检索结果-南通市图书馆

同方期刊数据库

电子监控部分遮挡目标单模态自监督信息挖掘技术

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第10期47卷 47-51页

作者：周艳秋高宏伟何婷辛春花内蒙古农业大学内蒙古包头014109

针对电子监控视频中受遮挡目标识别难度高的问题,提出一种电子监控部分遮挡目标单模态自监督信息挖掘技术。为了得到目标的状态信息,利用遮挡检测方法判断监控视频中是否存在部分遮挡目标。当监控视频存在部分遮挡目标时,利用减法聚类... 详细信息

针对电子监控视频中受遮挡目标识别难度高的问题,提出一种电子监控部分遮挡目标单模态自监督信息挖掘技术。为了得到目标的状态信息,利用遮挡检测方法判断监控视频中是否存在部分遮挡目标。当监控视频存在部分遮挡目标时,利用减法聚类方法进行特定目标的识别、跟踪或描述,并提供更准确和详细的目标特征信息。在此基础上,将交叉熵损失函数与软间隔三元组损失函数构建的监督遮挡目标特征学习判别损失函数作为部分遮挡目标信息挖掘的目标函数,在每个批次的电子监控样本中,搜寻最小距离的负样本对以及最大距离的正样本对,并通过反向传播优化参数。由此输入电子监控图像样本,通过前向传播输出得到电子监控部分遮挡目标单模态自监督信息挖掘结果。实验结果表明,所提出的技术可以有效挖掘电子监控部分遮挡目标,目标挖掘的mAP值高于0.9,能够为提升监控目标识别精度提供可靠依据。

关键词：电子监控遮挡检测单模态自监督信息挖掘交叉熵损失函数三元组损失函数

基于深度学习的通信软件DDoS攻击检测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

长江信息通信 2024年第6期37卷 102-104页

作者：赵菊芳广州商学院广东广州511363

由于不同尺度上的通信软件数据不具有可比性,导致在对DDoS攻击进行检测时,可靠性偏低,为此,提出基于深度学习的通信软件DDoS攻击检测方法研究。将所有的通信软件数据转换为0到1之间的值后,通过计算出所有可能的灰度级组合在单位距离和... 详细信息

由于不同尺度上的通信软件数据不具有可比性,导致在对DDoS攻击进行检测时,可靠性偏低,为此,提出基于深度学习的通信软件DDoS攻击检测方法研究。将所有的通信软件数据转换为0到1之间的值后,通过计算出所有可能的灰度级组合在单位距离和特定方向上的出现频率构建了通信软件数据灰度共生矩阵,将通信软件数据灰度共生矩阵的均值和方差特征作为基准,利用SHA-256哈希函数将数据转换为二进制编码形式。将重构后的数据输入到包含交叉熵损失函数的CNN网络中,根据更新偏置与通信软件数据灰度共生矩阵特征参数之间的关系,确定DDoS攻击数据。在测试结果中,PPV始终稳定在0.88以上,TPR稳定在0.92以上,具有较高的可靠性。

关键词：深度学习通信软件 DDoS攻击检测交叉熵损失函数 CNN网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

融合残差连接的图像语义分割方法

计算机测量与控制 2024年第1期32卷 157-164页

作者：王龙宝张珞弦张帅徐亮曾昕徐淑芳河海大学计算机与信息学院南京210000 河海大学水利部水利大数据技术重点实验室南京210000 中国电建集团昆明勘测设计研究院有限公司昆明650000 长江生态环保集团有限公司武汉430061

由于传统SegNet模型在采样过程中产生了大量信息损失,导致图像语义分割精度较低,为此提出了一种融合残差连接的新型编-解码器网络结构:文中引入了多残差连接策略,更为全面地保留了多尺度图像中包含的大量细节信息,降低还原降采样所带来... 详细信息

由于传统SegNet模型在采样过程中产生了大量信息损失,导致图像语义分割精度较低,为此提出了一种融合残差连接的新型编-解码器网络结构:文中引入了多残差连接策略,更为全面地保留了多尺度图像中包含的大量细节信息,降低还原降采样所带来的信息损失;为进一步加速网络训练的收敛效率,改善样本的不平衡问题,设计了一种带平衡因子的交叉熵损失函数,对正负样本不平衡现象予以针对性的优化,使得模型的训练更加高效;实验表明该方法较好地解决了语义分割中信息损失以及分割不准确的问题,与SegNet相比,本网络在Cityscapes数据集上进行精细标注的mIoU值提高了约13%。

