检索结果-南通市图书馆

基于特征和标签联合分布匹配的智能驾驶跨域自适应目标检测

在线全文

学校读者我要写书评

暂无评论

汽车工程 2023年第11期45卷 2082-2091,2103页

作者：刘正发吴亚刘佩根顾荣琦陈广同济大学汽车学院上海201804 上海西井科技股份有限公司上海200052

现有的跨域自适应目标检测器主要通过特征分布匹配学习域不变特征来减小域偏移。然而,它们忽略了现实世界中因目标检测对象组合不同和类不平衡等引起的标签分布偏移问题,导致这些方法泛化性较差。为解决这一问题,本文提出一种基于特征... 详细信息

现有的跨域自适应目标检测器主要通过特征分布匹配学习域不变特征来减小域偏移。然而,它们忽略了现实世界中因目标检测对象组合不同和类不平衡等引起的标签分布偏移问题,导致这些方法泛化性较差。为解决这一问题,本文提出一种基于特征和标签联合分布匹配的域自适应目标检测算法,以同时在特征和标签级别上显式对齐域分布。首先,提出一个图像级分类嵌入模块,通过对比学习增强全局特征可迁移性和可判别性。然后,提出类级分布对齐模块,通过多级特征对齐实现域间多模态结构对齐。最后,提出增强一致性正则化模块,通过区域一致性正则化实现跨域标签分布对齐。在多个数据集上的实验表明,所提出的域对齐算法能有效地促进跨域数据迁移前后语义一致性,为智能汽车跨视觉域应用提供了一种有效的解决方案。

关键词：智能驾驶智能汽车目标检测域自适应

基于域内域间语义一致性约束的域自适应目标检测方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2023年第4期46卷 827-842页

作者：钟安雨王蕊张华邹聪荆丽桦中国科学院信息工程研究所信息安全国家重点实验室北京100093 之江实验室浙江杭州311100 中国科学院大学网络空间安全学院北京100049

在目标检测任务中,当训练集和测试集来自不同应用场景时,通常存在检测性能下降问题,这源于不同场景的数据间存在域偏移(domain shift).收集不同场景的数据费时费力,且会增加模型部署成本,降低模型使用效率.针对这一问题,本文从强化特征... 详细信息

在目标检测任务中,当训练集和测试集来自不同应用场景时,通常存在检测性能下降问题,这源于不同场景的数据间存在域偏移(domain shift).收集不同场景的数据费时费力,且会增加模型部署成本,降低模型使用效率.针对这一问题,本文从强化特征的语义一致性以获得更好的域无关特征的思路出发,提出基于域内域间语义一致性约束的域自适应目标检测方法.首先,本文考虑了特征解耦过程中的特征域内一致性,提出了一种基于正交分离特征的正交关系一致性约束,该约束能够保留解耦前后特征中的语义信息,以此强化域内特征一致性,从而提升模型识别的准确率.进一步地,本文考虑了在不同域间解耦后特征的域间一致性,引入了基于伪标签的对比学习机制,将来自不同域间的实例级特征进行对齐,以此保证域间特征一致性来提升模型的跨域性能.为验证本文所提出的方法,在本领域常用的数据集Cityscapes-FoggyCityscapes上进行了测试,相对于基线方法本文所提出的方法取得了3.1%的平均准确率(mAP)提升,其中在部分特定子类上提升达到6%;相比较最新方法也有约1%的平均准确率提升.本文还在KITTI-Cityscapes和Sim10K-Cityscapes数据集上测试了所提方法,实验结果表明本方法在其它数据集上也能取得良好的域自适应效果.

关键词：域自适应目标检测深度学习特征解耦对比学习

在线全文

学校读者我要写书评

暂无评论

动力学仿真数据驱动的域自适应智能诊断方法

中国机械工程 2023年第23期34卷 2832-2841页

作者：于树博刘占生赵辰哈尔滨工业大学能源科学与工程学院哈尔滨150001

高质量标记数据是基于深度学习的故障诊断方法有效性的重要保障,然而在实际中难以获取大量工业标记故障案例,导致模型的泛化诊断能力弱。针对该问题,提出了动力学仿真数据驱动的域自适应智能诊断方法,该方法考虑仿真数据与实际数据的本... 详细信息

高质量标记数据是基于深度学习的故障诊断方法有效性的重要保障,然而在实际中难以获取大量工业标记故障案例,导致模型的泛化诊断能力弱。针对该问题,提出了动力学仿真数据驱动的域自适应智能诊断方法,该方法考虑仿真数据与实际数据的本质差异,引入了一种特征分离网络域自适应诊断模型,在传统的域自适应模型基础上增加了目标域独有特征提取器以显式分离实际数据中的环境噪声等特征,增强域不变故障特征表示和聚类能力。提出了将域共享特征提取器诊断结果用于域独有特征提取器模型参数的训练策略,进一步提高模型的训练稳定性。采用凯斯西储大学轴承数据集测试了所提方法的诊断性能,结果表明诊断准确率和特征提取及聚类能力均优于其他对比迁移方法,并经验性地分析了模型超参数敏感度。

