检索结果-南通市图书馆

迁移学习方法提取高分一号影像汶川地震震后滑坡

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

遥感学报 2023年第8期27卷 1866-1875页

作者：李震李山山葛小青中国科学院空天信息创新研究院北京100094 中国科学院大学电子电气与通信工程学院北京100049

2008年汶川8.0级地震触发了大量的崩塌滑坡地质灾害,导致强震区震后地质灾害频发,因其对生命和财产的巨大威胁而广泛关注。利用遥感等技术快速提取滑坡信息,对于减少灾害造成的损失具有重要的现实意义。本文提出一种迁移学习方法,从自... 详细信息

2008年汶川8.0级地震触发了大量的崩塌滑坡地质灾害,导致强震区震后地质灾害频发,因其对生命和财产的巨大威胁而广泛关注。利用遥感等技术快速提取滑坡信息,对于减少灾害造成的损失具有重要的现实意义。本文提出一种迁移学习方法,从自然场景数据集中学习特征,迁移到滑坡提取中。该方法首先在imagenet上预训练ResNet网络,然后输入滑坡区影像样本,将预训练网络及参数迁移至LinkNet上,最终实现滑坡提取。通过对2013年—2015年3景影像的汶川地震震后滑坡提取实验进行分析及验证,结果显示相较于传统支持向量机和其他深度学习方法,本文提出的迁移学习方法有较优的提取精度,有利于后续研判及决策。

关键词：遥感滑坡提取迁移学习 imagenet 高分一号

High performance vegetable classification from images based on AlexNet deep learning model

在线全文

学校读者我要写书评

暂无评论

International Journal of Agricultural and Biological Engineering 2018年第4期11卷 217-223页

作者： Ling Zhu Zhenbo Li Chen Li Jing Wu Jun Yue College of Information and Electrical Engineering China Agricultural UniversityBeijing 100083China Key Laboratory of Agricultural Information Acquisition Technology Ministry of AgricultureBeijing 100083China Beijing Engineering and Technology Research Center for Internet of Things in Agriculture Beijing 100083China College of Information and Electrical Engineering Ludong UniversityYantai 264025China

Deep learning techniques can automatically learn features from a large number of image data set.Automatic vegetable image classification is the base of many applications.This paper proposed a high performance method for vegetable images classification based on deep learning framework.The AlexNet network model in Caffe was used to train the vegetable image data set.The vegetable image data set was obtained from imagenet and divided into training data set and test data set.The output function of the AlexNet network adopted the Rectified Linear Units(ReLU)instead of the traditional sigmoid function and the tanh function,which can speed up the training of the deep learning network.The dropout technology was used to improve the generalization of the model.The image data extension method was used to reduce overfitting in the learning process.With AlexNet network model used for training different number of vegetable image data set,the experimental results showed that the classification accuracy decreases as the number of data set decreases.The experimental verification indicated that the accuracy rate of the deep learning method in the test data set reached as high as 92.1%,which was greatly improved compared with BP neural network(78%)and SVM classifier(80.5%)methods.

关键词： vegetable classification deep learning Caffe AlexNet Network imagenet

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

中文多模态知识库构建

广西师范大学学报（自然科学版） 2022年第3期40卷 31-39页

作者：晁睿张坤丽王佳佳胡斌张维聪韩英杰昝红英郑州大学计算机与人工智能学院河南郑州450001

多模态融合旨在将多个模态信息整合以得到一致、公共的模型输出,是多模态领域的一个基本问题。通过多模态信息的融合能获得更全面的特征并且提高模型鲁棒性,目前多模态融合技术已成为多模态领域核心研究课题之一。本文基于imagenet、How... 详细信息

多模态融合旨在将多个模态信息整合以得到一致、公共的模型输出,是多模态领域的一个基本问题。通过多模态信息的融合能获得更全面的特征并且提高模型鲁棒性,目前多模态融合技术已成为多模态领域核心研究课题之一。本文基于imagenet、HowNet和CCD,通过人工标注构建了一个新的多模态知识库,已完成校准imagenet中21455个名词及动词概念的映射,有效地将HowNet以及CCD中概念映射到imagenet中。该数据集能够应用于自然语言处理任务和计算机视觉任务,并通过图片信息和概念信息提高任务效果。在图片分类中,通过增加HowNet和imagenet概念能够融合更多的图片特征来辅助分类;在语义理解中,通过映射增加图片信息可以更好地理解语义。

