检索结果-南通市图书馆

计算机应用 2024年

作者：黄雨鑫黄贻望黄辉福建农业职业技术学院现代农业技术学院福建理工大学计算机科学与数学学院铜仁学院大数据学院

针对深度神经模型对含有噪声标签的图像数据具有记忆行为而导致的过拟合问题，提出了一种基于浅层网络预测的元标签校正技术。该方法采用弱监督训练方式，通过设置标签重加权网络对噪声数据进行加权操作，利用元学习方法使模型动态的学... 详细信息

针对深度神经模型对含有噪声标签的图像数据具有记忆行为而导致的过拟合问题，提出了一种基于浅层网络预测的元标签校正技术。该方法采用弱监督训练方式，通过设置标签重加权网络对噪声数据进行加权操作，利用元学习方法使模型动态的学习噪声数据，并将模型中深层与浅层网络的预测输出作为伪标签训练模型，同时利用知识蒸馏算法使深层网络指导浅层网络训练，从而有效缓解模型的记忆行为并提升了模型鲁棒性。在CIFAR10/100、Clothing1M数据集上的实验表明，相较于元标签校正方法(MLC)，所提方法在60%与80%高噪声比例的CIFAR10数据集上准确率分别提升了3.49%与1.56%；此外，在CIFAR100数据集的消融实验中，所提方法比无预测标签训练的模型准确率最高提升了5.32%，验证了所提方法的可行性与有效性。

关键词：噪声标签元学习标签校正标签重加权知识蒸馏

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种基于在线蒸馏的轻量化噪声标签学习方法

引用

计算机研究与发展 2024年

作者：黄贻望黄雨鑫刘声福建理工大学计算机科学与数学学院铜仁学院大数据学院贵州省公共大数据重点实验室(贵州大学)

利用含有有损标签的噪声数据来训练深度学习模型是机器学习中的研究热点.研究表明深度学习模型训练易受噪声数据的影响而产生过拟合现象.最近，一种将元学习与标签校正相结合的方法能够使模型更好的适应噪声数据以减缓过拟合现象，然而... 详细信息

利用含有有损标签的噪声数据来训练深度学习模型是机器学习中的研究热点.研究表明深度学习模型训练易受噪声数据的影响而产生过拟合现象.最近，一种将元学习与标签校正相结合的方法能够使模型更好的适应噪声数据以减缓过拟合现象，然而这种元标签校正方法依赖于模型的性能，同时轻量化模型在噪声数据下不具备良好的泛化性能.针对这一问题，提出一种采用知识蒸馏的轻量化噪声元标签校正学习方法(knowledge distillation-based meta-label correction learning， KDMLC)，该方法将深度神经网络与多层感知机构成的元标签校正(meta label correction， MLC)模型视为教师模型，对噪声标签进行校正并指导轻量化模型进行训练，同时采用双层优化策略训练并增强教师模型的泛化能力，从而生成更高质量的伪标签用于训练轻量化模型.实验表明，KDMLC在高噪声水平下对比MLC方法测试精度提高了5.50%；同时对CIFAR10数据集使用Cutout数据增强，KDMLC在高噪声水平下对比MLC测试精度提升了9.11%，而在真实噪声数据集Clothing1M上的实验KDMLC方法也优于其他方法，验证了KDMLC方法的可行性和有效性.

关键词：伪标签标签校正元学习知识蒸馏噪声数据

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于标签校正的端到端实体关系联合抽取

引用

重庆理工大学学报（自然科学） 2021年第10期35卷 163-171页

作者：陈鹏之张瑾刘悦程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190 中国科学院大学北京100049

随着深度学习的快速发展与应用,联合式抽取被广泛应用于实体抽取和实体间的关系预测。虽然端到端的联合抽取方法在该领域得到了较大关注,但这类方法目前未考虑multi-token实体;同时,抽取过程中忽略了关系预测与实体抽取之间的相互影响... 详细信息

随着深度学习的快速发展与应用,联合式抽取被广泛应用于实体抽取和实体间的关系预测。虽然端到端的联合抽取方法在该领域得到了较大关注,但这类方法目前未考虑multi-token实体;同时,抽取过程中忽略了关系预测与实体抽取之间的相互影响。针对以上问题,结合Encoder-Decoder框架的特点,引入标签校正机制,提出了一种基于标签校正的端到端实体关系联合抽取方法CopyLC。实验结果证明:在更严格的评价方式下,所提出的方法与当前主流方法相比,在NYT和WebNLG数据集上均能获得更好的抽取效果。

