的模型在参数量和推理速度不变的情况下,在干净测试集的字错率相对下降了4.4%,在带噪测试集的字错率相对下降了5.3%。

关键词：语音识别 Transformer声学模型生成对抗网络噪声鲁棒性门控卷积神经网络

基于卷积区域重配准与角度平滑分类回归损失的遥感单阶段目标检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积区域重配准与角度平滑分类回归损失的遥感单阶段目标检测...

作者：代北敏安徽大学

学位级别：硕士

图像分类、目标检测和语义分割是计算机视觉领域的三个基本任务。目标检测要求同时确定图片中目标的类别和位置。遥感图片中的目标具有任意的旋转方向,且目标尺寸差异较大,因此检测难度更大。本文主要研究基于单阶段检测框架与卷积区域... 详细信息

图像分类、目标检测和语义分割是计算机视觉领域的三个基本任务。目标检测要求同时确定图片中目标的类别和位置。遥感图片中的目标具有任意的旋转方向,且目标尺寸差异较大,因此检测难度更大。本文主要研究基于单阶段检测框架与卷积区域重配准的遥感图像中的旋转物体检测算法,主要贡献如下:(1)基于卷积区域重配准的遥感单阶段目标检测研究本文提出一种由粗糙到精细的单阶段目标检测器,主要包括一个增强的特征金字塔网络、多尺度特征聚合模块和卷积区域重配准模块。对于特征增强,本文设计了一种结合了残差融合方式的双向连接特征金字塔网络,用于同时提取图像中更为丰富和具体的特征。同时,在检测头部分,本文设计了一种多尺度特征融合模块,利用多尺度的特征检测具有不同大小的物体。针对特征不匹配问题,本文设计了一种自适应的特征重配准模块,也叫做特征对齐模块,根据粗糙阶段的检测结果自适应调整卷积过程中的采样区域,从而在精细阶段获得更加精准的检测结果。在公共遥感数据集上的实验结果证明了本方法的有效性。(2)基于角度平滑分类及回归损失的遥感单阶段目标检测研究本文从遥感目标的旋转角度的检测出发,提出了一种基于角度平滑分类及回归损失的角度损失函数。该方法对原本纯粹基于回归方式的旋转角度损失进行改进,利用旋转角度的周期性特点和泛化的交叉熵损失,并且结合分类的思想,利用分类和回归的互补,降低训练的难度,获得更好的训练效果,同时保持网络的检测速度。在公共遥感数据集DOTA和HRSC2016上的实验结果同样被证明了本方法的有效性。

关键词：遥感目标检测特征增强特征对齐单阶段网络损失函数

基于L1-范数的二维非贪婪加权最大间距准则研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于L1-范数的二维非贪婪加权最大间距准则研究

作者：左冲安徽大学

学位级别：硕士

当今社会,计算机的发展可谓是一日千里,人们利用计算机从生活中获得了越来越多的信息。比如在计算机视觉领域中,随着计算机软硬件的发展以及数码产品的普及,图像的数量以及维数每年以指数次方的速度增加。图像的维数越高,包含的信息就... 详细信息

当今社会,计算机的发展可谓是一日千里,人们利用计算机从生活中获得了越来越多的信息。比如在计算机视觉领域中,随着计算机软硬件的发展以及数码产品的普及,图像的数量以及维数每年以指数次方的速度增加。图像的维数越高,包含的信息就越丰富。然而并不是所有的信息都是有用的,高维图像数据中同样包含了大量的冗余信息。我们在处理图像的过程中,这些无用的信息常常会带来许多棘手的问题。因此,在处理图像之前经常需要执行降维操作。经典一维线性降维方法,如PCA、LDA等。二维方法,如2DPCA、2DLDA等。还有以L1-范数为度量准则的方法,如PCA-L1、MMC-L1等。它们在许多场景中都取得了很好的效果。但是传统LDA对于多分类比较薄弱,这是由于它的目标函数中过分强调离中心间距大的类别,导致在特征空间中可以很好的分离离中心间距大的类别,却容易混淆离中心间距小的类别。而且以L1-范数为度量准则的方法由于L1-范数存在绝对值符号,难以直接求解目标函数。很多以L1-范数为度量准则的方法都采用贪婪策略逐个地求解每一个投影方向,这种做法所求得的最优解容易陷入局部值。针对这些方法的不足,一些基于加权的降维方法提了出来,如ILDA等方法,其主要思想是重新定义了目标函数,弱化离样本总体中心比较远的类别并且强调离样本总体中心比较近的类别对最终投影方向的影响,避免了离样本总体中心比较近的类别在降维后混叠在一起。同时还有一些基于非贪婪思想的降维方法被提了出来,如NPCA-L1等方法,这些方法的优点在于可以同时优化整个投影矩阵。此外,一些基于最大最小思想的降维方法已经被应用于许多场景中,并且取得了不错的效果。如CLMLDA、RMMLDA等。通过对上述方法的研究以及针对它们的不足之处,我们提出了以下三种改进方法:(1)针对MMC-L1降维前需要将图像矩阵向量化,导致破坏了图像的空间结构信息以及2DMMC对噪声鲁棒性较差并且处理多分类比较薄弱的问题,提出了基于L1-范数的二维加权最大间距准则(2DWMMC-L1)。该方法具有三个优点:一是以L1-范数为度量准则,增强算法的抗噪能力。二是避免将输入样本拉成向量形式,直接在样本矩阵上进行投影,以免破坏样本矩阵的空间结构信息。三是重新定义目标函数,弱化离样本总体中心比较远的类别并且强调离样本总体中心比较近的类别对最终投影方向的影响,避免了离样本总体中心比较近的类别在降维后混叠在一起。最后,给出求解目标函数的方法以及单调性证明。(2)由于传统基于L1-范数的降维方法中存在绝对值操作,不易直接求解目标函数的最优解。因此,很多基于L1-范数的降维方法都采用贪婪策略逐个地求解每一个投影方向,这种做法所求得的最优解容易陷入局部值。所以我们提出了基于L1-范数的二维非贪婪加权最大间距准则(2DNWMMC-L1)。相比较传统的2DWMMC-L1方法,该方法最突出的亮点在于可以同时优化所有的投影向量,寻求更好的投影矩阵。(3)通过将max-min的思想引入MMC-L1中,提出了基于L1-范数的非贪婪最大最小间距准则(NMLM-L1)以及二维扩展版本。该方法充分利用max-min的思想以及MMC-L1的优点,并采用非贪婪的优化算法求解目标函数。

关键词：线性降维 L1-范数非贪婪最大最小