关键词：语义分割残差连接交叉熵损失函数 SegNet模型深度学习

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于DNN的飞机俯仰运动响应预测研究

飞行力学 2022年第2期40卷 53-60页

作者：张晓敏中国飞行试验研究院陕西西安710089 航空工业飞行仿真航空科技重点实验室陕西西安710089

针对人工智能的辨识方法在飞行器模型辨识应用中存在间接依赖数学模型以及泛化能力较低的局限性问题,基于深度学习思想,提出了一种新的数据处理方式,完成飞行器的系统模型辨识。首先,针对飞行器动态模型的特点,提出一种基于时序性的飞... 详细信息

针对人工智能的辨识方法在飞行器模型辨识应用中存在间接依赖数学模型以及泛化能力较低的局限性问题,基于深度学习思想,提出了一种新的数据处理方式,完成飞行器的系统模型辨识。首先,针对飞行器动态模型的特点,提出一种基于时序性的飞行数据处理方式;其次,采用交叉熵损失函数进一步优化深度神经网络;最后,针对飞行器纵向非线性模型进行仿真计算。仿真结果表明,训练好的模型成功提取了飞行器输入与输出之间的非线性映射关系,使得基于深度神经网络的飞行器模型能够对未知输入进行状态预测,克服了目前基于神经网络辨识算法的局限性。

关键词：系统辨识深度神经网络飞行器建模交叉熵损失函数

基于改进FCN双路径特征融合的局部放电图谱识别

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2022年第24期45卷 132-136页

作者：金玉袁和金华北电力大学计算机系保定071003 复杂能源系统智能计算教育部工程研究中心保定071003

针对电力设备局部放电图谱的识别问题,提出一种改进交叉熵损失函数的双路径全卷积神经网络模型。使用局放图谱作为模型输入,采用双路径的方式,两路使用不同大小卷积核分别提取图谱较深层和较浅层特征,然后进行特征融合。使用卷积层代替... 详细信息

针对电力设备局部放电图谱的识别问题,提出一种改进交叉熵损失函数的双路径全卷积神经网络模型。使用局放图谱作为模型输入,采用双路径的方式,两路使用不同大小卷积核分别提取图谱较深层和较浅层特征,然后进行特征融合。使用卷积层代替全连接层,更多保留局放特征间的空间关联性。改进的交叉熵损失函数可以使模型更适用于数据集样本不均衡的情况。实验结果表明,改进FCN双路径特征融合识别方法准确率达到99.31%,可以准确识别局放图谱,且模型参数量更小。

关键词：局部放电卷积神经网络特征融合交叉熵损失函数

在线全文

学校读者我要写书评

暂无评论

基于特征融合与分解的中国书法风格分类

基于特征融合与分解的中国书法风格分类

作者：周勇南昌大学

学位级别：硕士

中国书法中蕴含着丰富的艺术价值与美术价值,是中华文化的无价之宝。本文关注于中国书法研究中的一个重要分支——中国书法风格分类问题。由于其巨大的类内差异与较小的类间差异,中国书法风格分类问题仍然十分具有挑战性。因此,本文提... 详细信息

