检索结果-南通市图书馆

基于动态轻量化卷积神经网络的遥感影像目标检测研究

在线全文

学校读者我要写书评

暂无评论

基于动态轻量化卷积神经网络的遥感影像目标检测研究

作者：谢大帅长安大学

学位级别：硕士

光学遥感目标检测技术在诸多行业及领域有广泛且重要的应用。在自然资源调查及保护方面,光学遥感目标检测有助于有效掌握重点资源变换情况。在城市规划方面,光学遥感目标检测具有重要应用。在军事应用方面,光学遥感影像目标检测能帮助... 详细信息

光学遥感目标检测技术在诸多行业及领域有广泛且重要的应用。在自然资源调查及保护方面,光学遥感目标检测有助于有效掌握重点资源变换情况。在城市规划方面,光学遥感目标检测具有重要应用。在军事应用方面,光学遥感影像目标检测能帮助进行精准的目标打击。近年来,随着卷积神经网络快速发展,光学遥感图像目标检测算法得到广泛应用。目前,基于深度学习的目标检测算法可以分为两类:一种是以YOLO(You Only Look Once)系列为代表的单阶段卷积神经网络目标检测算法,另一种是以R-CNN(RegionCNN)为代表的双阶段卷积神经网络目标检测算法。考虑到卷积神经网络模型参数多,计算量大,在各类边缘计算场合部署存在一定的困难,因此,轻量化卷积神经网络成为一个重要研究方向,其具备网络参数少、计算量小等特点,能满足嵌入式设备的运行要求。动态卷积神经网络具有可动态调整网络结构与网络参数等特点,可自适应构建卷积神经网络结构、选择最优的网络内部结构参数。本文将轻量化与动态网络构建方法相结合,实现了基于动态轻量化卷积神经网络的高分辨率光学遥感目标检测,提出方法具备模型参数少、可快速训练和在线检测,模型性能与检测任务复杂度、计算资源之间的动态平衡等诸多优点。主要内容如下:1、本文提出了一种基于YOLO-Squeeze Net轻量化卷积神经网络遥感影像目标检测方法。该方法引入Squeeze Net轻量化骨干提取网络作为YOLOv3特征提取结构,在本文构建的广域重点建筑物目标检测数据集上进行实验,证明本文方法保证精度的同时,可减少了网络参数,提高检测速度。2、本文提出了一种动态轻量化卷积神经网络遥感目标检测方法。在遥感图像目标检任务中,利用动态网络可扩展性、结合数据集的自适应选择、及本文提出的轻量化检测模型,实现目标检测种类精度与模型结构的匹配。实验证明,本文提出的Dark Net-53动态卷积神经网络m AP达到92.08%,高于诸多主流目标检测模型;Squeeze Net轻量化动态卷积神经网络m AP达到88.70%,相对于主流基准目标检测模型,仅仅牺牲少量精度,即可进一步大大减少网络参数、实现快速训练和在线检测。

关键词：深度学习卷积神经网络轻量化卷积神经网络动态卷积神经网络遥感影像目标检测

基于动态网络的文本敏感信息感知脑响应检测模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

传感器与微系统 2024年第4期43卷 152-156页

作者：李慧敏曾颖童莉鲁润南闫镔郑州大学网络空间安全学院河南郑州450001 战略支援部队信息工程大学信息系统工程学院河南郑州450001

针对文本敏感信息感知过程复杂和个体差异大造成敏感信息感知脑响应潜伏期不确定性的问题,提出了一种基于动态卷积神经网络的脑响应检测模型——DyCNN_CBAM。该模型通过增加的动态卷积模块,让每层的卷积参数在训练的时候随着输入可变,... 详细信息

