检索结果-南通市图书馆

中国图象图形学报 2021年第2期26卷 415-424页

作者：尚欣茹温尧乐奚雪峰胡伏原苏州科技大学电子与信息工程学院苏州215009 苏州科技大学苏州市大数据与信息服务重点实验室苏州215009 苏州科技大学苏州市虚拟现实智能交互及应用技术重点实验室苏州215009

目的区域推荐网络(region proposal network,RPN)与孪生网络(Siamese)相结合进行视频目标跟踪,显示了较高的准确性。然而,孪生RPN网络(Siamese region proposal network,Siam RPN)目标跟踪器依赖于密集的锚框策略,会产生大量冗余的锚框... 详细信息

目的区域推荐网络(region proposal network,RPN)与孪生网络(Siamese)相结合进行视频目标跟踪,显示了较高的准确性。然而,孪生RPN网络(Siamese region proposal network,Siam RPN)目标跟踪器依赖于密集的锚框策略,会产生大量冗余的锚框并影响跟踪的精度和速度。为了解决该问题,本文提出了孪生导向锚框RPN网络(Siamese-guided anchor RPN,Siamese GA-RPN)。方法Siamese GA-RPN的主要思想是利用语义特征来指导锚框生成。其中导向锚框网络包括位置预测模块和形状预测模块,这两个模块分别利用孪生网络中CNN(convolutional neural network)产生的语义特征预测锚框的位置和长宽尺寸,减少了冗余锚框的产生。然后,进一步设计了特征自适应模块,利用每个锚框的形状信息,通过可变卷积层来修正跟踪目标的原始特征图,降低目标特征与锚框信息的不一致性,提高了目标跟踪的准确性。结果在3个具有挑战性的视频跟踪基准数据集VOT(video object tracking)2015、VOT2016和VOT2017上进行了跟踪实验,测试了算法在目标快速移动、遮挡和光照等复杂场景下的跟踪性能,并与多种优秀算法在准确性和鲁棒性两个评价指标上进行定量比较。在VOT2015数据集上,本文算法与孪生RPN网络相比,准确性提高了1.72%,鲁棒性提高了5.17%;在VOT2016数据集上,本文算法与孪生RPN网络相比,准确性提高了3.6%,鲁棒性提高了6.6%;在VOT2017数据集上进行实时实验,本文算法表现出了较好的实时跟踪效果。结论通过孪生导向锚框RPN网络提高了锚框生成的有效性,确保了特征与锚框的一致性,实现了对目标的精确定位,较好地解决了锚框尺寸对目标跟踪精度的影响。在目标尺度发生变化、遮挡、光照条件变化和目标快速运动等复杂场景下仍然表现出了较强的鲁棒性和适应性。

关键词：目标跟踪孪生网络 RPN网络导向锚框特征适应

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

基于对抗域适应的路面裂缝检测方法研究

基于对抗域适应的路面裂缝检测方法研究

引用

作者：翁星星武汉大学

学位级别：硕士

裂缝是大多数路面病害的早期表现,准确地检测裂缝对于路面性能预测、路面病害预防和控制具有重要意义。近年来,卷积神经网络所具有的强大图像描述能力促使许多学者将该技术应用于裂缝检测,并取得了很好的效果。但是不同路面裂缝数据集... 详细信息

