检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

无监督密集匹配特征提取网络性能分析

测绘学报 2022年第3期51卷 426-436页

作者：金飞官恺刘智韩佳容芮杰李庆高信息工程大学地理空间信息学院河南郑州450001 西安测绘总站陕西西安710054

随着人工智能的发展,基于深度学习的有监督密集匹配方法在虚拟、室内及驾驶等近景数据集上取得了不错的表现。针对航空影像密集匹配标签数据获取困难的问题,本文在无监督密集匹配框架下,借鉴多个有监督网络结构,分别在航空影像数据集和... 详细信息

随着人工智能的发展,基于深度学习的有监督密集匹配方法在虚拟、室内及驾驶等近景数据集上取得了不错的表现。针对航空影像密集匹配标签数据获取困难的问题,本文在无监督密集匹配框架下,借鉴多个有监督网络结构,分别在航空影像数据集和作为参照的近景数据集上测试了匹配精度,实现了网络结构模块与精度关系的定性分析,为进一步探索深度学习在测绘领域的实用化提供了重要的参考。试验在相同损失函数条件下,分别采用DispNetS、DispNetC、iResNet、GCNet、PSMNetB及PSMNetS网络结构进行测试。经分析,得出如下结论:①测试的网络结构中,PSMNetS在航空影像数据集和近景数据集上表现稳定,且精度最高,训练整体耗时少,具有实用化的潜力;②在监督方法中效果更好的网络结构在无监督方法中效果不一定更好,其精度不仅取决于网络自身的匹配能力,同时也依赖于网络与损失函数的兼容性;③孪生网络模块、相关信息融合模块、金字塔池化模块和堆叠沙漏模块与无监督损失函数兼容性良好,可提升网络精度,而iResNet的图像重构迭代精化模块与重构损失函数重复约束,会产生“负优化”的作用。

关键词：密集匹配深度学习无监督特征提取航空影像

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于无监督学习的多模态可变形配准

北京航空航天大学学报 2021年第3期47卷 658-664页

作者：马腾宇李孜刘日升樊鑫罗钟铉大连理工大学国际信息与软件学院大连116000

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂... 详细信息

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。

关键词：深度学习无监督医学图像配准多模态计算机视觉

基于自适应阈值约束的无监督聚类智能速度拾取

在线全文

学校读者我要写书评

暂无评论

地球物理学报 2021年第3期64卷 1048-1060页

作者：王迪袁三一袁焕曾华会王尚旭中国石油大学(北京)油气资源与探测国家重点实验室北京102249 中国石油天然气股份有限公司勘探开发研究院西北分院兰州730000

目前叠加速度的获取主要是通过人工拾取速度谱,存在着效率低、耗时长且易受人为因素影响的缺点.本文提出了一种基于自适应阈值约束的无监督聚类智能速度拾取方法,实现叠加速度的自动拾取,在保证速度拾取精度的同时提高拾取效率.利用时... 详细信息

目前叠加速度的获取主要是通过人工拾取速度谱,存在着效率低、耗时长且易受人为因素影响的缺点.本文提出了一种基于自适应阈值约束的无监督聚类智能速度拾取方法,实现叠加速度的自动拾取,在保证速度拾取精度的同时提高拾取效率.利用时窗方法在速度谱中计算自适应阈值,从而识别出一次反射波速度能量团作为速度拾取的候选区域.然后,根据K均值方法将不同的速度能量团聚类,并将最终的聚类中心作为拾取的叠加速度.最后,依据人工拾取速度的经验,加入了离群速度点的后处理工作,以获得更光滑的速度场.模型和实际地震数据测试结果表明,本文提出的方法总体上与人工拾取叠加速度的精度相当,但明显提升了速度拾取效率,极大缓解了人工拾取负担.

