检索结果-南通市图书馆

基于弱监督的改进Transformer在人群定位中的应用

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年第19期59卷 92-98页

作者：高辉邓淼磊赵文君陈法权张德贤河南工业大学机电工程学院郑州450001 河南省粮食信息处理国际联合实验室郑州450001 河南工业大学信息科学与工程学院郑州450001

针对现有人群定位方法采用伪边界框或预先设计的定位图,需要复杂的预处理和后处理来获得头部位置的问题,提出一种基于弱监督的端到端人群定位网络LocalFormer。在特征提取阶段,将纯Transformer作为骨干网络,并对每个阶段的特征执行全局... 详细信息

针对现有人群定位方法采用伪边界框或预先设计的定位图,需要复杂的预处理和后处理来获得头部位置的问题,提出一种基于弱监督的端到端人群定位网络LocalFormer。在特征提取阶段,将纯Transformer作为骨干网络,并对每个阶段的特征执行全局最大池化操作,提取更加丰富的人头细节信息。在编码器-解码器阶段,将聚合特征嵌入位置信息作为编码器的输入,且每个解码器层采用一组可训练嵌入作为查询,并将编码器最后一层的视觉特征作为键和值,解码后的特征用于预测置信度得分。通过二值化模块自适应优化阈值学习器,从而精确地二值化置信度图。在不同数据环境下对三个数据集进行实验,结果表明该方法实现了最佳定位性能。

关键词：人群定位弱监督卷积神经网络全局最大池化视觉Transformer

在线全文

学校读者我要写书评

暂无评论

基于TDFFCNN模型的电能质量扰动分类

安徽大学学报（自然科学版） 2023年第5期47卷 58-64页

作者：胡杰程志友姜帅李悦汪德胜安徽大学电子信息工程学院安徽合肥230601 安徽大学教育部电能质量工程研究中心安徽合肥230601 安徽大学互联网学院安徽合肥230039

为提高电能质量扰动(power quality disturbances,简称PQD)分类准确率,提出双模态特征融合的卷积神经网络(two-dimensional feature fusion convolutional neural network,简称TDFFCNN)模型,该模型包含2个轻量化子模型.子模型1运用全局最大池化,在大量降低数据量的同时学习电能质量扰动(power quality disturbances,简称PQD)时间序列的时序特征,以增加模型提取时序特征的能力;子模型2使用小卷积核与小步长为参数的堆叠单元提取图像振幅特征,对高中低层特征进行融合,以获得细节与结构性语义.实验结果表明:TDFFCNN模型具有较强的抗噪性能;相对于其他3种模型,TDFFCNN模型的平均准确率最高.因此,TDFFCNN模型具有更强分类性能.

关键词：电能质量特征融合全局最大池化振幅特征

基于改进卷积神经网络的化纤丝饼表面缺陷识别

在线全文

学校读者我要写书评

暂无评论

纺织学报 2020年第8期41卷 39-44页

作者：王泽霞陈革陈振中东华大学机械工程学院上海201620

针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别。首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图... 详细信息

针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别。首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类。最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测。结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1%,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性。

关键词：化纤丝饼缺陷识别图像分块卷积神经网络全局最大池化主动学习方法

在线全文

学校读者我要写书评

暂无评论

基于改进残差池化层的纹理识别

计算机技术与发展 2023年第9期33卷 37-44页

作者：郭锐熊风光谢剑斌尹宇慧刘磊中北大学大数据学院山西太原030051 山西省视觉信息处理及智能机器人工程研究中心山西太原030051

纹理一直是物体图像最重要的特征之一。针对现有纹理识别模型在复杂数据集下识别准确率不高的问题,提出一种基于改进残差池化层的纹理识别算法。首先,提出多维特征融合模块,在纹理识别模型中同时利用高层特征和低层特征来提取更加有效... 详细信息