针对文本敏感信息感知过程复杂和个体差异大造成敏感信息感知脑响应潜伏期不确定性的问题,提出了一种基于动态卷积神经网络的脑响应检测模型——DyCNN_CBAM。该模型通过增加的动态卷积模块,让每层的卷积参数在训练的时候随着输入可变,可提升模型的尺寸与容量。然后在模型第一、二层后增加的注意力机制模块,自动计算贡献度较高的时空信息。实验结果表明:该模型比现有的单尺度模型平均分类准确率提高了4%,F1分数提高6.7%,同时比现有多尺度网络平均分类准确率提高了2%,F1分数提高1.2%。此外,在公开数据集上取得最好的F1分数。由此说明,该网络更够适应文本敏感信息感知脑信号潜伏期抖动性,有效地提升了文本敏感信息检测模型的稳定性。

关键词：文本敏感信息脑电信号目标检测动态卷积神经网络注意力机制

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

卷积神经网络在情感分类中的应用和研究

卷积神经网络在情感分类中的应用和研究

作者：鲁新新辽宁工程技术大学

学位级别：硕士

情感分类旨在发现观点持有者的情感极性,一直是自然语言处理中的重要任务.为了解决短文本情感分类文本稀疏、传统方法过分依赖情感词典和人工设定特征工程等问题.提出基于二范数线性支持向量机和深度卷积神经网络及并行卷积神经网络情... 详细信息

情感分类旨在发现观点持有者的情感极性,一直是自然语言处理中的重要任务.为了解决短文本情感分类文本稀疏、传统方法过分依赖情感词典和人工设定特征工程等问题.提出基于二范数线性支持向量机和深度卷积神经网络及并行卷积神经网络情感分类模型.两种模型分别采用深度网络结构和并行网络结构提取情感局部特征.采用不同于经典卷积神经网络模型的二范数线性支持向量机优化函数,解决参数优化过程梯度弥散问题.通过word2vec中的Skip-gram预训练词向量模型对短文本进行稀疏性表述.并通过动态池化函数对情感特征进行压缩.在真实网络评论数据集与经典方法的定量对比,实现两分类模型准确率、召回率的大幅度提升,通过权重更新变化验证二范数支持向量机参数优化的有效性,并通过调整惩罚系数获得最佳模型性能.

关键词：短文本情感分类模型文本稀疏 L2-SVM 动态卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于动态组合嵌入的轻量级序列推荐算法

中文信息学报 2023年第8期37卷 115-124,149页

作者：罗旭汪海涛姜瑛陈星昆明理工大学信息工程与自动化学院云南昆明650500

现有的大多数序列推荐算法,将每个项目映射到一个向量进行表示,当项目数量过于庞大时,其项目嵌入表存在内存效率问题;另外很多序列推荐算法与一些过度参数化的网络相结合,导致训练过程中存在参数冗余的问题,影响模型的计算速度和性能。... 详细信息

现有的大多数序列推荐算法,将每个项目映射到一个向量进行表示,当项目数量过于庞大时,其项目嵌入表存在内存效率问题;另外很多序列推荐算法与一些过度参数化的网络相结合,导致训练过程中存在参数冗余的问题,影响模型的计算速度和性能。针对以上问题,该文设计了一种轻量级的序列推荐算法,以取得相比以往方法更高的内存效率。首先使用动态组合嵌入方法,通过互补分区生成一组更小的基嵌入表,并使用商余技巧和权重分配动态地生成最终的项目嵌入。其次,为了避免参数冗余,引入动态卷积网络和双头自注意力来提取用户的短期和长期偏好。结合以上两个部分,得到一种轻量级的序列推荐算法DCE-DCN,并且在三个公开数据集Beauty、Yelp和MovieLens-1M上设置充分的实验验证了算法的有效性。

关键词：序列推荐组合嵌入动态卷积神经网络轻量级

基于深度学习的智能录波器配置数据自动化映射方法

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2022年第9期59卷 76-83页

作者：李铁成任江波刘清泉耿少博王志华周达明国网河北省电力有限公司电力科学研究院石家庄050021 国网河北省电力有限公司石家庄050021 武汉凯默电气有限公司武汉430023