关键词：动力学模型故障诊断域自适应特征分离网络

基于双阶段元学习的小样本中医舌色域自适应分类方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第3期46卷 986-994页

作者：卓力张雷贾童瑶李晓光张辉北京工业大学计算智能与智能系统北京重点实验室北京100124 北京工业大学信息学部北京100124

舌色是中医(TCM)望诊最关注的诊察特征之一。在实际应用中,通过一台设备采集到的舌象数据训练得到的舌色分类模型应用于另一台设备时,由于舌象数据分布特性不一致,分类性能往往急剧下降。为此,该文提出一种基于双阶段元学习的小样本中... 详细信息

舌色是中医(TCM)望诊最关注的诊察特征之一。在实际应用中,通过一台设备采集到的舌象数据训练得到的舌色分类模型应用于另一台设备时,由于舌象数据分布特性不一致,分类性能往往急剧下降。为此,该文提出一种基于双阶段元学习的小样本中医舌色域自适应分类方法。首先,设计了一种双阶段元学习训练策略,从源域有标注样本中提取域不变特征,并利用目标域的少量有标注数据对网络模型进行微调,使得模型可以快速适应目标域的新样本特性,提高舌色分类模型的泛化能力并克服过拟合。接下来,提出了一种渐进高质量伪标签生成方法,利用训练好的模型对目标域的未标注样本进行预测,从中挑选出置信度高的预测结果作为伪标签,逐步生成高质量的伪标签。最后,利用这些高质量的伪标签,结合目标域的有标注数据对模型进行训练,得到舌色分类模型。考虑到伪标签中含有噪声问题,采用了对比正则化函数,可以有效抑制噪声样本在训练过程中产生的负面影响,提升目标域舌色分类准确率。在两个自建中医舌色分类数据集上的实验结果表明,在目标域仅提供20张有标注样本的情况下,舌色分类准确率达到了91.3%,与目标域有监督的分类性能仅差2.05%。

关键词：中医舌色分类小样本域自适应双阶段元学习

在线全文

学校读者我要写书评

暂无评论

基于类别域自适应的滚动轴承故障诊断

振动与冲击 2023年第24期42卷 117-126页

作者：张英杰张彩华陆碧良丁晨李蒲德湖南大学信息科学与工程学院长沙410082

滚动轴承作为旋转机械的关键部件,在风电机组中故障频发严重制约了发电效率。而传统的滚动轴承故障诊断方法要求训练数据和测试数据服从同一分布,导致其泛化能力不足,并不能有效解决实际工业中的无标签跨域故障诊断问题。为此,提出了一... 详细信息

滚动轴承作为旋转机械的关键部件,在风电机组中故障频发严重制约了发电效率。而传统的滚动轴承故障诊断方法要求训练数据和测试数据服从同一分布,导致其泛化能力不足,并不能有效解决实际工业中的无标签跨域故障诊断问题。为此,提出了一种基于类别域自适应的轴承故障诊断方法,利用有标签的源域数据完成对无标签目标域的故障分类,该方法采用一维卷积神经网络作为特征提取器提取原始振动信号的深度特征,并依据源域故障类别设计了一组锚定器以缩小域间同类故障间距并扩大异类故障间距。并且两个轴承故障数据集上的对比试验结果表明所提方法的有效性,实现了高精度的跨域轴承故障诊断的目标,可以作为跨域诊断故障的有效工具。

关键词：故障诊断风电机组滚动轴承域自适应卷积神经网络

融合域自适应和弱监督策略的遥感影像建筑物提取算法

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2023年第6期45卷 1616-1623页

作者：庞世燕郝京京邢立宁谭旭华中师范大学人工智能教育学部湖北武汉430079 国防科技大学系统工程学院湖南长沙410072 深圳职业技术学院软件学院广东深圳518055

常见的建筑物提取算法主要采用全监督的方式实现,得到的模型通常在训练数据集上表现良好,而在跨区域使用时效果不佳。基于生成对抗网络的域自适应方法虽然在一定程度上能够增强网络的迁移能力,但由于缺乏目标域关键信息,效果难以保证。... 详细信息

常见的建筑物提取算法主要采用全监督的方式实现,得到的模型通常在训练数据集上表现良好,而在跨区域使用时效果不佳。基于生成对抗网络的域自适应方法虽然在一定程度上能够增强网络的迁移能力,但由于缺乏目标域关键信息,效果难以保证。设计了一种全新的端到端弱监督建筑物提取网络。首先,采用像素关联模块来提升生成网络的性能;然后,在此基础上综合运用域自适应和图像级弱标签两种策略来优化训练过程,从而大幅提升了网络模型的泛化扩展性能。采用3组数据对所提方法的有效性进行了验证,通过大量实验证明了所提方法可以有效提升建筑物提取的性能。同时,通过消融实验验证了网络中各个模块的有效性。

