检索结果-南通市图书馆

检索条件"主题词=多相似性"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向大规模遥感图像检索的深度哈希方法研究与应用

面向大规模遥感图像检索的深度哈希方法研究与应用

引用

作者：周红艳曲阜师范大学

学位级别：硕士

进入21世纪,随着计算机技术的不断发展以及地球观测技术的日益完善,遥感图像的数量呈现爆炸式地增长,显著地增加了计算和存储的代价。凭借快检索速度以及低存储成本的优点,哈希技术吸引了众多研究者的关注。随着深度神经网络在计算机视... 详细信息

进入21世纪,随着计算机技术的不断发展以及地球观测技术的日益完善,遥感图像的数量呈现爆炸式地增长,显著地增加了计算和存储的代价。凭借快检索速度以及低存储成本的优点,哈希技术吸引了众多研究者的关注。随着深度神经网络在计算机视觉工作上展现出强大的特征学习能力,基于深度神经网络的哈希方法也逐渐成为了大规模遥感图像检索领域的主流方法。相比于自然图像,遥感图像具有丰富的语义内容和复杂的背景信息等特殊属性,如何设计比较有效的深度哈希模型在精准地表达图像语义信息的同时也能提高检索的准确性,是当前极具挑战性的任务。本文以哈希学习为基础,以提高二进制编码的区分性为目标,通过设计不同的特征学习模块和目标函数提出了三种面向海量遥感图像检索的深度哈希模型。具体的研究内容如下:(1)基于Swin Transformer架构和全局语义结构保持的深度哈希方法研究现有的深度神经网络利用固定大小的卷积核来提取遥感图像的深层语义特征,忽略了原始图像的全局上下文信息,导致检索性能的不足。为了解决此问题,本文提出了基于Swin Transformer架构和全局语义结构保持的深度哈希框架来提高嵌入空间的鉴别性,产生类内一致性和类间多样性的哈希编码。具体来说,本文将Swin Transformer架构引入遥感图像检索中来充分地获取输入样本的全局语义特征和多尺度信息;其次,通过设计分布匹配约束限制,提出了纠正三元组损失来减少样本采样中的分布偏移问题;除此之外,为了减少模型训练成本,利用非对称学习来提高哈希学习的高效性。相比于当前主流方法,本文所提出的方法在单标签数据集UCMerced、AID和WHURS上mAP性能分别提升了0.61%、1.74%和 3.44%。(2)基于空间增强的深度多相似性哈希方法研究在构建训练批次过程中,大多数的深度哈希框架通常利用随机采样或者挖掘半困难负样本方式选择训练样本,导致次优的哈希码。针对多标签遥感图像,本文开发了一种基于空间增强的深度多相似性哈希框架来关注图像中的关键性区域,以提高哈希编码的区分性。具体来说,为了降低遥感图像中的噪声干扰,通过引入空间组机制,设计了空间增强的特征学习模块来捕获图像的显著性语义表示;与此同时,本文全面地考虑数据对之间的多种相似性关系,提出面向深度哈希的多相似损失函数来构建有代表性的训练批次。在多标签UCMerced和DFC15数据集上的检索结果表明本文提出的深度哈希框架具有优异的检索性能。(3)基于语义依赖代理损失的深度哈希方法研究在多标签遥感图像检索中,现有的深度哈希方法中的代理学习往往只关注代理与样本的关系,忽略了不相关对约束关系,这限制了标签相关性的表达并且数据点在嵌入空间内存在冲突问题。针对上述的问题,本文设计了基于语义依赖代理损失的深度哈希框架来挖掘多标签数据复杂的语义相关性,以提高模型检索准确性。详细来说,通过学习图像中的固有空间结构,本文提出了区域空间位置注意力的特征提取网络以获得细粒度的描述符;其次,为了更好地表达多标签数据的复杂语义关系,基于不相关对的约束关系,设计了语义依赖代理损失来构建稳健的嵌入空间;此外,为了减少量化误差,采用语义位置量化策略以提高生成哈希码的区分性。相比于其他的方法,本文设计的深度哈希框架在多标签数据集 UCMerced、MLRSNet 和 DFC15 上的mAP指标分别提高了 2.03%、1.37%和 3.04%。

关键词：深度哈希遥感图像检索 Swin Transformer 多相似性语义依赖

来源：

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

行人重识别重排序算法研究

行人重识别重排序算法研究

引用

作者：姜龙祥武汉大学

学位级别：硕士

随着经济社会的发展,基础设施的完善,信息流,物质流和能量流成为现代社会几个主要的流动特征。人员流动也快速增长,由此而来的安防需求与日俱增,基于监控摄像头提取视觉信息辅助安防成为了新常态。但是视频监控数据往往具有量大,关键时... 详细信息

