检索结果-南通市图书馆

基于改进区域生成网络和特征聚合小样本目标检测方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：付可意王高才邬满广西近海海洋环境科学重点实验室(广西科学院) 广西大学计算机与电子信息学院广西科学院广西壮族自治区北部湾碳汇与低碳工程研究中心

在现有的小样本目标检测中，区域生成网络（RPN）通常是在基类数据上进行训练以生成新类候选框，但新类数据相对基类而言较为稀缺，在引入时可能产生与目标物不同的复杂背景，会导致RPN将背景误认为前景，遗漏高交并比（IoU）值候选框... 详细信息

在现有的小样本目标检测中，区域生成网络（RPN）通常是在基类数据上进行训练以生成新类候选框，但新类数据相对基类而言较为稀缺，在引入时可能产生与目标物不同的复杂背景，会导致RPN将背景误认为前景，遗漏高交并比（IoU）值候选框。针对上述问题，提出一种基于改进RPN和特征聚合小样本目标检测（IFA-FSOD）方法。首先，基于RPN进行改进，通过在RPN中设计一个基于度量的非线性分类器，计算骨干网络提取的特征和新类之间的相似度，提高对新类候选框的召回率，从而筛选出高IoU候选框。其次，在感兴趣区域对齐（ROI Align）中引入基于注意力机制的特征聚合模块，通过设计不同尺度的网格，获取更全面的信息和特征表示，缓解因尺度不同引起的特征信息缺失。实验结果表明，相比QA-FewDet方法，IFA-FSOD在PASCAL-VOC数据集的新类上，Novel Set 3 10shot下nAP50提升了4.5个百分点；相比FsDetView方法，在10shot和30shot设置下，IFA-FSOD在COCO数据集的新类上m AP分别提升了0.2和0.8个百分点。IFA能有效提高在小样本情况下对目标类别的检测性能，解决高IoU值候选框遗漏和特征信息捕捉不全的问题。

关键词：小样本目标检测基于度量区域生成网络非线性分类器特征聚合

简单非线性神经网络分类器及其在签名认证中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2002年第19期38卷 88-89,92页

作者：邱德红陈杲陈传波欧阳星明华中科技大学计算机科学与技术学院应用系武汉430074

该文分析了手写签名样本的特征值在特征空间上的分布。在此基础上,直接从神经元分类功能的物理意义出发,设计了具有非线性边界的,用于手写签名认证的神经网络分类器,妥善地解决了实际应用中,由于真实签名样本数量少和伪签名样本缺乏,不... 详细信息

该文分析了手写签名样本的特征值在特征空间上的分布。在此基础上,直接从神经元分类功能的物理意义出发,设计了具有非线性边界的,用于手写签名认证的神经网络分类器,妥善地解决了实际应用中,由于真实签名样本数量少和伪签名样本缺乏,不能训练神经网络的问题,取得了较好的认证结果。

关键词：简单非线性神经网络分类器签名认证非线性分类器

在线全文

学校读者我要写书评

暂无评论

一种新的非线性模式分类器方法

上海理工大学学报 2002年第1期24卷 57-59页

作者：施展上海理工大学光学与电子信息工程学院上海200093

根据模糊推理理论,提出了建立模式分类模糊决策规则的方法,该方法可适于各种非线性决策面的模式分类. 通过仿真试验证明了该方法的有效性.

关键词：模式识别模糊推理非线性分类器

基于CBLRE模型的轴向柱塞泵空化状态检测研究

在线全文

学校读者我要写书评

暂无评论

机电工程 2022年第5期39卷 634-640页

作者：李志杰兰媛黄家海牛蔺楷袁科研范佳祺武兵太原理工大学机械与运载工程学院山西太原030024 太原理工大学新型传感器与智能控制教育部重点实验室山西太原030024

空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型... 详细信息

空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先,对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强,并对其进行了标准化处理;然后,利用卷积神经网络(CNN)自动提取信号的特征,并对其进行了特征降维处理;利用双向长短期记忆(Bi-LSTM)网络学习特征序列的时间依赖性,利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类,实现了对柱塞泵的空化状态检测与智能故障诊断;最后,为测试CBLRE模型的性能,搭建了实验平台,在此之上将CBLRE模型与其他模型进行了对比,分析了该模型在不同工况下的性能表现。研究结果表明:该模型的结构稳定、训练时间短,且在不同负载下均可保持良好的泛化性能,空化状态识别率均达到99%以上,该结果验证了柱塞泵空化状态识别方法的有效性;此外,该模型还可有效识别空化现象与柱塞泵的其他故障。