关键词：多模态信息多模态融合 imagenet HowNet CCD

在线全文

学校读者我要写书评

暂无评论

一种基于三通道图像的恶意软件分类方法

武汉大学学报（理学版） 2022年第1期68卷 26-34页

作者：杨春雨徐洋张思聪李小剑贵州师范大学贵州省信息与计算科学重点实验室贵州贵阳550001

针对传统恶意软件采用图像分类方法准确率不高、抗混淆能力弱、模型训练收敛慢的缺点,本文对恶意软件图像表示方法进行改进,将恶意软件、字节Bigram、Lst文件转化成3种灰度图像,将3种灰度图像组合成三通道彩色图像进行分类,并将图像分... 详细信息

针对传统恶意软件采用图像分类方法准确率不高、抗混淆能力弱、模型训练收敛慢的缺点,本文对恶意软件图像表示方法进行改进,将恶意软件、字节Bigram、Lst文件转化成3种灰度图像,将3种灰度图像组合成三通道彩色图像进行分类,并将图像分类效果好的EfficientNet模型用于恶意软件图像分类。结合迁移学习领域中的微调技术将imagenet数据集的分类权重应用于EfficientNet,提高模型的收敛速度和分类效果,减少模型的训练开销。实验表明在微调技术下模型收敛速度快于预训练,且微调后的最优模型对20种恶意软件的分类准确率达到97.22%。相比ResNet、VGG16等网络,本文的模型具有参数量和浮点运算次数少、准确率高的优点。

关键词：恶意软件 EfficientNet imagenet 微调

在线全文

学校读者我要写书评

暂无评论

深度学习下的病媒蚊虫分类

计算机系统应用 2023年第5期32卷 234-243页

作者：周永新余本国中北大学软件学院太原030051 海南医学院海口571199

蚊虫是多种疾病的传播媒介,对病媒蚊虫的监测是预防蚊媒疾病的关键,针对传统病媒蚊虫的人工鉴定方法成本较高且效率低下,提出深度学习下的病媒蚊虫分类方法,基于迁移学习,微调(fine-tuning)ResNet18、DenseNet121、MobileNetV2这3种Imag... 详细信息

蚊虫是多种疾病的传播媒介,对病媒蚊虫的监测是预防蚊媒疾病的关键,针对传统病媒蚊虫的人工鉴定方法成本较高且效率低下,提出深度学习下的病媒蚊虫分类方法,基于迁移学习,微调(fine-tuning)ResNet18、DenseNet121、MobileNetV2这3种imagenet预训练模型,在900张少量蚊虫数据集下采用K折交叉验证,对埃及伊蚊、白纹伊蚊、库蚊3种蚊虫进行分类,评估模型性能,平均峰值准确率分别达到了95%、97%、97%.最后,利用在900张蚊虫数据集下重新训练后的模型,对344张蚊虫图像进行预测,其中轻量化模型MobileNetV2达到了最高0.95的精准率(precision)、召回率(recall)、F1 score.结合3种模型的最终预测准确率,得出轻量化的模型MobileNetV2在少量数据集下表现更优.实验改变了以往的模型微调方式,通过设置模型分类层学习率为前层学习率的10倍,与前人实验相比,对白纹伊蚊的预测准确率提高了5%–6%,解决了少量数据样本的训练收敛问题,进一步拓展了病媒蚊虫识别的适用环境.

关键词：蚊虫分类深度学习迁移学习 imagenet K折交叉验证卷积神经网络

基于深度学习模型的以图搜图技术在新华社供稿服务中的创新应用

在线全文

学校读者我要写书评

暂无评论

中国传媒科技 2022年第10期 139-141,151页

作者：熊立波新华通讯社技术局北京100083

【目的】为新华社供稿用户提供以图搜图服务。【方法】使用深度学习人工智能技术,实现基于图像内容特征描述的以图搜图服务。【结果】分别基于离散余弦算法DCT和基于深度学习VGG16模型实现了以图搜图算法,并将服务应用到新华全媒新闻服... 详细信息

【目的】为新华社供稿用户提供以图搜图服务。【方法】使用深度学习人工智能技术,实现基于图像内容特征描述的以图搜图服务。【结果】分别基于离散余弦算法DCT和基于深度学习VGG16模型实现了以图搜图算法,并将服务应用到新华全媒新闻服务平台,是新华社供稿平台第一次实现以图搜图功能,为用户提供精准的图片搜索服务,得到了用户的一致好评。【结论】通过对基于离散余弦算法DCT和基于深度学习VGG16模型的以图搜图实现进行对比测试,得出基于深度学习模型的算法更优的结论,验证了方案的可行性。

