检索结果-南通市图书馆

域泛化问题中基于Mixup与对比损失的特征转换模型

在线全文

学校读者我要写书评

暂无评论

中国科学技术大学学报 2024年第4期54卷 37-44,36,67页

作者：王岳松张洪中国科学技术大学管理学院统计与金融系安徽合肥230026

当表示基础数据分布的域在训练和测试数据集之间存在差异时,传统的深度神经网络的性能会大幅下降。域泛化方法旨在仅使用源域的训练数据来提高在未知目标域上的泛化能力。主流的域泛化算法通常对一些流行的特征提取网络(如ResNet)进行修... 详细信息

当表示基础数据分布的域在训练和测试数据集之间存在差异时,传统的深度神经网络的性能会大幅下降。域泛化方法旨在仅使用源域的训练数据来提高在未知目标域上的泛化能力。主流的域泛化算法通常对一些流行的特征提取网络(如ResNet)进行修改,或者在特征提取网络之后添加更复杂的参数模块。流行的特征提取网络通常在大规模数据集上进行了较好的预训练,因此具有较强的特征提取能力,而对其进行修改会削弱这种能力。添加更复杂的参数模块会导致更深的网络,并且对计算资源要求更高。本文基于域泛化中流行的特征提取网络,提出了一种新的特征转换模型,不做任何更改或添加任何模块。通过结合对比损失和数据增强策略(即Mixup),该特征转换模型的泛化能力得到了提升,并提出了一种新的样本选择策略来与Mixup和对比损失相协作。在基准数据集PACS和Domainnet上的实验结果表明,该方法优于传统的域泛化方法。

关键词：对比损失数据增强深度神经网络域泛化特征转换

在线全文

学校读者我要写书评

暂无评论

用于域泛化语义分割的域特定通道抑制

控制工程 2024年

作者：李志强华东理工大学信息科学与工程学院日照职业技术学院

基于神经网络的语义分割模型在不同数据域中应用时，模型某些通道会产生不稳定输出，带来大量噪声，影响分割结果。为消除不稳定通道（通常称为域特定通道）的影响，首先提出一种类别级的平均池化层对特征进行整合，然后利用域分类器参... 详细信息

基于神经网络的语义分割模型在不同数据域中应用时，模型某些通道会产生不稳定输出，带来大量噪声，影响分割结果。为消除不稳定通道（通常称为域特定通道）的影响，首先提出一种类别级的平均池化层对特征进行整合，然后利用域分类器参数按类别分别计算各通道的域敏感得分，最终作为对各通道进行随机抑制的概率。我们在Cityscapes数据集上训练了我们的模型，并在ACDC数据集上进行了测试，结果表明，我们的方法提高了街道场景语义分割模型在四种不良条件下的性能，取得了0.8平均交并比的提升。

关键词：语义分割域泛化不良条件通道抑制

基于CSI实例标准化的域泛化人体动作识别模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

通信学报 2024年第6期45卷 196-209页

作者：王杨许佳炜王傲夏慧娟赵传信季一木安徽师范大学计算机与信息学院安徽芜湖241002 南京邮电大学计算机学院江苏南京210003

为了实现完全不依赖目标域数据的Wi-Fi跨域人体动作感知,提出了一种基于CSI实例标准化的域泛化人体动作识别模型INDG-Fi。INDG-Fi使用实例标准化去除CSI特征表示的领域信息,接着构建共享特征提取的动作分类器和域分类器,并通过动作偏向... 详细信息

为了实现完全不依赖目标域数据的Wi-Fi跨域人体动作感知,提出了一种基于CSI实例标准化的域泛化人体动作识别模型INDG-Fi。INDG-Fi使用实例标准化去除CSI特征表示的领域信息,接着构建共享特征提取的动作分类器和域分类器,并通过动作偏向学习和对抗性的域学习,将编码层提取的特征偏向人体动作引起的信号特征,同时远离领域信号影响。为了让模型关注受人体动作影响更显著的子载波信号,在编码层中加入子载波注意力模块。实现结果表明,所提INDG-Fi在不可见的用户和位置的感知性能分别为97.99%和92.73%,能够实现鲁棒的跨域感知。

关键词：信道状态信息无线感知人体动作识别域泛化

基于特征级损失和可学习噪声的医学图像域泛化方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第6期41卷 1882-1887页

作者：史轶伦于磊徐巧枝内蒙古师范大学计算机科学技术学院呼和浩特010022 内蒙古自治区人民医院肾脏内科呼和浩特010020

在医学图像分割任务中,域偏移问题会影响训练好的分割模型在未见域的性能,因此,提高模型泛化性对于医学图像智能模型的实际应用至关重要。表示学习是目前解决域泛化问题的主流方法之一,大多使用图像级损失和一致性损失来监督图像生成,... 详细信息