关键词：容积泵轴向柱塞泵空化现象卷积神经网络双向长短期记忆网络正则化极限学习机深度学习网络非线性分类器

基于元学习的改进小样本目标检测法在废品识别分类的研究

在线全文

学校读者我要写书评

暂无评论

基于元学习的改进小样本目标检测法在废品识别分类的研究

作者：孟青安徽理工大学

学位级别：硕士

目前,废品正确的分类困扰着居民的正常生活。主流废品识别分类系统是使用R-CNN来做识别,但R-CNN泛化能力弱,相对于困难样本(例如:遮挡,形变等),R-CNN只能通过增多训练样本来提高检测精度。再加上现实生活中的场景长尾效应,则需要更多训... 详细信息

目前,废品正确的分类困扰着居民的正常生活。主流废品识别分类系统是使用R-CNN来做识别,但R-CNN泛化能力弱,相对于困难样本(例如:遮挡,形变等),R-CNN只能通过增多训练样本来提高检测精度。再加上现实生活中的场景长尾效应,则需要更多训练样本。其次,智能废品识别分类系统的研究主要集中在废品箱或小程序的单一结构设计上。然而,这缺乏将两者结合在一起的组合结构。(1)针对传统R-CNN泛化能力弱等问题,本文首先对传统的R-CNN算法进行改进,运用元学习的方法,将从数据丰富的基类中学习到的元知识转移到数据稀缺的新类中。对粗粒度原型匹配网络进行改进,使用基于度量学习的非线性分类器而不是传统的线性目标分类器来处理查询图像中候选框和新类之间的相似度,从而提高了小样本新类候选框的召回率。对细粒度原型匹配网络进行改进,添加了一个带有空间特征区域匹配和前景关注的模块来处理噪声候选框和小样本新类的相似度,以解决候选框特征和类原型之间的空间区域不匹配,从而提高整体检测精度。本文改进的算法在The PASCAL VOC数据集的大部分样本指标中,比以前最先进算法的性能高出3.0m AP50以上。在MSCOCO数据集上实现了类似的精度提升。其次设计了一个小样本检测器,将基于softmax的分类器和本文设计的小样本检测器放在一起考虑,利用这两种检测器的优势,通过使用本文的小样本检测器的来共享特征主干网络,联合学习一个Faster R-CNN检测头,用来检测基类和新类。做到了在保持原有检测精度的基础上,扩大了检测范围。(2)本文将小程序和废品箱进行软硬件结合,软件部分基于微信小程序,包括一个小程序端和一个服务器端。小程序端负责显示前端界面,而服务器端主要负责与小程序端进行交互。这种交互具有以下几个功能:系统主页、图像识别、文本识别及积分测验。硬件部分以树莓派为基础,并分为树莓派和废品箱本身,前者充当后者“大脑”,将本文改进的算法模型部署到树莓派中,负责对废品进行识别、分类及入箱,此外,还可以完成图像拍摄等功能,并通过自动播报功能给用户提出废品分类的建议。图24表14参77

关键词：元学习小样本目标检测法度量学习非线性分类器空间特征区域匹配前景关注

基于AUC优化的非线性主动学习算法及其在障碍物检测中的应用

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

机器人 2010年第3期32卷 344-351页

作者：韩光赵春霞胡雪蕾南京理工大学计算机科学与技术学院江苏南京210094

针对障碍物检测中因样本量过大而造成的标记困难以及样本分布不均衡等问题,提出了一种基于AUC优化的非线性主动学习算法.该算法的计算处理过程是:首先利用基于AUC优化的算法在训练集上对非线性分类器进行训练;然后利用已训练好的分类器... 详细信息

针对障碍物检测中因样本量过大而造成的标记困难以及样本分布不均衡等问题,提出了一种基于AUC优化的非线性主动学习算法.该算法的计算处理过程是:首先利用基于AUC优化的算法在训练集上对非线性分类器进行训练;然后利用已训练好的分类器对所有未标记样本进行分类;接着利用基于AUC优化的样本选择函数计算分类后的样本的得分;最后算法根据分值大小选出最有信息量样本,并且专家根据该样本所在的图像及在图像中位置对其进行标记并放入训练集中.重复上述过程,直到AUC收敛为止.在户外环境图像库上进行了实验,结果表明:该算法能显著减小数据标记的工作量,并能解决因样本分布不平衡而引起的次优解问题,与已有主动学习算法相比性能更优.