智能变电站配置描述文件中包含大量智能二次设备数据输出接口地址的配置数据集,将这些数据集映射至智能录波器各信息组是保证录波器精准采集设备运行数据的基础性步骤,当前主流映射方法是依照输出接口描述文本人工映射对应的配置数据,... 详细信息

智能变电站配置描述文件中包含大量智能二次设备数据输出接口地址的配置数据集,将这些数据集映射至智能录波器各信息组是保证录波器精准采集设备运行数据的基础性步骤,当前主流映射方法是依照输出接口描述文本人工映射对应的配置数据,二次设备数目繁多时映射工作量大,而描述文本一定程度的不规范性给数据集自动化映射提出了难题。针对这一问题,文章提出了基于深度学习框架—动态卷积神经网络构造的智能录波器配置数据的自动化映射方法;利用文本表征模型word 2vec对数据集描述文本的稀疏文本向量进行词组语义及关联关系的表征;构造动态卷积神经网络并输入文本向量,基于其多层次抽象化学习典型样本特征的特点进行语义规律挖掘与文本分类映射,据此结果实现接口地址配置数据的自动化映射。实际算例表明,基于动态卷积神经网络模型的文本分类方法语义分析能力强,分类精度高,有效提升了智能录波器配置数据自动化映射的准确率。

关键词：智能变电站文本挖掘全站配置描述文件智能二次设备动态卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于动态组合嵌入的轻量级序列推荐算法研究

基于动态组合嵌入的轻量级序列推荐算法研究

作者：罗旭昆明理工大学

学位级别：硕士

目前大多数新颖先进的序列推荐算法,全部是潜在因子模型,即每个项目都被映射到一个单一的向量进行表示,得到项目嵌入矩阵,然后通过相应的神经网络,对项目嵌入矩阵进行训练,最终获取目标用户的偏好。然而,以电商平台为例,其系统中必然存... 详细信息

目前大多数新颖先进的序列推荐算法,全部是潜在因子模型,即每个项目都被映射到一个单一的向量进行表示,得到项目嵌入矩阵,然后通过相应的神经网络,对项目嵌入矩阵进行训练,最终获取目标用户的偏好。然而,以电商平台为例,其系统中必然存在着数以万计的潜在项目,而如果将每个项目都一一映射到嵌入矩阵中的单一向量,当在资源受到限制的环境中部署序列推荐算法时,项目嵌入矩阵将导致内存瓶颈问题。另外很多序列推荐算法与一些过度参数化的神经网络相结合,导致训练过程中存在参数冗余和过度计算的问题,影响模型的计算速度和性能。因此,轻量级的序列推荐算法急需出现来解决这些问题。针对以往项目嵌入矩阵存在的内存瓶颈问题,本文在引入组合嵌入思想的基础上,设计了一种动态组合嵌入算法DCE(Dynamic Compositional Embedding)来得到最终的项目嵌入矩阵。首先对交互序列通过互补分区的方式得到一组更小的基嵌入矩阵,再通过商余技巧从基嵌入矩阵中获得一组唯一的基嵌入向量,最后通过为每个基嵌入向量动态地分配权重,组合所有基嵌入向量得到最终的项目嵌入向量。通过动态组合嵌入算法所生成的项目嵌入向量更具个性化,能更有效地表示项目,从而有利于后续的偏好建模,同时存储基嵌入矩阵所耗费的内存也远小于潜在因子模型中的项目嵌入矩阵。本文在公开数据集Movielens-20M和Beauty上进行充分的实验分析,验证了DCE的有效性。针对以往序列推荐算法参数冗余和过度计算的问题,本文在偏好建模阶段,基于动态组合嵌入算法DCE,提出了基于动态组合嵌入的轻量级序列推荐算法DCELSRec,分别引入动态卷积神经网络和双头自注意力机制来提取用户的短期和长期偏好。动态卷积神经网络相比于标准的一维卷积,所需要的训练参数数量级远远小于一维卷积的训练参数数量级。而在多头自注意力机制中,每个注意力头是并行使用的,意味着每个注意力头都是单独计算,因此头数越多,计算产生的不必要的冗余参数也越多,从而带来较高的计算成本和内存成本,而本文在经过充分的实验分析之后,采用性能较优的双头自注意力机制。基于上述研究,DCELSRec实现了项目嵌入阶段和偏好建模阶段的轻量级特性,是一个相对完整的轻量级序列推荐算法。本文在三个公开数据集Beauty、Yelp和Movie Lens-1M上设置了充分的实验,实验结果表明DCELSRec相比于其他先进的序列推荐算法,在两个评价指标上都有所提升,证实了DCELSRec的有效性。

