检索结果-南通市图书馆

维普期刊数据库博看期刊

grad-cam:Understanding AI Models

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2023年第8期76卷 1321-1324页

作者： Shuihua Wang Yudong Zhang School of Computing and Mathematical Sciences University of LeicesterLeicesterLE17RHUK Department of Information Systems King Abdulaziz UniversityJeddah21589Saudi Arabia

Artificial intelligence(AI)[1,2]allows computers to think and behave like humans,so it is now becoming more and more influential in almost every field[3].Hence,users in businesses,industries,hospitals[4],etc.,need to ... 详细信息

关键词： Artificial intelligence grad-cam deep learning convolutional neural networks classification location explainable

Cavitation recognition of axial piston pumps in noisy environment based on grad-cam visualization technique

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

CAAI Transactions on Intelligence Technology 2023年第1期8卷 206-218页

作者： Qun Chao Xiaoliang Wei Jianfeng Tao Chengliang Liu Yuanhang Wang State Key Laboratory of Mechanical System and Vibration Shanghai Jiao Tong UniversityShanghaiChina State Key Laboratory of Fluid Power and Mechatronic Systems Zhejiang UniversityHangzhouChina MoE Key Laboratory of Artificial Intelligence AI InstituteShanghai Jiao Tong UniversityShanghaiChina China Electronic Product Reliability and Environmental Testing Research Institute GuangzhouChina Guangdong Provincial Key Laboratory of Electronic Information Products Reliability Technology GuangzhouChina

The cavitation in axial piston pumps threatens the reliability and safety of the overall hydraulic *** signal can reflect the cavitation conditions in axial piston pumps and it has been combined with machine learning to detect the pump ***,the vibration signal usually contains noise in real working conditions,which raises concerns about accurate recognition of cavitation in noisy *** paper presents an intelligent method to recognise the cavitation in axial piston pumps in noisy ***,we train a convolutional neural network(CNN)using the spectrogram images transformed from raw vibration data under different cavitation ***,we employ the technique of gradient-weighted class activation mapping(grad-cam)to visualise class-discriminative regions in the spectrogram ***,we propose a novel image processing method based on grad-cam heatmap to automatically remove entrained noise and enhance class features in the spectrogram *** experimental results show that the proposed method greatly improves the diagnostic performance of the CNN model in noisy *** classification accuracy of cavitation conditions increases from 0.50 to 0.89 and from 0.80 to 0.92 at signal-to-noise ratios of 4 and 6 dB,respectively.

关键词： axial piston pump cavitation recognition CNN grad-cam spectrogram image

Efficient grad-cam-Based Model for COVID-19 Classification and Detection

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Computer Systems Science & Engineering 2023年第3期44卷 2743-2757页

作者： Saleh Albahli Ghulam Nabi Ahmad Hassan Yar Department of Information Technology College of ComputerQassim UniversityBuraydahSaudi Arabia Department of Electrical and Computer Engineering Air UniversityIslamabadPakistan ZR-Tech 24CheadleStockportSK83EGGreater ManchesterUnited Kingdom

Corona Virus(COVID-19)is a novel virus that crossed an animal-human barrier and emerged in Wuhan,*** now it has affected more than 119 million *** of COVID-19 is a critical task and due to a large number of patients,a shortage of doctors has occurred for its *** this paper,a model has been suggested that not only detects the COVID-19 using X-ray and CT-Scan images but also shows the affected *** classes have been defined;COVID-19,normal,and Pneumonia for X-ray *** CT-Scan images,2 classes have been defined COVID-19 and *** classi-fication purposes,pretrained models like ResNet50,VGG-16,and VGG19 have been used with some *** detecting the affected areas gradient-weighted Class Activation Mapping(gradcam)has been *** the X-rays and ct images are taken at different intensities,so the contrast limited adaptive histogram equalization(CLAHE)has been applied to see the effect on the training of the *** a result of these experiments,we achieved a maximum validation accuracy of 88.10%with a training accuracy of 88.48%for CT-Scan images using the ResNet50 *** for X-ray images we achieved a maximum validation accuracy of 97.31%with a training accuracy of 95.64%using the VGG16 model.