在医学图像分割任务中,域偏移问题会影响训练好的分割模型在未见域的性能,因此,提高模型泛化性对于医学图像智能模型的实际应用至关重要。表示学习是目前解决域泛化问题的主流方法之一,大多使用图像级损失和一致性损失来监督图像生成,但是对医学图像微小形态特征的偏差不够敏感,会导致生成图像边缘不清晰,影响模型后续学习。为了提高模型的泛化性,提出一种半监督的基于特征级损失和可学习噪声的医学图像域泛化分割模型FLLN-DG,首先引入特征级损失改善生成图像边界不清晰的问题,其次引入可学习噪声组件,进一步增加数据多样性,提升模型泛化性。与基线模型相比,FLLN-DG在未见域的性能提升2%~4%,证明了特征级损失和可学习噪声组件的有效性,与nnUNet、SDNet+AUG、LDDG、SAML、Meta等典型域泛化模型相比,FLLN-DG也表现出更优越的性能。

关键词：医学图像分割域泛化表示学习特征级损失可学习噪声

特征级损失和可学习噪声的医学图像域泛化方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年

作者：史轶伦于磊徐巧枝内蒙古自治区人民医院肾脏内科内蒙古师范大学计算机科学技术学院

在医学图像分割任务中，域偏移问题会影响训练好的分割模型在未见域的性能，因此，提高模型泛化性对于医学图像智能模型的实际应用至关重要。表示学习是目前解决域泛化问题的主流方法之一，大多使用图像级损失和一致性损失来监督图像生... 详细信息

在医学图像分割任务中，域偏移问题会影响训练好的分割模型在未见域的性能，因此，提高模型泛化性对于医学图像智能模型的实际应用至关重要。表示学习是目前解决域泛化问题的主流方法之一，大多使用图像级损失和一致性损失来监督图像生成，但是对医学图像微小形态特征的偏差不够敏感，会导致生成图像边缘不清晰，影响模型后续学习。为了提高模型的泛化性，提出一种半监督的基于特征级损失和可学习噪声的医学图像域泛化分割模型FLLN-DG，首先引入特征级损失改善生成图像边界不清晰的问题，其次引入可学习噪声组件，进一步增加数据多样性，提升模型泛化性。与基线模型相比，FLLN-DG在未见域的性能提升2%～4%，证明了特征级损失和可学习噪声组件的有效性，与nnUNet,SDNet+AUG,LDDG,SAML,Meta等典型域泛化模型相比，FLLN-DG也表现出更优越的性能。

关键词：医学图像分割域泛化表示学习特征级损失可学习噪声

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于域泛化的轻量化图像分类算法

计算机工程 2024年

作者：张倡倡吕卫东蔡子杰刘炎奎中国矿业大学计算机科学与技术学院

针对现有睡岗数据集少，现阶段分类算法泛化性差，推理速度慢等问题，构建了一份包含4708张图像的睡岗数据集，用于验证模型识别精度和泛化能力，并提出了一种基于域泛化的轻量化图像分类算法Stable＿MobileNet。首先，对输入的图片填... 详细信息

针对现有睡岗数据集少，现阶段分类算法泛化性差，推理速度慢等问题，构建了一份包含4708张图像的睡岗数据集，用于验证模型识别精度和泛化能力，并提出了一种基于域泛化的轻量化图像分类算法Stable＿MobileNet。首先，对输入的图片填充短边，使其保持图像中的人物比例，然后再进行图像增强和随机擦除，用于扩充数据集；其次，引入高效的ECA注意力模块改进MobileNetv3＿large网络；最后，使用稳定学习StableNet方法提高模型的泛化性，通过学习训练样本的权重来消除特征之间的依赖关系，这有助于模型摆脱环境的变化，更专注于人物特征。在睡岗数据集上的实验结果表明，Stable＿MobileNet平均推理速度更快，识别精度可达93.56%，比MobileNetv3＿large提高了2.23%；在样本分布异于训练样本分布的测试集中，该算法的识别精度提高了2.23%。

关键词：域泛化轻量化网络睡岗识别 ECA模块 StableNet

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于数据表示不变性的域泛化研究

图学学报 2024年

作者：倪云昊黄雷北京航空航天大学人工智能研究院复杂关键软件环境全国重点实验室(北京航空航天大学)