裂缝是大多数路面病害的早期表现,准确地检测裂缝对于路面性能预测、路面病害预防和控制具有重要意义。近年来,卷积神经网络所具有的强大图像描述能力促使许多学者将该技术应用于裂缝检测,并取得了很好的效果。但是不同路面裂缝数据集在路面材质、拍摄条件以及采集设备等方面的差异使得它们的数据分布是不同的。最终导致由单一数据集训练的裂缝检测模型对新数据集不具有稳健性,检测性能往往大幅下降。为了提高检测精度,传统做法是选取新数据集中的部分图像进行逐像素的真值标注,然后将其作为训练样本重新训练或微调模型。但是,裂缝真值人工标注不仅成本高而且耗时,难以跟上路面图像的采集速度。因此,如何在新数据集无真值的情况下,提高已训练模型在新数据集上的检测性能,是利用卷积神经网络进行裂缝检测的关键问题。无监督域适应是解决任务相同但数据分布不同导致的卷积模型性能降低问题的有效方法。该方法已经普遍地运用于街景图像的跨数据集分割,并取得了一定的成功。和街景图像分割相比较,裂缝检测是一个更为精细的任务,且路面图像中裂缝自身的变化更为多样和复杂。因此,直接将街景图像的域适应方法用于路面裂缝图像很难取得好效果。基于这一研究现状,本文以不同的路面裂缝数据集为基础,利用对抗训练思想,设计了通用的裂缝检测的无监督域适应策略,提升单一数据集训练的裂缝检测模型的跨域检测性能,以实现无监督、高精度的路面裂缝跨数据集检测。本次研究的主要内容及结论如下:(1)基准裂缝检测网络构建:为了客观评估本文提出的域适应策略对裂缝检测网络性能的提升,需要一个统一的基准裂缝检测网络。鉴于目前大多的裂缝检测网络都是基于FCN、U-Net、Seg Net这三个通用语义分割网络提出的。因此,本文对FCN、U-Net、Seg Net的网络架构进行了学习和总结,然后在同一个裂缝数据集上对比这三种网络的裂缝检测性能。选择其中性能最优的作为域适应裂缝检测研究的基准网络。实验结果表明:U-Net的裂缝检测性能是最佳的。(2)基于对抗域适应的路面裂缝跨域检测研究:在以U-Net为基准裂缝检测网络的基础上,本文利用对抗训练思想,同时在特征层面和网络输出层面进行域适应,提出了特征适应模块和输出适应模块,用于减小模型训练集和新数据集之间的分布差异。具体地,特征适应模块的目标指导基准网络的编码器学习域不变的特征表示,从而缩小源域(带真值的模型训练集)和目标域(无真值的新数据集)的特征分布差异,使得基准网络的编码器在目标域上可以提取较为准确的裂缝特征。考虑到为裂缝检测而学习的特征表示高维且复杂,在这样的特征空间中并不能十分准确地对齐源域和目标域。此外,网络输出的裂缝检测结果也受到网络解码器的影响。因此,本文在特征层面域适应的同时进行输出层面域适应。输出适应模块的目标是捕获源域预测图与目标域预测图在语义层面的差异,然后通过反向传播该差异指导基准网络在目标域上产生与源域在语义层面相似的预测结果。为了全面评估所提出的域适应策略的性能,本文在多个路面裂缝跨域检测实验中对比域适应网络和基准网络的跨域检测性能。此外,本文将两个域适应模块集成到FCN的架构上,再次进行路面裂缝跨域检测实验,以测试域适应策略的通用性。实验结果表明:本文提出的域适应策略可以有效地缩小路面裂缝检测任务中由于路面材质、拍摄条件和采集设备不同导致的分布差异,实现了在新数据集无真值的情况下,提高已训练模型在新数据集上的检测性能。此外,所提出的域适应策略具有通用性。

关键词：裂缝检测无监督域适应对抗训练特征适应输出适应

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

基于后提示与实例适应的跨域方面情感分析

引用

软件导刊 2024年

作者：刘涛冯翱高正杰成都信息工程大学计算机学院吉利学院电子信息工程学院

方面情感分析是一种细粒度的情感分析任务，旨在从句子中提取方面词并识别其情感。由于方面术语的标注成本高昂，之前的工作通过跨领域转移公共知识来缓解新领域的数据缺乏问题。但这些方法的模型复杂，并且需要昂贵的多级预处理。针对... 详细信息

方面情感分析是一种细粒度的情感分析任务，旨在从句子中提取方面词并识别其情感。由于方面术语的标注成本高昂，之前的工作通过跨领域转移公共知识来缓解新领域的数据缺乏问题。但这些方法的模型复杂，并且需要昂贵的多级预处理。针对这些问题，提出一种简单且有效的LPIDA模型。首先，从BERT模型的中间层开始，每层插入一组由多个可学习向量组成的软提示，以学习源域和目标域之间的域不变特征。其次，设置一个词级域分类器，将分类器的结果用于实例适应，使模型能更关注目标域中的单词。在4个基准英文数据集上的实验结果表明，所提出的LPIDA模型在10组不同域对上的跨域方面情感分析任务的平均Micro-F1达到47.01%，跨域方面词提取任务的平均Micro-F1达到52.29%。同时在3个中文数据集上进行测试，证明了该方法的有效性。

关键词：方面情感分析后提示域适应实例适应特征适应

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

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：