关键词： Convolutional neural networks(CNN) COVID-19 pre-trained models CLAHE grad-cam X-ray data augmentation

融合grad-cam和卷积神经网络的COVID-19检测算法

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2022年第9期16卷 2108-2120页

作者：朱炳宇刘朕张景祥江南大学理学院江苏无锡214122

新型冠状病毒肺炎(COVID-19)检测中胸部X射线(CXR图像)和电子计算机断层扫描(CT)图像是两种主要技术手段,为医生诊断提供了重要依据。针对当前卷积神经网络(CNN)在医学放射性图像中检测COVID-19的准确率不高、算法复杂、无法标记特征区... 详细信息

新型冠状病毒肺炎(COVID-19)检测中胸部X射线(CXR图像)和电子计算机断层扫描(CT)图像是两种主要技术手段,为医生诊断提供了重要依据。针对当前卷积神经网络(CNN)在医学放射性图像中检测COVID-19的准确率不高、算法复杂、无法标记特征区域的问题,提出了一种融合梯度加权类激活映射(gradcam)颜色可视化和卷积神经网络的算法(GCCV-CNN),对COVID-19阳性患者、COVID-19阴性患者、普通肺炎患者以及正常人的肺部CXR图像和CT扫描图像进行快速分类。通过定位到CXR图像和CT扫描图像中CNN进行分类的关键区域,再综合深度学习算法得到更准确的检测结果。为验证GCCV-CNN算法的有效性,分别在3个COVID-19阳性患者数据集上进行实验,并与已有算法进行比较。结果表明该算法对COVID-19阳性患者的CXR图像和CT扫描图像分类性能优于“新冠网络”(COVID-Net)算法及迁移学习新冠网络(DeTraCNet)算法,准确率最高达98.06%,速度更快的同时还具有较好的鲁棒性。

关键词： CXR图像 CT扫描图像 COVID-19 grad-cam 融合grad-cam颜色可视化和CNN的算法(GCCV-CNN)

基于grad-cam的Mask-FGSM对抗样本攻击

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2022年第7期39卷 195-200页

作者：余莉萍复旦大学计算机科学技术学院上海201203

深度学习缺乏可解释性,其容易受到对抗性样本的攻击。对此引入一种深度学习可解释性模型grad-cam(gradient-weighted Class Activation Mapping),通过神经网络输入和输出之间的映射关系得到输入的热力图,结合FGSM(Fast gradient Sign Me... 详细信息

深度学习缺乏可解释性,其容易受到对抗性样本的攻击。对此引入一种深度学习可解释性模型grad-cam(gradient-weighted Class Activation Mapping),通过神经网络输入和输出之间的映射关系得到输入的热力图,结合FGSM(Fast gradient Sign Method)引入一种高效的算法来生成对抗样本。实验证明,该算法能够挖掘潜在的最佳攻击位置,仅需要修改3.821%的输入特征,就能有效生成使得神经网络错误分类的对抗样本,充分验证了该算法的高效性。

关键词：深度学习 grad-cam FGSM 可解释性对抗样本

基于grad-cam引导的对抗攻击算法研究

在线全文

学校读者我要写书评

暂无评论

基于Grad-CAM引导的对抗攻击算法研究

作者：高陈翔武汉理工大学

学位级别：硕士

图像分类技术因其优秀的性能而被广泛应用于自动驾驶、人脸识别等领域,但目前的图像分类技术很容易受到对抗攻击的影响,导致其分类功能近乎失效。然而现有对抗攻击算法过度依赖源模型的参数和梯度信息来进行攻击,忽略了泛化性更强的特... 详细信息

图像分类技术因其优秀的性能而被广泛应用于自动驾驶、人脸识别等领域,但目前的图像分类技术很容易受到对抗攻击的影响,导致其分类功能近乎失效。然而现有对抗攻击算法过度依赖源模型的参数和梯度信息来进行攻击,忽略了泛化性更强的特征信息,从而导致其所制作的对抗样本的迁移性和隐蔽性较差,在黑盒测试模型上攻击成功率较低。针对此缺点,本文研究图像的黑盒攻击算法,主要的研究工作和创新如下:(1)在图像的经典对抗攻击算法中,通过分析引入动量手段、引入数据增强方法、引入注意力机制这三种经典攻击算法,得出基于迁移的对抗攻击算法的研究框架。通过实验结果与分析,发现:1)对抗攻击实质是基于特征的攻击;2)对抗攻击算法中引入随机数据增强方法,会存在效率低和隐蔽性差的缺点。因此,在充分考虑上述算法优点的基础上,提出针对泛化性更强的特征进行攻击的算法设计思路。(2)针对随机数据增强方法存在的不足,提出基于grad-cam区域的对抗攻击算法(grad-cam Guided Data Augmentation Attack Method,GCG-DAAM)。GCG-DAAM通过模型对于图片的加权梯度类激活映射图(gradient-weighted Class Activation Map,grad-cam)来获取到模型在图片上的主要判决区域,再基于此特征区域进行攻击可以进一步提高所制作对抗样本的迁移性;并且设计平滑掩膜的损失函数来使对抗样本更加自然。实验结果表明,GCG-DAAM所制作的对抗样本的迁移性更好,所需要添加的平均扰动量更少。(3)为进一步获得泛化性更强的特征来进行攻击,且考虑到有监督学习的特征泛化性不足的问题,提出引入自监督特征的GCG-DAAM。基于自监督学习,设计改进后的grad-cam获取模块,将自监督模型的grad-cam与有监督模型的grad-cam进行加权融合,使最终结果兼顾判决性和全局性;同时,由于人眼对于物体的形状变化更加敏感,设计边缘损失函数来限制对物体边缘区域的扰动。实验结果表明,引入自监督特征的GCG-DAAM在对抗样本的迁移性和不同模型上的攻击成功率都有所提高,在Image Net数据集上的测试结果较基准方法提升了1%至3%。

