检索结果-南通市图书馆

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

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

在线全文

学校读者我要写书评

暂无评论

基于多任务学习的跨年龄人脸识别

哈尔滨商业大学学报（自然科学版） 2023年第1期39卷 53-59页

作者：闫鹏飞张忠民哈尔滨工程大学信息与通信工程学院哈尔滨150001

为了解决年龄因素影响下的人脸识别问题,设计了一种多任务学习模型,用以进行年龄干扰下的人脸识别.通过卷积神经网络对人脸图像进行全面的特征提取,作为多任务学习的主干部分;使用特征分解模块提取出具有年龄相关信息的掩码层,从而从混... 详细信息

为了解决年龄因素影响下的人脸识别问题,设计了一种多任务学习模型,用以进行年龄干扰下的人脸识别.通过卷积神经网络对人脸图像进行全面的特征提取,作为多任务学习的主干部分;使用特征分解模块提取出具有年龄相关信息的掩码层,从而从混杂的人脸特征中分离出年龄信息和身份信息;通过交叉熵损失函数和Arcface函数分别对年龄特征和身份特征进行约束.提出的网络对年龄干扰下的人脸特征具有较好的识别能力.

关键词：人脸识别年龄多任务学习特征分解模块交叉熵损失函数 Arcface函数

基于小规模数据集的柑橘树冠层施药情况的分类模型

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

华南农业大学学报 2021年第5期42卷 127-132页

作者：徐相华林佳翰陆健强陈宏泽杨瑞帆华南农业大学工程基础教学与训练中心广东广州510642 华南农业大学电子工程学院/人工智能学院广东广州510642 国家精准农业航空施药技术国际联合研究中心广东广州510642

【目的】提升柑橘果园的智能化管理水平,快速无损获取柑橘树冠层的施药情况,改善小规模数据集导致施药情况分类模型易发生过拟合的问题。【方法】提出一种基于卷积神经网络的柑橘树冠层施药情况分类模型-VGG_C模型。模型以VGG模型核心... 详细信息

【目的】提升柑橘果园的智能化管理水平,快速无损获取柑橘树冠层的施药情况,改善小规模数据集导致施药情况分类模型易发生过拟合的问题。【方法】提出一种基于卷积神经网络的柑橘树冠层施药情况分类模型-VGG_C模型。模型以VGG模型核心思想为基础进行构建,通过交叉熵损失函数优化,加速概率分布与真实分布的迭代过程,并在输出端引入不确定性度量计算以及在下采样模块中插入Droupout方法,降低由于数据较少而发生过拟合的概率。【结果】VGG_C模型针对训练集的分类损失值为0.44%,比ResNet和VGG模型分别降低了87%和91%;准确率为95.3%,比ResNet和VGG模型分别提高了5%和10%;验证集的预测平均准确率为96.4%。【结论】VGG_C模型通过多层卷积模型协同实现柑橘冠层热红外图像特征的高效提取,通过优化输出端结构提高了柑橘冠层施药情况分类模型在小数据集规模上的训练测试优度,可为柑橘树施药情况的智能化判断提供有效参考。

关键词：柑橘喷施药剂红外热感图像卷积神经网络交叉熵损失函数

在线全文

学校读者我要写书评

暂无评论

基于聚焦损失与残差网络的远程监督关系抽取

计算机工程 2019年第12期45卷 166-170页

作者：蔡强李晶郝佳云北京工商大学计算机与信息工程学院北京100048 北京工商大学食品安全大数据技术北京市重点实验室北京100048

基于卷积神经网络的远程监督关系抽取方法提取的特征单一,且标准交叉熵损失函数未能较好处理数据集中正负样本比例不均衡的情况。为此,提出一种基于深度残差神经网络的远程监督关系抽取模型,通过改进交叉熵聚焦损失函数,提取句子中的深... 详细信息

基于卷积神经网络的远程监督关系抽取方法提取的特征单一,且标准交叉熵损失函数未能较好处理数据集中正负样本比例不均衡的情况。为此,提出一种基于深度残差神经网络的远程监督关系抽取模型,通过改进交叉熵聚焦损失函数,提取句子中的深层语义特征,同时降低损失函数中负样本的权重,避免在NYT-Freebase标准数据集中引入NA关系类别的噪音。实验结果表明,该模型能增强深度残差神经网络对含噪音数据的表示学习能力,有效提高远程监督关系抽取任务的分类准确率。

关键词：交叉熵损失函数残差学习远程监督模型关系抽取卷积神经网络

在线全文

学校读者我要写书评

暂无评论

一种基于类不平衡学习的情感分析方法

吉林大学学报（理学版） 2021年第4期59卷 929-935页

作者：李芳曲豫宾陈翔李龙杨帆桂林电子科技大学广西可信软件重点实验室广西桂林541004 江苏工程职业技术学院建筑工程学院江苏南通226001 江苏工程职业技术学院信息工程学院江苏南通226001 南通大学信息科学技术学院江苏南通226019 江苏工程职业技术学院图文信息中心江苏南通226001