关键词：序列推荐轻量级动态组合嵌入动态卷积神经网络双头自注意力机制

基于多光谱遥感图像中多类别目标检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多光谱遥感图像中多类别目标检测方法研究

作者：白晨帅兰州交通大学

学位级别：硕士

多光谱遥感图像的目标检测与分类方法研究是地物检测领域中极具挑战和意义的课题。近年来,基于深度神经网络的目标检测与分类方法取得了较大进展和效果。目前,针对多光谱遥感图像中多类目标的检测识别问题,本文拟从特征融合、特征金字... 详细信息

多光谱遥感图像的目标检测与分类方法研究是地物检测领域中极具挑战和意义的课题。近年来,基于深度神经网络的目标检测与分类方法取得了较大进展和效果。目前,针对多光谱遥感图像中多类目标的检测识别问题,本文拟从特征融合、特征金字塔网络、动态卷积神经网络以及全局注意力机制等模块出发,以解决目前多光谱遥感图像中多类目标识别技术所面临的技术难题。(1)针对复杂环境以及目标本身的特性,卷积神经网络无法更好地学习目标的特征,为此,提出Faster-RCNNi目标检测与分类方法。首先,重点研究学习目标的空域和语义的信息,并对其浅层特征信息进行增强,从而提高对少量、稠密目标的识别精度;其次,在Faster-RCNN中,将非对称卷积块(Asymmetric Convolution Block,ACB)引入Faster-RCNN的网络模型中,增加卷积核扩展速率,提升其在局部域的求解能力;最后,通过数据集的实验验证以及定量和定性分析,证明所提Faster-RCNNi方法的正确性和适用性。(2)现有深度学习的目标检测方法用于多光谱遥感图像的目标检测时,其检测效果并不十分满意,针对多光谱遥感图像的目标检测与分类方法的探索与完善仍然是一项颇具挑战的工作。为此,研究一种基于特征金字塔网络的多光谱遥感图像目标检测与分类方法,提出YOLOv3i目标检测与分类方法。首先,引入一种全新的特征金字塔网络模块以融合较低层级特征图中多重感受野特征,解决主干特征提取中存在的有效信息不足和特征图信息表达不强等问题;其次,设计一种基于“从上到下”的多层次的特征金字塔结构,引入光滑且非单调的Mish激活函数;最后,基于多光谱遥感图像数据集的实验验证以及定量和定性分析,证明所提YOLOv3i方法的优越性。(3)多光谱遥感图像有背景复杂以及目标尺度小等特征。基于自然图像的目标检测方法难以取得好的效果,特别是对于弱小目标,无法对其实现精确定位和准确识别。为此,以提高特征提取能力与目标检测性能为目标展开优化研究,研究一种基于动态卷积神经网络的多光谱遥感图像目标检测与分类方法,提出Efficientnet-YOLOv3i目标检测与分类方法。首先,针对主干特征提取网络提取有效信息量较小、特征图对信息表征能力较弱等问题,引入一种动态卷积神经网络模块,其不增加网络的深度和宽度;其次,通过注意聚合多个卷积核来提高模型的性能,具有共享相同内核大小、输入和输出维度的卷积内核;最后,基于多光谱遥感图像数据集的实验验证以及定量和定性分析,证明所提Efficientnet-YOLOv3i方法的优越性。(4)由于多光谱遥感图像有目标密集、分布不均、尺度变化大、背景环境复杂等特点,因此对其进行目标检测与分类是十分困难的。为此,针对多光谱遥感图像中的目标检测与分类问题,研究一种将全局注意力机制(Global Attention Mechanism,GAM)和特征融合引入多光谱遥感图像目标检测与分类方法,提出YOLOXi目标检测与分类方法。首先,针对主干网络进行特征提取有效信息量较小以及特征图对信息表征能力较弱等问题,引入全局注意力机制模块,利用序贯的通道-空间注意力机制,对卷积注意力子模块(Convolution Block Attention Module,CBAM)进行设计,减少信息弥散的情况下放大全局维交互特征;其次,构造特征增强模块(Feature Enhancement Module,FEM)以融合较低层级特征图中多重感受野特征,提升主干特征提取网络的目标特征提取能力;然后,在特征融合与全局注意力机制的作用下,引入FRe LU激活函数;最后,基于多光谱遥感图像数据集的实验验证以及定量和定性分析,证明所提YOLOXi方法的优越性。