中国书法中蕴含着丰富的艺术价值与美术价值,是中华文化的无价之宝。本文关注于中国书法研究中的一个重要分支——中国书法风格分类问题。由于其巨大的类内差异与较小的类间差异,中国书法风格分类问题仍然十分具有挑战性。因此,本文提出了一种嵌入特征融合和特征分解模块的新型卷积神经网络来解决这个问题。在该卷积神经网络架构中,首先融合了几张来自于同一类别的图片的特征来增强它们潜在的风格相关特征。随后,将融合后的特征输入一个注意力模块来将其分解为两个分量,即风格相关的特征与风格无关的特征。之后又进一步应用两种类型的损失函数来共同监督网络的训练。一方面,风格相关的特征将被输入一个由交叉熵损失监督的风格分类器来获得分类结果。另一方面,一个基于皮尔森相关系数构造的相关性损失函数将用来监督两个分量的相关性,以此来使分解的两个分量尽可能地正交。最终,网络模型通过同时优化这两种损失函数来完成训练。由于目前现有的中国书法风格分类的数据集容量都相对较小,因此本文在已有的数据集上进行了扩充,并且进行了一些模糊处理,使得图片更加贴近现实场景。本文在已有CCS数据集以及扩充后的eCCS数据集上都进行了大量的消融实验和对比实验。其中消融实验的结果证明了特征融合模块与特征分解模块的有效性,对比实验在CCS数据集与eCCS数据集上的准确率都超越了现有方法,分别达到了98.63%和94.35%的准确率。

关键词：中国书法风格分类特征融合特征分解交叉熵损失函数相关性损失函数联合监督

基于非局部区域像素增强和特征信息关联的语义分割问题算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非局部区域像素增强和特征信息关联的语义分割问题算法研究

作者：魏艳军山东师范大学

学位级别：硕士

在计算机视觉中,语义分割是其中一项重点工作。随着社会经济的发展,越来越多的应用场景需要通过观察和分析图片获得相关的信息和概念。语义分割技术在现代科技社会的发展中扮演着重要的角色,它广泛应用于地理信息系统、无人车驾驶、医... 详细信息

在计算机视觉中,语义分割是其中一项重点工作。随着社会经济的发展,越来越多的应用场景需要通过观察和分析图片获得相关的信息和概念。语义分割技术在现代科技社会的发展中扮演着重要的角色,它广泛应用于地理信息系统、无人车驾驶、医疗影像分析和机器人等领域。语义分割可以提供更丰富的语义信息,使本设计能够更加精准地识别图像,并为自动驾驶、机器人以及图像搜索引擎等领域提供重要的支持。作为计算机视觉的核心问题,语义分割的重要性日渐突出。语义分割实际上是像素级的分类任务。对于这种任务而言,平衡实时性和高精度成为了本文的研究重点。其中模型编解码器的优良在很大程度上直接影响语义分割的精度和速度。因此,本文将探讨如何提高语义分割网络的速度和精度。主要的研究工作如下:(1)本文提出了一种基于非局部区域像素增强(NRPENet)的语义分割网络。在ANNet网络的基础上,本文设计了两个新的模块:CERM(Channel Enhancement Regions Module)和PEPM(Position-enhanced Pixels Module)。非局部区域像素增强网络有三个改进的创新点:第一,在骨干网络第四阶段之后,利用卷积模块将ANNet第四阶段的特征通道数压缩为数据集类别数,经过归一化函数得到类别概率特征图,并用交叉熵损失函数监督类别区域形成。第二,将两个矩阵乘法缩减成一个矩阵乘法。本文将类别概率特征图中的每一个通道对骨干网络输出特征图中的每一个通道进行矩阵加权。通过这样的操作,本文不仅考虑到了特征图通道之间的关系,还增强了特征图的区域像素表示。第三,对于PEPM(Position-enhanced Pixels Module),将APNB一个输入端改进为两个输入端,PEPM两个输入端充分利用了CERM输出的特征图和骨干网络输出的特征图。PEPM通过建立特征图空间方向的像素依赖关系,避免了因为多阶段特征信息提取造成的特征图分辨率消失的问题。通过利用CERM输出的特征图和骨干网络输出的特征图,提高了特征图关键信息的利用率。总体来说,CERM和PEPM模块的结合,不仅提高了语义分割网络的精度,而且有效地减少了网络参数和运算量,提高了网络的速度和效率。(2)基于特征信息关联的图像语义分割算法,分为通道特征图信息关联和特征图像素之间的信息关联。卷积神经网络对图片进行特征提取时,需要多层卷积块来覆盖图片的全部感受野以提高信息提取的效果。但是过多的卷积块会增加参数量并导致网络过拟合。此外,多层卷积不利于提取特征图的全局信息,但具有强大的空间细节信息提取能力。对于边缘和小目标的物体,堆叠过多的卷积层会导致分辨率损失,难以进行分割。物体极易受光照等外界因素影响,导致不同的类别被错误地分为同一类别,而相同的类别被分隔成不同的类别。因此,本文提出了特征加权选择模块(FWS),利用权重向量加权输入特征图,将容易分割的物体赋予小权重,难以分割的物体赋予高权重。FWS可以将像素聚集在同一类别内,区分不同类别的像素,从而平衡了各类别的准确度。FWS输出的特征图存在通道信息关联,可以根据其它特征图的上下文信息做出准确的判断。然而,FWS仅考虑通道与通道之间的关系,而未考虑全局方向上像素与像素之间的关系。因此,在FWS之后,本文设计了卷积结合Transformer(CTrans)模块来建立像素之间的长距离的相互依赖关系,以捕捉特征图的全局信息和空间细节信息。原始的Transformer由多层注意力组成,具有强大的全局信息提取能力,但对空间细节信息不敏感。因此,本文结合了Transformer和卷积块的优点,在不增加模型参数的情况下实现了高精度和高速度的语义分割。相对于其他经典算法,本文的方法在精度和实时性上具有优越性。