关键词：实体关系抽取端到端标签校正

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于动态图神经网络和元学习的SAR图像变化检测

基于动态图神经网络和元学习的SAR图像变化检测

引用

作者：王良西安电子科技大学

学位级别：硕士

对同一地区在不同时刻采集的图像进行对比,获得该地区变化信息的过程称为变化检测,该技术已广泛应用于多个领域。合成孔径雷达(Synthetic Aperture Radar,SAR)可不受天气与探测距离的限制从地面获取特征丰富的高分辨率影像,因此SAR图像... 详细信息

对同一地区在不同时刻采集的图像进行对比,获得该地区变化信息的过程称为变化检测,该技术已广泛应用于多个领域。合成孔径雷达(Synthetic Aperture Radar,SAR)可不受天气与探测距离的限制从地面获取特征丰富的高分辨率影像,因此SAR图像已成为变化检测领域中主要的数据来源之一。尽管如此,使用SAR图像进行变化检测仍存在以下几方面问题:无监督方法对图像特征提取不充分、不同SAR图像间分布差异较大导致变化检测性能不佳、变化区域占比较少导致SAR图像数据不平衡以及标签获取代价高昂。针对以上问题,本文提出基于动态图神经网络和元学习的SAR图像变化检测方法,主要研究内容分为以下三个方面:1.针对SAR图像易受相干斑噪声影响与无监督方法提取图像特征能力弱的问题,本文提出基于动态图神经网络的SAR图像变化检测方法。通过使用两幅时相图与差异图构建图结构数据,在训练过程中根据每轮训练迭代后的节点特征动态更新图结构。此方法不仅可以学习图像的邻域信息用以抑制相干斑噪声,还可以对图像纹理信息、结构信息进行提取,提高模型的分类能力。采用四组真实场景中的SAR图像数据对算法性能进行验证,与其他对比方法的检测结果来看,此方法在四组数据集上均取得较好的检测性能。2.针对SAR图像中变化区域占比较低导致的数据不平衡问题,本文提出基于语义数据增广和元学习的SAR图像变化检测方法。隐式语义数据增广(Implicit Semantic Data Augmentation,ISDA)技术可通过语义数据增广增加训练数据集的容量和多样性,但由于少数类样本数量的限制,ISDA技术无法估计合理的类内协方差矩阵导致其语义数据增广性能不佳。本文提出使用MLP作为元学习器在类别平衡的小型数据集上估计类内协方差矩阵,对ISDA技术加以完善。从四组真实的SAR图像数据上取得的变化检测结果来看,所提方法不仅可以取得更好的检测性能,且在样本不平衡比例进一步增大,对比方法检测性能明显下降时,提出的方法能保持较高的变化检测精度。3.针对有监督的SAR图像变化检测方法中需要大量的有标签样本,而标签获取代价高昂的问题,本文提出基于弱监督标签校正和元学习的SAR图像变化检测方法。首先使用无监督算法分析差异图得到初步的预测结果作为噪声标签,然后首次将标签校正方法引入变化检测任务中,用于避免模型在训练过程中被噪声标签中的错误信息误导导致弱监督变化检测方法性能降低的问题,并且利用元学习方法生成软标签代替原有的噪声标签进行训练以改善标签校正的性能,从而进一步提高弱监督变化检测方法最终的检测精度。从四组真实的SAR图像数据上取得的变化检测结果来看,与其他方法相比,所提出的方法均取得更优的检测性能。

关键词： SAR图像变化检测动态图神经网络元学习标签校正

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

基于注意力机制的口罩遮挡人脸视频检测系统研究

基于注意力机制的口罩遮挡人脸视频检测系统研究

引用

作者：向富贵重庆邮电大学

学位级别：硕士

受新型冠状病毒肺炎疫情的影响,规范戴口罩检测成为疫情防控的一项重要手段。当前针对口罩佩戴的检测主要还是通过人工监测,基于深度学习的高精度实时的口罩佩戴检测系统较少,且存在以下问题:缺乏对是否规范佩戴口罩的检测,开源数据集较... 详细信息