关键词：障碍物检测主动学习 AUC优化非线性分类器梯度下降法

在线全文

学校读者我要写书评

暂无评论

金属断口图像的非线性模式识别方法

东北大学学报（自然科学版） 2004年第9期25卷 884-886页

作者：颜云辉杨会林王成明东北大学机械工程及自动化学院辽宁沈阳110004

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型... 详细信息

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·

关键词：金属断口小波变换特征提取神经网络非线性分类器非线性模式识别

一种改进的最大化AUC方法在障碍物检测中的应用

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2010年第5期23卷 731-737页

作者：韩光赵春霞南京理工大学计算机科学与技术学院南京210094

在障碍物检测中,障碍物/非障碍物样本具有在特征空间上相互重叠范围大和分布不均衡的特点,而传统的分类器训练方法对这种数据的处理往往力不从心.针对此问题,文中提出一种改进的最大化ROC曲线下面积(AUC)方法来对分类器进行训练.该方法... 详细信息

在障碍物检测中,障碍物/非障碍物样本具有在特征空间上相互重叠范围大和分布不均衡的特点,而传统的分类器训练方法对这种数据的处理往往力不从心.针对此问题,文中提出一种改进的最大化ROC曲线下面积(AUC)方法来对分类器进行训练.该方法使用一种替代函数来作优化AUC的目标函数,同时将粒子群算法引入到AUC目标函数优化中,并通过使用巴特沃兹曲线和对适应值较差的粒子进行突变等方式对其进行改进.实验表明,使用该方法能够较好地解决因使用梯度法而产生的局部最优等问题,与已有的方法相比能更进一步提高障碍物的检测率,且算法本身可靠有效.

关键词：最大化ROC曲线下面积非线性分类器梯度下降法粒子群算法障碍物检测

在线全文

学校读者我要写书评

暂无评论

一种基于SVM特征选择的油气预测方法

天然气工业 2004年第7期24卷 36-38页

作者：姚凯丰陆文凯丁文龙张善文肖焕钦李衍达清华大学自动化系智能技术与系统国家重点实验室中国石化胜利油田有限公司

支持向量机 (SVM)是近年来发展起来的一种通用的机器学习方法 ,在许多分类问题和函数拟合问题上都已获得了很好的效果。对于少量样本的分类问题 ,SVM具有调节参数较少 ,运算速度快等优点。通过地震、测井等信息进行油气预测是一种典型... 详细信息

支持向量机 (SVM)是近年来发展起来的一种通用的机器学习方法 ,在许多分类问题和函数拟合问题上都已获得了很好的效果。对于少量样本的分类问题 ,SVM具有调节参数较少 ,运算速度快等优点。通过地震、测井等信息进行油气预测是一种典型的非线性分类器设计问题 ,它具有已知样本数较少、特征个数较少等特点 ,文章据此提出了一种基于特征扩展和特征选择的改进SVM方法。该方法将原始特征通过非线性变换到高维空间 ,然后应用线性SVM进行特征选择 ,并同时计算降维过程中各个特征子集对应的留一法错误率 ,最后选择错误率较小的特征子集来设计线性SVM分类器。在通用数据的实验中 ,这种方法仅仅用较为简单的多项式核函数就大大提高了分类器的泛化能力。与传统的模糊数学方法、神经网络方法和SVM方法相比 ,这种方法在四川观音场构造的碳酸岩盐储层数据的预测误差降低了 5 0 % ,是一种有效的油气预测方法。

关键词： SVM 油气藏预测方法非线性分类器向量计算机地震数据处理观音场气田计算方法