随着经济社会的发展,基础设施的完善,信息流,物质流和能量流成为现代社会几个主要的流动特征。人员流动也快速增长,由此而来的安防需求与日俱增,基于监控摄像头提取视觉信息辅助安防成为了新常态。但是视频监控数据往往具有量大,关键时段少等特点。传统依靠人力排查的方式往往捉襟见肘。尽管目前有很多研究提出了很多方法,取得了一定的效果,但其在实际应用中仍然存在很多缺点与不足。本文以视频分析领域的行人重识别任务出发,总结了任务的主要研究方向,发展脉络、代表理论与解决方法。并提出目前的方法在实际应用中存在的主要问题和缺陷:(1)训练数据难以获取。目前效果最好的算法都是监督学习算法,监督学习算法需要标注摄像头下大量的行人数据。由于实际场景复杂多变,为了保证场景下的应用效果,需要针对场景补充标注数据进行训练,这种标注往往费时费力,成本很高。(2)难以得到有效的结果。受限于实际场景训练数据的获取,目前算法模型大多一次训练,永久部署使用。由于训练集和应用场景存在偏差,算法在应用中往往达不到预期的效果。面对问题与缺陷,为了提升识别效果,本文研究行人重识别重排序算法,对初始结果进行后处理。本文从自动重排序与人机交互重排序两个方面着手研究,提出了一种基于多相似性的自动重排序算法与一种基于主动反馈的人机协同重排序算法。前者能自动挖掘初始结果的上下文相似性与基于图的相似性,并在两种相似性的约束下得到更优的结果。后者引入了人的监督信息,并通过算法推荐大信息量的样本供用户标记,采用度量学习和加权流行排序的方法依据用户的标注信息对初始结果进行重新排序。此外,本文还基于两种重排序算法设计并实现了一套行人检索系统,实现了自动检索,自动重排序,人机协同重排序等功能,并在实际场景中验证了有效性与实用性。综上所述,本文主要研究行人重识别重排序算法。本文提出了一种自动重排序算法与一种人机协同的重排序算法。除此之外,本文还设计与实现了一套行人检索系统,在实际使用场景下验证了算法与系统。

关键词：行人重识别重排序多相似性人机交互

来源：

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

基于超图的MiRNA与疾病关联预测

基于超图的MiRNA与疾病关联预测

引用

作者：吴庆文曲阜师范大学

学位级别：硕士

MicroRNAs(miRNAs)是一类具有调控功能的小分子非编码RNA。大量的研究证据表明,miRNAs的变异和失调是疾病发生的重要原因,因此识别与疾病相关的miRNAs成为近年来生物学研究领域的一个重要课题。然而,传统的生物实验方法成本高昂、验证... 详细信息

MicroRNAs(miRNAs)是一类具有调控功能的小分子非编码RNA。大量的研究证据表明,miRNAs的变异和失调是疾病发生的重要原因,因此识别与疾病相关的miRNAs成为近年来生物学研究领域的一个重要课题。然而,传统的生物实验方法成本高昂、验证周期长,且具有一定的盲目性,限制了miRNA与疾病关联研究的快速发展。随着miRNA-疾病相关性数据的逐渐积累,研究人员建立了一些高可信度的公开数据库,这些数据库提供了实验验证的miRNA-疾病关联和相关的生物学信息。研究者充分利用数据库数据,通过设计高效而精确的计算方法预测潜在的miRNA-疾病关联,弥补了生物实验方法的不足,降低了研究成本并缩短研究周期,为疾病研究提供了新的思路,为疾病诊疗提供了新的理论依据。目前大多数计算方法存在预测准确率不高、不能预测新的疾病、特征集质量不高、挖掘非线性高阶关联的深层特征比较困难等问题。针对这些不足,本文综合利用多种生物学数据构建高质量的相似性网络,提出了三种miRNA-疾病关联预测的计算模型,主要工作如下:(1)基于归纳超图学习的预测模型(HyperGraph for Predicting MiRNA-disease Association,HGMDA)。HGMDA将疾病相似性信息、miRNA相似性信息以及miRNA与疾病已知关联信息作为输入数据,并基于统计理论、图论及矩阵分解设计了表示miRNA-疾病关联的特征向量。为充分发挥超图结构更强的数据样本间非线性高阶关联的刻画和挖掘能力,HGMDA利用k-means算法,在构建miRNA-疾病关联超图结构基础上,基于归纳超图学习获得样本特征到关联得分的映射矩阵,继而利用此矩阵计算未知miRNA-疾病对的关联得分。(2)基于高维特征的超图预测模型(MiRNA-disease association prediction via hypergraph learning based on high-dimensionality features,HFHLMDA)。HFHLMDA针对相似性信息的稀疏性,首先利用高斯核相互作用谱补全数据,然后采用相似性信息作为特征向量并结合改进的超图学习模型学习映射矩阵。(3)基于多相似性的组合超图学习的预测模型(Multi-Similarity based Combinative Hypergraph Learning for Predicting MiRNA-disease Association,MSCHLMDA)。针对部分疾病或miRNA经重构后仍无相似性信息,MSCHLMDA采用最近邻的关联数据评估未知关联来增加高斯核相似性数据,继而整合多个miRNA、疾病的相似性数据,并在精简、有效的特征组成基础上设计组合超图学习算法,训练出更加全面的组合映射矩阵,从而使得预测结果更加准确。三种模型均通过留一交叉验证和5折交叉验证评估其有效性,并通过案例分析得到进一步证实,实验结果表明HGMDA等三种算法均可作为预测miRNA-疾病关联的有效工具。

关键词： miRNA-疾病关联归纳超图学习高维特征多相似性组合超图学习

来源：

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：