检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

深度度量学习综述

智能系统学报 2019年第6期14卷 1064-1072页

作者：刘冰李瑞麟封举富北京大学信息科学技术学院北京大学机器感知与智能教育部重点实验室

深度度量学习已成为近年来机器学习最具吸引力的研究领域之一,如何有效的度量物体间的相似性成为问题的关键。现有的依赖成对或成三元组的损失函数,由于正负样本可组合的数量极多,因此一种合理的解决方案是仅对训练有意义的正负样本采样... 详细信息

深度度量学习已成为近年来机器学习最具吸引力的研究领域之一,如何有效的度量物体间的相似性成为问题的关键。现有的依赖成对或成三元组的损失函数,由于正负样本可组合的数量极多,因此一种合理的解决方案是仅对训练有意义的正负样本采样,也称为"难例挖掘"。为减轻挖掘有意义样本时的计算复杂度,代理损失设置了数量远远小于样本集合的代理点集。该综述按照时间顺序,总结了深度度量学习领域比较有代表性的算法,并探讨了其与softmax分类的联系,发现两条看似平行的研究思路,实则背后有着一致的思想。进而文章探索了许多致力于提升softmax判别性能的改进算法,并将其引入到度量学习中,从而进一步缩小类内距离、扩大类间距,提高算法的判别性能。

关键词：深度度量学习深度学习机器学习对比损失三元组损失代理损失 softmax分类温度值

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度度量学习的茶叶相似性评价方法

农业工程学报 2023年第2期39卷 260-269页

作者：宋彦赵磊宁井铭戴前颖程福寿安徽农业大学工学院合肥230036 安徽农业大学茶树生物学与资源利用国家重点实验室合肥230036 安徽省智能农机装备工程实验室合肥230036 黄山一品有机茶业有限公司黄山245000

在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集。采集茶样... 详细信息

在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集。采集茶样的高光谱数据并获取光谱特征与图像特征,分别以光谱数据、图像数据、图谱融合数据3种数据类型作为模型的输入。为了构建距离特征空间,该研究提出了基于三元组损失的深度特征提取网络,并设计了Center Anchor Triplet Loss损失函数,通过样本在特征空间的距离,表征相似程度,达到定性判断相似性和定量度量相似度的目的。结果表明:图谱融合数据结合Center Anchor Triplet Loss的方法精度最高,相似性判断准确率为98.89%,相似度度量准确率为100%。该研究采用未经训练的独立样本评价模型,可以获得较好的结果,说明算法具有较好的泛化能力。研究结果为眉茶的相似性评价提供了理论依据。

关键词：图像处理高光谱茶叶拼配相似性评价深度度量学习数据融合

深度度量学习算法研究及其在物体检索中的应用

在线全文

学校读者我要写书评

暂无评论

深度度量学习算法研究及其在物体检索中的应用

作者：郑睿莘南京理工大学

学位级别：硕士

学习样本间的距离度量是计算机视觉领域的一个基础而又重要的课题。近年来,随着深度学习在计算机视觉领域的快速发展,深度度量学习也得到了广泛的关注与研究。深度度量学习主要是通过深度神经网络学习得到满足距离关系的特征嵌入。尽管... 详细信息