受新型冠状病毒肺炎疫情的影响,规范戴口罩检测成为疫情防控的一项重要手段。当前针对口罩佩戴的检测主要还是通过人工监测,基于深度学习的高精度实时的口罩佩戴检测系统较少,且存在以下问题:缺乏对是否规范佩戴口罩的检测,开源数据集较少;数据集图像类内差异较大,类间差异较小;无法达到检测速度和检测精度的平衡;无法满足特定场景下的检测需求。论文研究口罩遮挡人脸视频检测算法和口罩遮挡人脸视频检测系统,主要工作如下:1.设计和部署了口罩佩戴检测系统。该系统基于YOLOv3目标检测网络,检测人脸佩戴口罩和不佩戴口罩情况,分析系统存在的问题并思考如何通过改进核心检测算法弥补系统在识别准确率和识别速度的不足;2.针对规范佩戴口罩数据集较少且数据类内差异较大的问题,提出了一种数据集子类划分的方法。通过在无监督自分类方法中引入标签矫正算法,得到一种数据集自动子类划分算法对数据集进行预处理,以此减少数据集类内差异,通过子类划分后的数据集训练的网络可以达到更好的检测效果;3.针对口罩佩戴检测网络对检测速度和检测精度的需求,提出了基于注意力机制的口罩遮挡人脸视频检测网络。由于检测的目标集中在大中尺度,调整了YOLOv3网络结构,使网络专注于检测大中尺度的目标,提升了网络的检测速度。为了提升类间差异较小的数据类别的分类能力,引入了注意力机制强化网络对细节特征的提取。实验结果表明,通过引入口罩数据自动子类划分方法,并添加注意力机制到检测网络,在口罩遮挡人脸视频检测任务中,网络的口罩佩戴情况平均检测精度从79.34%提升到93.12%,检测速度提高了6.4%,能够满足实际应用的需求。

关键词：疫情防控无监督分类人脸识别注意力机制标签校正

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

图像社会化标签预处理与聚类方法研究

图像社会化标签预处理与聚类方法研究

引用

作者：范能能华中科技大学

学位级别：硕士

随着网络技术和数字设备技术的不断发展，越来越多的网络图像充斥于互联网中，新的词汇也在网络中不断涌现。此时，大众分类法作为一种新的信息组织方式开始崭露头角，但伴随其产生的社会化标签自身的不足在一定程度上抑制大众分类法的... 详细信息

随着网络技术和数字设备技术的不断发展，越来越多的网络图像充斥于互联网中，新的词汇也在网络中不断涌现。此时，大众分类法作为一种新的信息组织方式开始崭露头角，但伴随其产生的社会化标签自身的不足在一定程度上抑制大众分类法的发展。社会化标签中的别字标签就是其不足的体现之一，针对此问题，给出了利用已有词典筛选出别字标签的建议更正标签的算法，并在标签共现网络的基础上，提出了衡量建议更正标签概率的计算方法，最后排序选出概率最大的建议标签为更正标签进而完成标签校正。针对图像已有标签可能不能完全表达图像语义的问题，利用已有标签的共现标签通过标签学习的方法完善图像标签语义。首先给出标签共现网络下任意两标签关联度的对称度量方法与非对称度量方法，然后提出了结合对称度量与非对称度量的待学习标签的权重计算方法即标签共现方法，并在此基础上提出了结合本体的标签学习方法。针对标签检索时查询标签可能存在的语义模糊性问题，给出了利用标签聚类方法解决语义模糊性的算法。首先利用已有的知识组织工具（如本体、同义词词林等）对查询标签扩展获取候选图像集，然后根据标签间的相关度度量选出候选标签集（候选图像的标签集）中与查询最相关的前K个标签，接着采用一种自顶向下的图划分算法将该K个标签聚类，最后根据标签聚类结果将候选图像集归类，并给出各类的聚类摘要。为了验证标签学习与标签聚类的效果，从Flickr网站下载了大量带有社会化标签的真实图像，在已实现的原型系统上进行了实验，实验表明，结合本体与标签共现的标签学习效果要优于只利用标签共现或本体的学习效果;标签聚类算法能有效解决查询标签的语义模糊性问题，且效果要优于Flickr网站的聚类应用。

关键词：社会化标签标签校正标签学习标签聚类

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

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

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

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：