关键词：对抗攻击 grad-cam 数据增强自监督迁移性

基于grad-cam与KL损失的SSD目标检测算法

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

电子学报 2020年第12期48卷 2409-2416页

作者：侯庆山邢进生山西师范大学数学与计算机科学学院山西临汾041004

鉴于Single Shot Multibox Detector(SSD)算法对中小目标检测时会出现漏检甚至错检的情况,提出一种改进的SSD目标检测算法,以提高中小目标检测的准确性.运用gradient-weighted Class Activation Mapping(grad-cam)技术对检测过程中的细... 详细信息

鉴于Single Shot Multibox Detector(SSD)算法对中小目标检测时会出现漏检甚至错检的情况,提出一种改进的SSD目标检测算法,以提高中小目标检测的准确性.运用gradient-weighted Class Activation Mapping(grad-cam)技术对检测过程中的细节作可视化处理,并以类激活图的形式呈现各检测层细节,分析各检测层的类激活图发现SSD算法中待检测目标的错检以及中小目标的漏检现象与回归损失函数相关.据此,采用Kullback-Leibler(KL)边框回归损失策略,利用Non Maximum Suppression(NMS)算法输出最终预测框.实验结果表明,改进算法相较于已有检测算法具有更高的准确率以及稳定性.

关键词：目标检测可视化类激活图 grad-cam SSD KL损失

基于grad-cam与B-CNN的细粒度图像分类方法研究

在线全文

学校读者我要写书评

暂无评论

计算机科学与应用 2020年第5期10卷 841-850页

作者：邓绍伟张伯泉广东工业大学计算机学院广东广州

细粒度图像具有类间差异小,类内差异大的特点。图像之间的差异主要存在于细微的局部区域,局部区域定位及其代表性特征提取成为细粒度图像分类的主要研究问题之一。本文基于grad-cam和双线性卷积神经网络B-CNN模型对细粒度图像分类方法... 详细信息

细粒度图像具有类间差异小,类内差异大的特点。图像之间的差异主要存在于细微的局部区域,局部区域定位及其代表性特征提取成为细粒度图像分类的主要研究问题之一。本文基于grad-cam和双线性卷积神经网络B-CNN模型对细粒度图像分类方法进行研究,它利用grad-cam模型定位原图像中的显著区域,并裁剪出显著性区域图像作为双线性CNN的输入,融合全局和局部的特征,从而完成分类。在CUB-200-2011、Stanford Dogs和Stanford Cars三个数据集上的实验表明,相较于传统模型,该方法能够更加准确定位图像特征显著区域,具有更好的分类效果。

关键词：细粒度图像分类双线性卷积神经网络 grad-cam 显著性区域

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的带钢焊缝杯突试验结果分类

冶金动力 2024年第1期 82-85页

作者：张勇马鞍山钢铁股份有限公司安徽马鞍山243000

为了实现对带钢焊缝月牙边杯突试验结果的自动分类,设计了一种基于轻量级网络的分类方法,首先采用数据增强扩充数据集样本数量,接着引入grad-cam算法对试验模型的中间层以热力图的形式进行可视化,最后结合MobileNet V3网络可视化中间层... 详细信息

为了实现对带钢焊缝月牙边杯突试验结果的自动分类,设计了一种基于轻量级网络的分类方法,首先采用数据增强扩充数据集样本数量,接着引入grad-cam算法对试验模型的中间层以热力图的形式进行可视化,最后结合MobileNet V3网络可视化中间层设计了冻结特征提取部分的迁移学习训练方法,并对比测试了4种轻量型网络,试验结果表明基于迁移学习的MobileNet V3网络具有较好的缺陷分类能力。

关键词：杯突试验 MobileNet V3 grad-cam 迁移学习