关键词：语义分割建筑物提取弱监督域自适应生成对抗网络

遥感图像跨域语义分割的无监督域自适应对齐方法

在线全文

学校读者我要写书评

暂无评论

测绘学报 2023年第12期52卷 2115-2126页

作者：沈秭扬倪欢管海燕南京信息工程大学遥感与测绘工程学院江苏南京210044

深度学习模型依赖于大量同源标记样本,即限定训练数据与测试数据服从同一分布.但是,面对大范围、多样化的遥感图像时,数据之间的同分布要求难以保证,深度学习模型的分割精度下降明显.针对这一问题,本文提出了一种面向遥感图像语义分割... 详细信息

深度学习模型依赖于大量同源标记样本,即限定训练数据与测试数据服从同一分布.但是,面对大范围、多样化的遥感图像时,数据之间的同分布要求难以保证,深度学习模型的分割精度下降明显.针对这一问题,本文提出了一种面向遥感图像语义分割的无监督域自适应方法,在训练数据(源域)与测试数据(目标域)分布不同的情况下,仅利用源域标签训练深度学习模型,提高目标域语义分割精度.本文方法引入最优传输理论,在图像空间、特征空间和输出空间进行全局对齐,以减轻源域和目标域之间的域偏移.试验采用国际摄影测量与遥感学会(ISPRS)所提供的Potsdam和Vaihingen数据集进行验证.结果表明,相比于现有方法,本文方法取得了更高的分割精度.此外,通过消融分析,在深度学习驱动的语义分割无监督域自适应框架下,证明了最优传输理论的有效性.

关键词：遥感图像语义分割域自适应最优传输

在线全文

学校读者我要写书评

暂无评论

基于域自适应的复合材料结构损伤识别方法

航空学报 2022年第6期43卷 177-184页

作者：王育鹏吕帅帅杨宇李嘉欣王叶子西北工业大学航空学院西安710072 中国飞机强度研究所西安710065

深度学习模型能够辅助提高基于导波的复合材料结构损伤监测的可靠性,但需要大量的损伤样本。以大量的模拟损伤样本和少量的真实损伤样本为基础,设计一种基于域自适应的损伤识别模型,实现从模拟损伤识别向真实损伤识别能力的迁移。首先,... 详细信息

深度学习模型能够辅助提高基于导波的复合材料结构损伤监测的可靠性,但需要大量的损伤样本。以大量的模拟损伤样本和少量的真实损伤样本为基础,设计一种基于域自适应的损伤识别模型,实现从模拟损伤识别向真实损伤识别能力的迁移。首先,通过粘贴质量块收集大量模拟损伤数据,设计卷积-时序混合神经网络,实现对模拟损伤的高准确率识别;然后,在模型中加入域自适应模块,使模拟损伤和真实损伤数据在特征空间内分布规律近似,进而在无需对真实损伤进行标注的情况下,实现准确识别。实验结果表明,该方法对真实损伤的检出准确率为85.7%,优于传统深度学习模型。

关键词：域自适应导波结构健康监测复合材料迁移学习

在线全文

学校读者我要写书评

暂无评论

跨模态域自适应SAR图像舰船检测与识别

华中科技大学学报（自然科学版） 2022年第11期50卷 107-113页

作者：宋玉成李景润田甜田金文华中科技大学人工智能与自动化学院湖北武汉430074 华中科技大学多谱信息处理技术国家级重点实验室湖北武汉430074

针对合成孔径雷达(SAR)数据成像质量差和标注不足的问题,提出一种跨模态域自适应端到端的SAR图像舰船目标检测与识别方法.首先,针对SAR舰船检测中目标特征辨识度低和背景信息复杂度高的问题,设计了融合多尺度特征和局部上下文信息及背... 详细信息

针对合成孔径雷达(SAR)数据成像质量差和标注不足的问题,提出一种跨模态域自适应端到端的SAR图像舰船目标检测与识别方法.首先,针对SAR舰船检测中目标特征辨识度低和背景信息复杂度高的问题,设计了融合多尺度特征和局部上下文信息及背景抑制来改进兴趣区域变换网络(RoITransformer)的特征表达能力;然后,针对SAR数据属性标签标注困难及样本缺乏的问题,设计了域适应模块在全局和实例级别实现对齐特征,将属性知识从光学数据跨模态迁移到SAR数据上.自建了近岸区域高分辨率SAR舰船数据集(HRSSRD),结果表明:所提方法在HRSSRD上实现了88.5%的检测精度,在舰船检测和军民识别任务上具有良好的性能.

关键词：舰船检测军民舰船识别合成孔径雷达(SAR)图像迁移学习域自适应