关键词：无监督速度拾取自适应阈值聚类人工智能

在线全文

学校读者我要写书评

暂无评论

基于评分迭代的无监督网络流量异常检测

清华大学学报（自然科学版） 2022年第5期62卷 819-824页

作者：平国楼曾婷玉叶晓俊清华大学软件学院北京100084

针对计算机网络流量异常检测中缺乏标注信息的挑战,该文提出一种基于评分迭代的无监督异常检测方法。设计了基于自编码器的异常评分迭代过程来学习通用异常特征,获取其初始异常评分。设计了基于深度序数回归模型的异常评分迭代过程来学... 详细信息

针对计算机网络流量异常检测中缺乏标注信息的挑战,该文提出一种基于评分迭代的无监督异常检测方法。设计了基于自编码器的异常评分迭代过程来学习通用异常特征,获取其初始异常评分。设计了基于深度序数回归模型的异常评分迭代过程来学习判别异常特征,进一步提高异常评分准确性。另外,还通过深度模型、多视图特征、集成学习提高检测准确率。在多个数据集上的实验表明,在无标注信息的情况下,该方法的性能相比对照方法具有明显优势,可以有效地用于现实网络流量异常检测。

关键词：计算机网络异常评分无监督自编码器深度序数回归模型集成学习

在线全文

学校读者我要写书评

暂无评论

密度先验引导的无监督深度点云降噪算法

计算机辅助设计与图形学学报 2024年第2期36卷 283-293页

作者：张杰聂明辉王佳旭刘秀平辽宁师范大学数学学院大连116029 大连理工大学数学科学学院大连116024

为了提高无监督深度点云降噪算法的性能,提出密度先验引导的无监督深度点云降噪算法.基于现有的网络框架,首先设计了密度先验,通过噪声点云的整体分布计算每点位于真实底层曲面的概率;然后利用深度网络,通过上采、下采等策略克服大噪声... 详细信息

为了提高无监督深度点云降噪算法的性能,提出密度先验引导的无监督深度点云降噪算法.基于现有的网络框架,首先设计了密度先验,通过噪声点云的整体分布计算每点位于真实底层曲面的概率;然后利用深度网络,通过上采、下采等策略克服大噪声点的影响,得到降噪点云;最后利用密度先验优化干净点的条件概率分布,设计无监督损失函数对网络进行优化,得到最终算法.此外,基于密度先验还提出低噪声点筛选方法和滤波算法.所提算法在PyTorch上实现,以基于ModelNet-40构造的仿真数据库及真实扫描数据PERL为例,以倒角距离及点到曲面的距离为评价指标.与DMR等算法相比,倒角距离平均降低0.35~1.34,点到曲面的距离平均降低0.68~1.94.实验结果表明,所提算法降噪结果优于现有算法,且具有较强的鲁棒性、普适性和泛化能力.

关键词：点云降噪无监督密度先验深度学习

在线全文

学校读者我要写书评

暂无评论

基于残差池化自编码机的无监督异常分割

计算机集成制造系统 2024年第6期30卷 2069-2079页

作者：杨胜雄陈莹江南大学轻工过程先进控制教育部重点实验室江苏无锡214122

为了解决异常缺陷面积大小不一及背景干扰问题,基于残差池化自编码机提出一种无监督异常分割模型,检测和分割物体表面的异常缺陷。所提模型设计并使用残差池化模块,增加传统模型对异常的逆向重建能力,使正常和异常之间的分水岭更加明显... 详细信息

为了解决异常缺陷面积大小不一及背景干扰问题,基于残差池化自编码机提出一种无监督异常分割模型,检测和分割物体表面的异常缺陷。所提模型设计并使用残差池化模块,增加传统模型对异常的逆向重建能力,使正常和异常之间的分水岭更加明显,解决了大面积缺陷分割不完全的问题;在异常评分阶段引入高斯平滑函数,使模型具有鲁棒性,减小了背景对模型的干扰。在公开的MVTEC AD数据集上进行验证,结果表明,所提模型在图片级别检测精度上达到95.6%、像素级别检测精度上达到96.5%、区域级别的检测精度上达到91.7%,证明了所提模型的有效性,将该模型与其他异常分割方法进行比较,证明了模型的优越性。

关键词：异常分割无监督残差池化模块高斯平滑

在线全文

学校读者我要写书评

暂无评论

环视图表示下的无监督三维物体检索

计算机辅助设计与图形学学报 2021年第5期33卷 765-771页

作者：匡振中杨结俞俊杭州电子科技大学计算机学院杭州310018

为了解决基于多视图的三维物体检索方法过度依赖基于人工标注的有监督训练的问题,提出了一种基于环视图的无监督三维物体检索算法.首先,训练面向多圈环视图的无监督深度网络模型,通过随机数据混合增强学习不同形状之间的内在联系;其次,... 详细信息

为了解决基于多视图的三维物体检索方法过度依赖基于人工标注的有监督训练的问题,提出了一种基于环视图的无监督三维物体检索算法.首先,训练面向多圈环视图的无监督深度网络模型,通过随机数据混合增强学习不同形状之间的内在联系;其次,基于最优匹配方法计算物体间的相似性,其中,最优匹配是利用2个物体环视图间最小距离的平均值计算得到;最后,利用环视图特征过滤算法去除冗余数据,能够在保持精度稳定的情况下,有效地减少相似性匹配的计算代价.在ModelNet40数据集和SHREC15数据集上进行实验,文中方法精度指标mAP分别为41.2%和54.5%.实验结果表明,该无监督三维物体检索方法取得了优异的性能,有效地降低了人工标注的成本.