关键词：多光谱遥感图像目标检测与分类特征金字塔网络动态卷积神经网络全局注意力机制

L2-SVM下的短文本情感分类动态CNN模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用与软件 2018年第1期35卷 298-303页

作者：鲁新新柴岩辽宁工程技术大学辽宁阜新123000

为了解决情感分类文本稀疏、传统方法过分依赖情感词典和人工设定特征工程等问题,提出一种基于L2-SVM和动态卷积神经网络的LDCNN模型。该模型采用不同于经典CNN模型的L2-SVM目标函数,解决了参数优化过程梯度弥散现象。通过真实网络评论... 详细信息

为了解决情感分类文本稀疏、传统方法过分依赖情感词典和人工设定特征工程等问题,提出一种基于L2-SVM和动态卷积神经网络的LDCNN模型。该模型采用不同于经典CNN模型的L2-SVM目标函数,解决了参数优化过程梯度弥散现象。通过真实网络评论数据集与经典方法的定量对比,实现了LDCNN模型准确率的大幅提升,并通过调整惩罚系数获得了最佳模型性能。

关键词：短文本情感分类文本稀疏 L2-SVM 动态卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习的恶意DGA域名检测

计算机工程与设计 2021年第3期42卷 601-606页

作者：王志强李舒豪池亚平张健毅北京电子科技学院网络空间安全系北京100070 国家信息中心博士后科研工作站北京100045 公安部第三研究所信息网络安全重点实验室北京100741

针对域名产生算法生成的恶意域名,提出基于动态卷积算法的检测方法。基于现有的深度学习检测模型,在检测模型的向量嵌入阶段采用基于字符嵌入的高级词嵌入方法,能够对生僻词语和训练集中不存在的新词进行有效表示,减小嵌入矩阵的规模,... 详细信息

针对域名产生算法生成的恶意域名,提出基于动态卷积算法的检测方法。基于现有的深度学习检测模型,在检测模型的向量嵌入阶段采用基于字符嵌入的高级词嵌入方法,能够对生僻词语和训练集中不存在的新词进行有效表示,减小嵌入矩阵的规模,降低存储成本。设计动态卷积算法对恶意域名进行检测,动态调整网络参数,有利于在更大范围内提取深层的特征,压缩数据大小,提高运算的速度,能够更有效识别恶意域名。实现了整体检测模型,通过实验验证了该方案的可行性。

关键词：网络安全域名产生算法恶意域名检测深度学习动态卷积神经网络