学习样本间的距离度量是计算机视觉领域的一个基础而又重要的课题。近年来,随着深度学习在计算机视觉领域的快速发展,深度度量学习也得到了广泛的关注与研究。深度度量学习主要是通过深度神经网络学习得到满足距离关系的特征嵌入。尽管目前深度度量学习方法相较于传统度量学习方法已经取得了较大的进步,但其仍面临着一些挑战。大部分深度度量学习工作均基于正负样本对的相对距离的三元组关系展开,而基于正负样本对的绝对距离的二元组关系相对较少有研究关注。尽管基于二元组关系的对比损失存在难调参、易过拟合等诸多训练问题,但其仍有着较低的时空复杂度和不错的性能,故如何克服其缺陷对其进一步研究仍是十分有价值的课题。另一方面,间隔超参数也是影响深度度量学习算法性能一个重要因素。如何设计无间隔参数且性能优异的深度度量学习算法,也是深度度量学习研究的一大挑战。此外,如何设计不同于传统二元组、三元组约束的新颖损失函数形式也是深度度量学习的一个重要课题。本文针对深度度量学习的以上现状进行了探索,主要工作如下:(1)提出了一种基于最优传输理论的对比损失函数加权方法,将对比损失的损失矩阵作为传输问题中的传输成本矩阵,通过求解两个均匀分布间的最大传输成本为损失矩阵分配0/1二值权重,实现了一种小批量样本内的困难样本对挖掘方法。该方法保证在梯度下降时小批量样本中每个样本用且仅被使用一次,避免了梯度冲突问题;同时保证了挖掘到的样本对组合是满足条件的所有组合中传输成本最大的。在CUB-200-2011、Cars196与In-shop Clothes Retrieval数据集上相较于基线方法均展现出了更好的检索与聚类性能。(2)设计了一种基于样本检索序列关系的结构化深度度量学习方法。引入逆序对的概念,使用检索序列中所有相对序列位置关系不正确的正负样本(逆序对)与查询样本共同组成三元组计算损失。正确的检索序列结构保证了每个逆序负样本被放置到所有正样本的后端,从而避免了使用一般三元组损失函数中用于保证正负样本对区分度的间隔参数。另外,本文提出了一种基于负样本子序列位次的加权方法,为靠近检索序列前端的负样本赋予更大的权重。在CUB-200-2011、Cars196与In-shop Clothes Retrieval数据集上的实验结果表明该方法有着良好的性能表现。(3)提出了一种新颖的基于代表点的直方图损失函数,使用样本与代表点间相似度替代样本间相似度。通过代表点的思想改进了无间隔参数的直方图损失函数,解决了其在细粒度分类数据集上训练会使得模型崩溃的不稳定问题,同时在CUB-200-2011、Cars196与In-shop Clothes Retrieval数据集上提升了其性能表现。还验证了代表点方法在对比损失中的应用,并讨论了其易过拟合等弊端。扩展了代表点方法在深度度量学习领域的应用范围。(4)基于(2)中提出的结构化损失函数设计并实现了一个物体检索系统。系统使用.NET框架与Python进行开发,采用前后端分离的设计。该系统会根据用户所提交的图像从选定的数据集中返回前十个最相似的样本作为检索结果予以展示,同时给出最相似结果的置信度供用户参考。

关键词：深度度量学习最优传输理论困难样本挖掘损失函数物体检索

深度度量学习与条件随机场研究——以高光谱图像分类为例

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

深度度量学习与条件随机场研究——以高光谱图像分类为例

作者：梁怡天津大学

学位级别：硕士

计算机视觉中一个极其重要的研究领域是图像分类,它是人脸识别、图像检索等其他高级视觉任务的基础。近年来图像分类中一个比较火热的主题是高光谱图像分类。由于高光谱图像含有高的光谱分辨率,使得地物分辨识别能力被极大提高,因此它... 详细信息

计算机视觉中一个极其重要的研究领域是图像分类,它是人脸识别、图像检索等其他高级视觉任务的基础。近年来图像分类中一个比较火热的主题是高光谱图像分类。由于高光谱图像含有高的光谱分辨率,使得地物分辨识别能力被极大提高,因此它对农业、海洋、交通等多个方面起着重要的作用。传统机器学习方法在分类时依赖于人工设计的浅层特征,它们需要花费巨大的人力与时间,并且这些方法在面对高维数据时的表现不尽人意。而深度学习以其能自主学习抽象特征的表示极大地改善了传统分类方法的表现。而在此基础上的深度度量学习则为数据提供了一种相似性度量,使得生成的特征更具判别力,从而更有利于提升分类精度。另外,概率图模型的条件随机场在分类中也取得了不错的成绩,凭借着对上下文信息的充分利用,它取得了比一般只基于像素特征的分类方法更好的结果。为此本文主要研究了基于深度度量学习和条件随机场结合的分类算法,并研究了其在高光图像上的分类表现,具体内容为:1.给出一种深度度量学习模型用于特征提取。深度度量学习模型以神经网络为框架,在原有Softmax Loss的基础上通过再引入Center Loss,来联合监督训练网络。经训练后的网络就可从输入数据中提取到类内紧凑,类间分离的特征。结果表明该方法提取到的特征更具判别力。2.提出一种深度度量学习与条件随机场结合的分类方法。为了能进一步提高分类表现,在考虑到图像中含有丰富的上下文信息后,本文采用条件随机场作为后处理分类步骤。深度度量学习模型用于提取特征,条件随机场模型则是根据提取到的特征完成最终的分类。实验结果也说明在融合了上下文信息后,分类准确率能进一步提升。3.采用ConvCRF算法用于条件随机场模型的快速推断。条件随机场模型中所含的边数过多使得直接推断比较困难。为此,本文采用了基于平均场近似的ConvCRF算法来实现模型的推断。实验表明,与其他一些深度学习模型相比,本文方法具有更高的运算效率。