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题,提出一种基于类不平衡学习的情感分析方法.该方法利用深度学习训练过程中的概率输出,以计算样例的信息熵作为影响因子构建交叉信息熵损失函数.在IMDB公开数据集上进... 详细信息

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题,提出一种基于类不平衡学习的情感分析方法.该方法利用深度学习训练过程中的概率输出,以计算样例的信息熵作为影响因子构建交叉信息熵损失函数.在IMDB公开数据集上进行实验验证的结果表明,基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题;对数据的统计分析结果表明,该策略能提升基于双向长短期记忆网络的评论情感极性分类性能.针对AUC(area under curve)指标,使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.

关键词：文本分类长短期记忆网络类不平衡交叉熵损失函数

图像分类卷积神经网络的反馈损失计算方法改进

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2019年第7期40卷 1532-1537页

作者：周非李阳范馨月重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学光通信与网络重点实验室重庆400065

当前在图像分类领域,卷积神经网络主要通过反向传播算法训练权重和偏置.在参数的训练过程中,网络的实际输出与样本标签之间的反馈损失计算方式会影响到卷积神经网络对图像的最终分类性能.本文研究发现,当增大训练样本标签的维度,提高不... 详细信息

当前在图像分类领域,卷积神经网络主要通过反向传播算法训练权重和偏置.在参数的训练过程中,网络的实际输出与样本标签之间的反馈损失计算方式会影响到卷积神经网络对图像的最终分类性能.本文研究发现,当增大训练样本标签的维度,提高不同类别标签间的最小汉明距离,并通过sigmoid激活函数结合交叉熵计算反馈损失时,所得到的卷积网络模型对图像的分类能力优于使用softmax激活函数结合独热编码计算反馈损失所得到的卷积网络模型的分类能力.本文使用多种卷积神经网络结构,并结合多个数据集进行训练和测试,所得到的仿真结果证明了本文观点的正确性.

关键词：图像分类卷积神经网络 sigmoid激活函数交叉熵损失函数

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的船用雷达测雨算法研究

基于卷积神经网络的船用雷达测雨算法研究

作者：赵欢欢大连海事大学

学位级别：硕士

我国气象灾害频发,造成了严重的经济损失,降雨是重要的要素之一,精确定量地估测降雨,在预防洪涝灾害、减少短时突发性降雨带来的次生灾害等方面具有重要意义。随着气象技术的发展,雷达在降雨探测的实时性和探测范围上,都能很好地满足降... 详细信息

我国气象灾害频发,造成了严重的经济损失,降雨是重要的要素之一,精确定量地估测降雨,在预防洪涝灾害、减少短时突发性降雨带来的次生灾害等方面具有重要意义。随着气象技术的发展,雷达在降雨探测的实时性和探测范围上,都能很好地满足降雨观测需求。传统上测雨使用的气象雷达造价高,设备复杂,安装选址要求高。本文从性价比考虑,选择船用雷达,结合图像处理的方式进行测量降雨。本文主要研究内容包括:(1)搭建船用雷达测量降雨实验平台,并对采集的雷达原始降雨数据进行处理,主要包括去除地物杂波、雨衰减补偿,得到雨的回波图像,在图像上选择回波明显且集中的区域并保存,作为神经网络模型训练、测试的输入量。(2)本文基于经典的LeNet-5卷积神经网络模型,先是设计了一个单层次卷积神经网络模型,然后在其基础上,加入精细尺度估计部分,设计了多层次卷积神经网络模型,另外为了提取得到不同层次更多的图像信息,同时为避免梯度消失或梯度爆炸的现象发生,本文对多层次卷积神经网络进行了优化,加入残差网络模块,设计搭建了多层次残差卷积神经网络模型。用小雨、中雨、大雨的样本创建训练集,分别输入到单层次、多层次、多层次残差卷积神经网络中,对三种网络模型进行训练,用交叉熵损失函数统计损失率,为了能够快速得到最小损失,利用批量训练的方式,通过实验得出,三种网络模型对图像都具有识别分类能力,都能达到很好的收敛稳定状态。(3)对训练结束达到稳定状态的模型进行测试,重新建立小雨、中雨、大雨图像样本测试集,分别统计三种模型对小雨、中雨、大雨的识别率。通过实验分析得到,多层次残差卷积神经网络的识别率最高,效果最好,并将其用于船用雷达测雨的实际应用中。本文选择未知雨情下的雨回波图像,利用多层次残差卷积神经网络对其进行判断,得出的预测结果同大连气象网的数据进行比较,两者的降雨情况一致,满足实际应用的需求。