纹理一直是物体图像最重要的特征之一。针对现有纹理识别模型在复杂数据集下识别准确率不高的问题,提出一种基于改进残差池化层的纹理识别算法。首先,提出多维特征融合模块,在纹理识别模型中同时利用高层特征和低层特征来提取更加有效的纹理特征;其次,对残差池化层进行改进,在原残差池化层的基础上,引入全局最大池化支路,为纹理识别模型增加全局空间结构观察,将原残差池化层与全局最大池化支路得到的特征向量进行拼接后作为纹理特征,提升纹理识别的准确率;再次,应用局部二值模式辅助识别策略,使用局部二值模式编码映射图像为纹理识别模型提供辅助信息;最后,将得到的纹理特征输入到分类层中,得到纹理识别结果。与现有的纹理识别方法B-CNN、Deep filter banks、Deep TEN、TEX-Net-LF、locality-aware coding、DRP-Net相比,该方法具有更好的纹理识别效果。

关键词：纹理识别残差池化层全局最大池化多维特征融合模块多尺度特征

在线全文

学校读者我要写书评

暂无评论

基于RCNN的问题相似度计算方法

计算机工程与科学 2021年第6期43卷 1076-1080页

作者：杨德志柯显信余其超杨帮华上海大学机电工程与自动化学院上海200444

在搜索引擎、问答系统中利用深度学习的方法计算问题相似度是NLP领域研究的热点。结合卷积神经网络(CNN)和长短记忆网络(LSTM),提出了递归卷积神经网络(RCNN)问句相似度的计算方法,首先利用双向递归神经网络提取上下文信息,然后采用1D... 详细信息

在搜索引擎、问答系统中利用深度学习的方法计算问题相似度是NLP领域研究的热点。结合卷积神经网络(CNN)和长短记忆网络(LSTM),提出了递归卷积神经网络(RCNN)问句相似度的计算方法,首先利用双向递归神经网络提取上下文信息,然后采用1D卷积神经网络将词嵌入信息与上下文信息进行融合;再利用全局最大池化提取关键信息来完成问句的语义表示;最后通过匹配层判断问句对的相似度。在Quora Question Pairs数据集上的实验结果表明,该相似度计算方法准确率为83.57%,优于其他方法。

关键词：问题相似度递归卷积神经网络全局最大池化孪生网络

基于弱监督的改进型GoogLeNet在DR检测中的应用

在线全文

学校读者我要写书评

暂无评论

计算机应用 2019年第8期39卷 2484-2488页

作者：丁英姿丁香乾郭保琪中国海洋大学信息科学与工程学院山东青岛266100 青岛海大新星计算机工程中心大数据联合实验室山东青岛266071

针对糖尿病视网膜病变分级检测中标定样本少、多目标检测的问题,提出了一种基于改进型GoogLeNet的弱监督目标检测网络。首先,对GoogLeNet网络进行改进,去掉最后一个全连接层并保留检测目标的位置信息,添加全局最大池化层,以sigmoid交叉... 详细信息

针对糖尿病视网膜病变分级检测中标定样本少、多目标检测的问题,提出了一种基于改进型GoogLeNet的弱监督目标检测网络。首先,对GoogLeNet网络进行改进,去掉最后一个全连接层并保留检测目标的位置信息,添加全局最大池化层,以sigmoid交叉熵作为训练的目标函数以获得带有多种特征位置信息的特征图;然后,基于弱监督方法仅使用类别标签对网络进行训练;其次,设计一种连通区域算法来计算特征连通区域边界坐标集合;最后在待测图片中使用边界框定位病灶。实验结果表明,在小样本条件下,改进模型准确率达到了94.5%,与SSD算法相比,准确率提高了10%。改进模型实现了小样本条件下端到端的病变识别,同时该模型的高准确率保证了模型在眼底筛查中具有应用价值。

关键词：糖尿病视网膜病变弱监督卷积神经网络目标检测网络全局最大池化

基于多通道时频域信号的卷积神经网络智能故障诊断技术

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2021年第15期21卷 6386-6393页

作者：孙仕鑫高洁王伟杜劲松杨旭中国科学院沈阳自动化研究所沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110169 中国科学院大学北京100049 辽宁省智能检测与装备技术重点实验室沈阳110179

在滚动轴承故障诊断中,算法难以学习所有负载下的健康状态特征,为有效诊断滚动轴承在变负载下的健康状态,算法需要较强的负载域适应能力。针对上述问题,提出了基于多通道时频域信号的卷积神经网络算法。不同的小波提取不同的特征,算法... 详细信息