关键词：机器学习深度度量学习条件随机场高光谱图像分类

图像生成和深度度量学习的身份感知面部表情识别方法

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

计算机辅助设计与图形学学报 2021年第5期33卷 724-732页

作者：章思远肖世明张蓬黄伟南昌大学信息工程学院南昌330031 西北工业大学计算机学院西安710072 南昌大学信息化办公室南昌330031

为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其... 详细信息

为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其结构中对抗生成网络,目标在于学习表情信息并生成表情组;特征提取网络用于将图像转化成为可进行度量学习的特征向量;马氏度量学习网络能够有效地对一对特征值进行比较与分类.该方法在常用面部表情识别数据集CK+和Oulu-CASIA上取得了98.6532%和99.8248%的平均分类准确率,并在Oulu-CASIA数据集上超过当前最好方法10%以上.通过与目前最新方法的比较,证实了该方法在面部表情识别中的有效性和进步性.

关键词：深度度量学习图像生成身份感知面部表情识别

在线全文

学校读者我要写书评

暂无评论

基于深度度量学习的轴承故障诊断方法

振动与冲击 2020年第15期39卷 25-31页

作者：李小娟徐增丙熊文王志刚谭俊杰冶金装备及其控制教育部重点实验室武汉430081 武汉科技大学机械自动化学院武汉430081 中国船舶工业集团公司第708研究所喷水推进技术重点实验室上海200011

针对机械大数据因故障类内离散度和类间相似度较大而导致诊断精度低的问题,提出一种深度度量学习故障诊断方法,采用深度神经网络(Deep Neural Network, DNN)对故障特征进行自适应提取,并利用基于欧氏距离的边际Fisher分析(Marginal Fish... 详细信息

针对机械大数据因故障类内离散度和类间相似度较大而导致诊断精度低的问题,提出一种深度度量学习故障诊断方法,采用深度神经网络(Deep Neural Network, DNN)对故障特征进行自适应提取,并利用基于欧氏距离的边际Fisher分析(Marginal Fisher Analysis, MFA)方法进行了优选,在构建的深度度量网络(Deep Metric Network, DMN)顶层特征输出层添加BPNN(Back Propagation Neural Network, BPNN)分类器对网络参数进行微调,并实现故障的分类识别。通过对不同类型和严重程度的轴承故障进行了诊断分析,验证了该方法可以有效地对轴承故障进行高精度诊断,效果优于传统深度信念网络(Deep Belief Network, DBN)故障诊断方法以及常用时域统计特征结合支持向量机(Support Vector Machine, SVM)分类的故障诊断方法。

关键词：深度度量学习轴承故障诊断相似度

在线全文

学校读者我要写书评

暂无评论

一种基于深度度量学习的视频分类方法

电子与信息学报 2018年第11期40卷 2562-2569页

作者：智洪欣于洪涛李邵梅高超王艳川国家数字交换系统工程技术研究中心郑州450002

针对视频分类中普遍面临的类内离散度和类间相似性较大而制约分类性能的问题,该文提出一种基于深度度量学习的视频分类方法。该方法设计了一种深度网络,网络包含特征学习、基于深度度量学习的相似性度量,以及分类3个部分。其中相似性度... 详细信息