关键词：船用雷达雷达图像处理多层次残差卷积神经网络交叉熵损失函数

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

基于最大熵正则化的中文识别算法研究

基于最大熵正则化的中文识别算法研究

作者：徐武恒华中科技大学

学位级别：硕士

文字是人类最伟大的发明之一,它不仅是人类语言的书面表达形式,更是一种文化传承。一方面,文字作为一种重要的信息媒介,如图书、文档、票据等包含大量文字,能够方便人们的信息交流,从而显著提高办公效率。另一方面,图像、视频中的文字... 详细信息

文字是人类最伟大的发明之一,它不仅是人类语言的书面表达形式,更是一种文化传承。一方面,文字作为一种重要的信息媒介,如图书、文档、票据等包含大量文字,能够方便人们的信息交流,从而显著提高办公效率。另一方面,图像、视频中的文字携带大量的语义信息,通过识别其中的文字,有助于对特殊场景的理解。当今信息时代,文字的重要性愈加显著。由于中文字符类间相似性高,类内方差大,并且字符之间通常存在很大的数据不平衡问题,基于中文的识别模型容易过拟合,导致模型对训练数据的需求量大。因此,解决中文识别中出现的过拟合问题旨在模型能较好的区分形近字,并且能较好的区分常见字与生僻字,提高整体模型的识别率。中文文本行识别区别于中文字符识别在于一幅图片上存在多个中文字符,通常它们构成一个短语或者一个句子,通过用时序模型提取文本行文字间的语义信息以提高识别准确率。本文借助深度学习技术,结合中文的特性,开展对中文字符识别和中文文本行识别问题的研究,主要贡献如下:(1)提出一种基于最大熵正则项的中文字符识别方法,此方法是在交叉熵损失函数后加入最大熵正则项作为模型新的损失函数。首先对最大熵正则项进行了深入的理论分析,包括最大熵正则项对收敛概率分布和学习过程的影响,通过最大熵对模型进行正则化,不需对模型增加新的参数就可以提高模型的泛化性和鲁棒性。提出三种确定超参数的方法,通过灵活选择超参数在中文字符识别上取得更好的识别准确率,减轻由中文字符数据不均衡、类内差异大、类间分布具有相似性造成的过拟合问题,在自然场景数据集上识别准确率提升0.99%,在手写汉字数据集上识别准确率提升0.37%。(2)提出一种基于最大熵正则项的中文文本行识别方法,此方法是在时序分类损失函数后加入最大熵正则项作为模型新的损失函数。分析使用时序分类损失函数产生的尖峰分布问题,提出三种确定超参数的方法,通过灵活选择超参数在中文文本行识别问题上取得更好的识别准确率,减轻使用时序分类损失函数进行中文文本行识别由于峰值分布导致的模型过拟合问题,在中文场景文字数据集上识别准确率提升0.92%,在网络图像文本数据集上识别准确率提升1.55%。

关键词：中文字符识别中文文本行识别交叉熵损失函数时序分类损失函数深度神经网络

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

基于残差神经网络的代价敏感人脸识别研究

基于残差神经网络的代价敏感人脸识别研究

作者：周博言南京大学

学位级别：硕士

人脸识别是图像处理和计算机视觉领域的经典任务之一,其目的是使计算机能够通过特定的算法和程序提取人脸特征,进而识别目标人脸的身份。现有的人脸识别算法大都以降低误识别率作为目标,未将类间误分类代价纳入考虑。然而在实际应用中,... 详细信息

人脸识别是图像处理和计算机视觉领域的经典任务之一,其目的是使计算机能够通过特定的算法和程序提取人脸特征,进而识别目标人脸的身份。现有的人脸识别算法大都以降低误识别率作为目标,未将类间误分类代价纳入考虑。然而在实际应用中,不同种类的误分类情况往往是不等价的。因此,将代价敏感引入人脸识别显得十分必要。本研究基于现有的残差神经网络,提出了一种改进的残差神经网络结构,增强了模型的特征分辨能力,并在交叉熵损失函数中引入了代价敏感的机制,使其能够兼顾精度与代价,可以较好地解决多类代价敏感问题。首先对人脸特征提取网络加以研究,通过比较精度、显存和速度验证了残差神经网络是较优的人脸特征提取网络;其次,在残差神经网络的基础上增加了多尺度特征融合与通道注意力机制,进一步提升了网络模型的特征表达能力,并通过实验加以验证。最后,提出了代价敏感的交叉熵损失函数,在几乎不损失精度的前提下显著降低了误分类代价,并设计实验验证了改进算法的有效性。通过将多尺度特征融合与通道注意力机制引入残差神经网络,增强了网络模型的特征表达能力;通过把代价敏感机制引入交叉熵损失函数,使其在保持精度的前提下降低误分类价,能够解决多类代价敏感问题,在代价敏感人脸识别领域具有广泛的应用前景。

关键词：人脸识别代价敏感残差神经网络交叉熵损失函数