域泛化是人工智能近几年非常热门的一个研究方向，希望在不同的数据分布中学习到与任务相关的不变表征，即移除不同域在学习任务中的影响，从而提升模型的域泛化能力。为提升模型域泛化能力，利用基于不变性风险最小化的思想，具体将神... 详细信息

域泛化是人工智能近几年非常热门的一个研究方向，希望在不同的数据分布中学习到与任务相关的不变表征，即移除不同域在学习任务中的影响，从而提升模型的域泛化能力。为提升模型域泛化能力，利用基于不变性风险最小化的思想，具体将神经网络分为特征提取器和不变性分类器进行分别探究。在特征提取器上，采用了基于牛顿迭代的组白化方法来控制激活值的分布，从而使得不同的图像经过神经网络后能够去除部分域信息，以求达到域泛化的目的；在不变性分类器上，探究了特征和权重的规范化方法对模型域泛化效果的影响，并提出了基于余弦相似度损失函数的雪花算法，该算法提升了模型域泛化的准确率。此外，提供了关于雪花算法的理论推导并做了深入分析，为实验提供了理论支撑。

关键词：域泛化不变风险最小化组白化迭代白化雪花算法

基于域泛化的工业设备无监督异常声音检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科学技术与工程 2024年第3期24卷 1091-1099页

作者：毕忠勤李欢峰张伟娜董真上海电力大学计算机科学与技术学院上海201306 国网上海市电力公司电力科学研究院上海200437

在工业场景中,因为设备异常现象的罕见性和高度多样化,以及机器的操作条件或环境噪声在训练和测试阶段的不同,会改变训练和测试数据之间的声学特性。为解决上述问题,提出一种基于联合深度学习和变分贝叶斯高斯混合模型的无监督异常声音... 详细信息

在工业场景中,因为设备异常现象的罕见性和高度多样化,以及机器的操作条件或环境噪声在训练和测试阶段的不同,会改变训练和测试数据之间的声学特性。为解决上述问题,提出一种基于联合深度学习和变分贝叶斯高斯混合模型的无监督异常声音检测算法。通过两种神经网络联合训练进行信息提取,并利用变分贝叶斯高斯混合模型对其所获得的嵌入进行聚类分析;引入一种新的混合示例数据增强方法,用多种方式相结合的替代方法来生成示例,以对齐不同域之间的分布;应用了一种改进的子集群AdaCos损失函数,以排除潜在的异常值。实验结果表明,该方法在三种工业机器类型的数据集上目标域的平均曲线下面积达到了79.03%,平均F 1分数达到了67.23%;对比基线模型,谐波平均值提升约20%,在工业设备无监督异常声音检测中表现良好。

关键词：异常声音检测工业设备域泛化深度学习数据增强

在线全文

学校读者我要写书评

暂无评论

跨域人脸活体检测的单边对抗网络算法

计算机工程与应用 2024年第5期60卷 103-111页

作者：曾凡智吴楚涛周燕佛山科学技术学院计算机系广东佛山528000

现有跨域人脸活体检测算法,其特征提取过程容易发生过拟合和缺乏特征聚合所导致的泛化性不足问题。针对该问题,提出了跨域人脸活体检测的单边对抗网络算法,将分组卷积与改进的倒残差结构融合替换普通卷积,降低网络参数同时加强人脸细粒... 详细信息

现有跨域人脸活体检测算法,其特征提取过程容易发生过拟合和缺乏特征聚合所导致的泛化性不足问题。针对该问题,提出了跨域人脸活体检测的单边对抗网络算法,将分组卷积与改进的倒残差结构融合替换普通卷积,降低网络参数同时加强人脸细粒度特征的表达能力,并引入自适应特征归一化模块,强调图像中人脸活体信息区域淡化无关背景区域,有效避免人脸活体信息的过拟合并加强来自不同源域的人脸活体检测能力。基于NetVLAD引入通道注意力机制模块,通道注意力机制模块作为特征聚合网络的分支,学习不同源域中人脸局部特征的语义信息,有效增强对不同源域的人脸活体信息分类的泛化能力。设计两模块融合网络以提高未知场景下跨域人脸活体检测精度。在OULU-NPU、CASIA-FASD、MSU-MFSD和Idiap Replay-Attack数据集上的实验结果表明,该算法在跨数据集测试O&C&M to I、O&C&I to M、I&C&M to O、O&M&I to C均有不错的表现,其中,在O&C&I to M及O&M&I to C性能评估指标分别提升了0.99个百分点和0.5个百分点的精度。

关键词：域泛化生成对抗网络人脸活体检测自适应归一化注意力机制