关键词：三维物体检索无监督环视图深度学习随机混合

基于配电网PMU的无监督电力系统扰动特征提取与分类

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第15期44卷 5858-5870,I0002页

作者：陈徵粼刘灏毕天姝新能源电力系统国家重点实验室(华北电力大学) 北京市昌平区102206

为应对大量分布式新能源接入给电网运行控制带来的挑战,同步相量测量技术被引入配电网。然而,配电网PMU数据量巨大且缺乏标签信息,如何合理利用海量无标签数据识别扰动为电网运行控制提供数据支撑是亟需解决的问题。针对该问题,该文提... 详细信息

为应对大量分布式新能源接入给电网运行控制带来的挑战,同步相量测量技术被引入配电网。然而,配电网PMU数据量巨大且缺乏标签信息,如何合理利用海量无标签数据识别扰动为电网运行控制提供数据支撑是亟需解决的问题。针对该问题,该文提出一种长短时序生成对抗网络无监督特征提取框架(long-short-term time generative adversarial network,LST-TimeGAN)。该方法在传统时序对抗生成网络(time-series generative adversarial networks,TimeGAN)架构上,提出一种基于最小二乘决策损失函数的改进框架,使所提取特征能够反应数据异常程度并为分类提供可靠依据。同时,提出一种基于注意力机制的特征提取单元,提高了空间特征提取效率;进一步,建立长短时三窗并行框架,以对不同时间尺度的扰动特征具备敏感性;最后,以一种预分类、再识别的分类策略完成扰动识别。仿真和现场数据验证表明,该方法可实现无标签、少标签情形下的准确扰动识别;且该方法提取的特征不但能对输电网扰动进行识别,还能对本地电能质量扰动进行识别。

关键词：同步相量测量扰动识别无监督特征提取时间序列生成对抗网络

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

基于地基雷达图像的无监督变化检测

雷达学报（中英文） 2020年第3期9卷 514-524页

作者：黄平平任慧芳谭维贤段盈宏徐伟刘方内蒙古工业大学信息工程学院呼和浩特010051 内蒙古自治区雷达技术与应用重点实验室呼和浩特010051

地基雷达是近20几年逐渐发展成熟的微波遥感成像技术,目前已广泛应用于滑坡、崩塌等地质灾害的监测中。地基雷达通过干涉测量原理可以监测到目标区域发生的微小形变,然而受人为因素、地质因素、气象因素等影响,导致雷达图像失相干严重,... 详细信息

地基雷达是近20几年逐渐发展成熟的微波遥感成像技术,目前已广泛应用于滑坡、崩塌等地质灾害的监测中。地基雷达通过干涉测量原理可以监测到目标区域发生的微小形变,然而受人为因素、地质因素、气象因素等影响,导致雷达图像失相干严重,给长期定量化监测带来较大的难度。因此,迫切需要在定量监测的基础上,进一步开展变化检测方面的应用,为长期全面了解监测区域的动态变化提供有效信息。针对上述问题,该文提出了一种基于改进的模糊C均值聚类(FCM)算法对地基雷达图像进行无监督变化检测,该方法首次利用相干系数图和均值对数比值图进行非下采样轮廓波变换(NSCT)和局部能量法得到合成差异图,然后利用主成分分析(PCA)提取合成差异图中每个像素的特征向量,根据地基雷达图像特点对FCM进行改进,通过改进的FCM对每个像素的特征向量进行聚类得到最终的变化检测结果。利用地基雷达LSA对中国西南某省出现的堰塞体的治理过程进行监测,获取监测区域的地基雷达图像,监测过程中受降水等影响监测体出现滑坡,使用该文方法对其进行变化检测,结果表明该文方法更容易进行聚类分割,变化检测结果在保留变化区域的同时噪声点明显减少。

关键词：地基雷达图像变化检测无监督相干系数改进的模糊C均值聚类