在滚动轴承故障诊断中,算法难以学习所有负载下的健康状态特征,为有效诊断滚动轴承在变负载下的健康状态,算法需要较强的负载域适应能力。针对上述问题,提出了基于多通道时频域信号的卷积神经网络算法。不同的小波提取不同的特征,算法采用多种小波可以提供多样的健康状态特征。并且全局最大池化替换每一空洞卷积之后的最大池化,从全局范围内提取最大激活。因此,算法只需在源域下训练,即可在目标域下得到良好的诊断效果。为验证该算法的有效性,利用公共数据集进行实验。实验结果表明,该算法在不同负载下的分类精度较其他算法有明显提高,从而可以有效识别滚动轴承的健康状态。

关键词：负载域适应能力空洞卷积全局最大池化多通道时频域信号

基于深度学习的化纤丝饼表面缺陷识别方法研究

在线全文

学校读者我要写书评

暂无评论

基于深度学习的化纤丝饼表面缺陷识别方法研究

作者：王泽霞东华大学

学位级别：硕士

化纤长丝是一种重要的纺织原料,为了方便存储和运输,通常将其卷绕在纸筒上形成化纤丝饼。由于生产过程中各种因素以及卷绕过程中的纸筒抖动等原因,最终形成的化纤丝饼表面会存在很多缺陷,这些缺陷的存在会影响丝饼的等级评定,进而影响... 详细信息

化纤长丝是一种重要的纺织原料,为了方便存储和运输,通常将其卷绕在纸筒上形成化纤丝饼。由于生产过程中各种因素以及卷绕过程中的纸筒抖动等原因,最终形成的化纤丝饼表面会存在很多缺陷,这些缺陷的存在会影响丝饼的等级评定,进而影响其价格,所以,在出厂前对丝饼进行缺陷检测是必要的。目前,大部分化纤厂使用的是人工检测方法,但是该方法可靠性不高,易出现漏检等现象。针对这一问题,本研究采用深度学习方法来实现常见化纤丝饼缺陷的识别,完成的主要工作和取得的成果如下:(1)根据实际的任务要求对采集丝饼图像所需的硬件进行相关参数计算和型号选择,完成了相机和与之匹配的镜头的选型,完成了照明部分的光源的选择以及打光方式的确定,采集了清晰、高对比度的丝饼图像,一定程度上减轻了后续算法识别部分的预处理过程。(2)采集了绊丝、成型不良、油污和正常的丝饼图像,对采集到的图像进行分块处理,突显较小的缺陷;对图像进行移位、随机旋转等数据扩充方式,进一步增加样本量并确保各类别样本的均衡;采用滤波处理降低图像噪声;最终,一共得到12465张丝饼训练样本和512张测试样本,将训练集和测试集分别制作成适合网络输入的tfrecord格式文件。(3)根据丝饼缺陷的识别任务以及丝饼的样本数量,确定了AlexNet网络作为本研究的基本网络模型,并对其进行一些改进。将首层的较大的卷积核换成较小的3×3,提取更具区分性的特征;对最后一层卷积得到的特征图,提出一种全局最大池化方法替代传统的全连接层,极大地降低了参数量,增强了网络模型对图像空间变换的鲁棒性;对网络模型中的一些关键超参数进行分析和选择,最终确定了整个网络模型。实验结果表明,本文提出的改进网络在丝饼测试集上取得了97.1%的识别准确率,识别效果较理想。(4)针对标注大量样本带来的高成本问题,从如何充分利用较少的有标签样本来快速提升网络性能的角度进行研究,提出一种主动学习方法,设计了综合考虑样本信息量和多样性的挑选准则,让网络模型基于这个准则对无标签样本进行计算和主动挑选,让专家对挑选的样本进行准确标注。对主动学习的初始注释样本和挑选停止的条件进行了设定。最后,在前面的改进模型上进行主动学习实验,实验结果表明,本文的方法仅用较少的丝饼样本就训练出具有同等性能的网络模型,降低了标注成本。

关键词：化纤丝饼缺陷识别卷积神经网络全局最大池化主动学习