针对视频分类中普遍面临的类内离散度和类间相似性较大而制约分类性能的问题,该文提出一种基于深度度量学习的视频分类方法。该方法设计了一种深度网络,网络包含特征学习、基于深度度量学习的相似性度量,以及分类3个部分。其中相似性度量的工作原理为:首先,计算特征间的欧式距离作为样本之间的语义距离;其次,设计一个间隔分配函数,根据语义距离动态分配语义间隔;最后,根据样本语义间隔计算误差并反向传播,使网络能够学习到样本间语义距离的差异,自动聚焦于难分样本,以充分学习难分样本的特征。该网络在训练过程中采用多任务学习的方法,同时学习相似性度量和分类任务,以达到整体最优。在UCF101和HMDB51上的实验结果表明,与已有方法相比,提出的方法能有效提高视频分类精度。

关键词：视频分类深度学习自适应间隔深度度量学习多任务学习

在线全文

学校读者我要写书评

暂无评论

基于跨模态深度度量学习的甲骨文字识别

自动化学报 2021年第4期47卷 791-800页

作者：张颐康张恒刘永革刘成林中国科学院自动化研究所模式识别国家重点实验室北京100190 中科院大学人工智能学院北京100049 中国科学院脑科学与智能技术卓越创新中心北京100190 安阳师范学院安阳455099

甲骨文字图像可以分为拓片甲骨文字与临摹甲骨文字两类.拓片甲骨文字图像是从龟甲、兽骨等载体上获取的原始拓片图像,临摹甲骨文字图像是经过专家手工书写得到的高清图像.拓片甲骨文字样本难以获得,而临摹文字样本相对容易获得.为了提... 详细信息

甲骨文字图像可以分为拓片甲骨文字与临摹甲骨文字两类.拓片甲骨文字图像是从龟甲、兽骨等载体上获取的原始拓片图像,临摹甲骨文字图像是经过专家手工书写得到的高清图像.拓片甲骨文字样本难以获得,而临摹文字样本相对容易获得.为了提高拓片甲骨文字识别的性能,本文提出一种基于跨模态深度度量学习的甲骨文字识别方法,通过对临摹甲骨文字和拓片甲骨文字进行共享特征空间建模和最近邻分类,实现了拓片甲骨文字的跨模态识别.实验结果表明,在拓片甲骨文字识别任务上,本文提出的跨模态学习方法比单模态方法有明显的提升,同时对新类别拓片甲骨文字也能增量识别.

关键词：甲骨文字识别深度度量学习最近邻分类跨模态学习

在线全文

学校读者我要写书评

暂无评论

基于跨模态深度度量学习的时序数据异常检测

计算机仿真 2022年第10期39卷 533-537页

作者：李娟李海瑛边玲刘秋红河北医科大学河北石家庄050031

为妥善解决时序数据异常检测敏感度低、耗时长等问题,提出基于跨模态深度度量学习的异常检测方法。创建由输入层、三元组选择层和损失函数计算层构建的跨模态深度度量学习特征聚类模型,计算各聚类中心间欧式距离平方值,采用随机梯度下... 详细信息

为妥善解决时序数据异常检测敏感度低、耗时长等问题,提出基于跨模态深度度量学习的异常检测方法。创建由输入层、三元组选择层和损失函数计算层构建的跨模态深度度量学习特征聚类模型,计算各聚类中心间欧式距离平方值,采用随机梯度下降策略优化模型,归类不同时序特征数据;以主成分方向矢量内积当作数据异常衡量标准,运用vMF分布描述时序数据的方向特征,训练历史数据得到评估时序参数,对比真实时序数据主成分方向矢量与门限值,完成异常数据检测。实验结果证明,所提检测方法能准确划分不同属性的时序数据,对异常数据敏感,检测精度高、速率快,鲁棒性强。

关键词：跨模态深度度量学习时序数据异常检测核主成分分析