关键词：矩阵乘法区域像素表示交叉熵损失函数特征信息关联卷积结合Transformer

基于改进YOLOv2模型的驾驶辅助系统实时行人检测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车工程 2019年第12期41卷 1416-1423页

作者：白中浩李智强蒋彬辉王鹏辉湖南大学汽车车身先进设计制造国家重点实验室

为解决驾驶辅助系统(ADAS)对复杂背景行人和小尺寸行人检测精度较低的问题,基于深度神经网络模型YOLOv2建立了ADAS实时行人检测模型YOLOv2-P。首先在特征提取网络中采用参数化修正线性单元激活函数,以从训练数据中自适应地学习参数,并... 详细信息

为解决驾驶辅助系统(ADAS)对复杂背景行人和小尺寸行人检测精度较低的问题,基于深度神经网络模型YOLOv2建立了ADAS实时行人检测模型YOLOv2-P。首先在特征提取网络中采用参数化修正线性单元激活函数,以从训练数据中自适应地学习参数,并在行人检测网络中采用多层特征图融合方法,将低层特征图信息与高层特征图信息进行融合;然后使用交叉熵损失函数替代YOLOv2模型中的sigmoid激活函数,并对宽度、高度损失函数进行归一化处理;最后采用迭代自组织数据分析算法对行人数据集中行人边界框尺寸进行聚类。试验结果表明:相比于YOLOv2,YOLOv2-P对复杂背景行人及小尺寸行人的检测精度有明显提升,能够满足ADAS行人检测准确性和实时性需要。

关键词：行人检测驾驶辅助系统参数化修正线性单元交叉熵损失函数迭代自组织数据分析算法

在线全文

学校读者我要写书评

暂无评论

融合双重注意力机制的戴口罩人脸识别方法

计算机与现代化 2023年第2期 72-77页

作者：盛江岸陈淑荣上海海事大学信息工程学院上海201306

针对现有人脸识别模型无法从戴口罩人脸中有效提取区域特征问题,提出融合双重注意力机制的戴口罩人脸识别模型。首先将自建的戴口罩人脸图像作为输入数据,以ResNet50为基准网络,向残差块中引入协调注意力与分割注意力机制。其中协调注... 详细信息

针对现有人脸识别模型无法从戴口罩人脸中有效提取区域特征问题,提出融合双重注意力机制的戴口罩人脸识别模型。首先将自建的戴口罩人脸图像作为输入数据,以ResNet50为基准网络,向残差块中引入协调注意力与分割注意力机制。其中协调注意力用于减少口罩区域特征提取,降低口罩区域特征干扰;分割注意力用于细粒度提取非口罩区域特征,从关键部位提取更多特征。然后使用ArcFace分类函数优化分类边界,再结合交叉熵损失函数作为约束,实现戴口罩人脸精细识别。实验结果表明,本文模型在测试集取得95.2%的识别准确率,与ResNet50、AttentionNet模型相比,识别准确率分别提高1个百分点、1.5个百分点。

关键词：戴口罩人脸识别模型协调注意力分割注意力 ArcFace分类函数交叉熵损失函数