关键词：以图搜图深度学习 imagenet 卷积神经网络 VGG16

在线全文

学校读者我要写书评

暂无评论

非受限条件下的深度人脸年龄分类

计算机应用 2017年第11期37卷 3244-3248,3255页

作者：张珂高策郭丽茹苑津莎赵振兵华北电力大学电子与通信工程系河北保定071000

针对非受限条件下人脸图像年龄分类准确度较低的问题,提出了一种基于深度残差网络(ResNets)和大数据集微调的非受限条件下人脸年龄分类方法。首先,选用深度残差网络作为基础卷积神经网络模型处理人脸年龄分类问题;其次,在imagenet数据... 详细信息

针对非受限条件下人脸图像年龄分类准确度较低的问题,提出了一种基于深度残差网络(ResNets)和大数据集微调的非受限条件下人脸年龄分类方法。首先,选用深度残差网络作为基础卷积神经网络模型处理人脸年龄分类问题;其次,在imagenet数据集上对深度残差网络预训练,学习基本图像特征的表达;然后,对大规模人脸年龄图像数据集IMDB-WIKI清洗,并建立了IMDB-WIKI-8数据集用于微调深度残差网络,实现一般物体图像到人脸年龄图像的迁移学习,使模型适应于年龄段的分布并提高网络学习能力;最后,在非受限人脸数据集Adience上对微调后的网络模型进行训练和测试,并采用交叉验证方法获取年龄分类准确度。通过34/50/101/152层残差网络对比可知,随着网络层数越深年龄分类准确度越高,并利用152层残差网络获得了Adience数据集上人脸图像年龄分类的最高准确度65.01%。实验结果表明,结合更深层残差网络和大数据集微调,能有效提高人脸图像年龄分类准确度。

关键词：非受限人脸年龄分类深度残差网络迁移学习 imagenet

基于OverFeat模型的长江口南汇潮滩植被分类

在线全文

学校读者我要写书评

暂无评论

生态科学 2019年第4期38卷 135-141页

作者：李静韩震王文柳崔艳荣上海海洋大学海洋科学学院上海201306 上海河口海洋测绘工程技术研究中心上海201306

潮滩地带环境复杂多变,有些植被之间光谱特性相似,为了解决植被精细分类精度不高的问题,利用基于imagenet预训练的卷积神经网络OverFeat模型,以高分二号(GF-2)卫星遥感影像作为实验数据,对长江口南汇潮滩不同生长状态的植被进行了深度... 详细信息

潮滩地带环境复杂多变,有些植被之间光谱特性相似,为了解决植被精细分类精度不高的问题,利用基于imagenet预训练的卷积神经网络OverFeat模型,以高分二号(GF-2)卫星遥感影像作为实验数据,对长江口南汇潮滩不同生长状态的植被进行了深度特征提取,然后将模型训练好的深度特征输入到支持向量机(SVM)分类器中,得到植被分布信息。研究结果表明,与基于光谱特征的SVM分类方法相比,文章所用方法的分类精度更高,总体精度可达96.08%,证明了使用基于imagenet数据集的预训练卷积神经网络对不同生长状态的植被可以实现较好的识别。

关键词： imagenet 卷积神经网络 OverFeat 特征提取分类

在线全文

学校读者我要写书评

暂无评论

基于纹理特征融合与深度学习的恶意软件分类

基于纹理特征融合与深度学习的恶意软件分类

作者：杨春雨贵州师范大学

学位级别：硕士

随着大数据和物联网以及5G通信技术迅猛发展,网络安全问题日益严峻。恶意软件制造者依托代码复用技术快速地生成新型恶意软件,新型恶意软件不断威胁着现有的检测技术。日益增长的恶意软件持续威胁着人们的财产,设备和隐私安全,基于恶意... 详细信息

随着大数据和物联网以及5G通信技术迅猛发展,网络安全问题日益严峻。恶意软件制造者依托代码复用技术快速地生成新型恶意软件,新型恶意软件不断威胁着现有的检测技术。日益增长的恶意软件持续威胁着人们的财产,设备和隐私安全,基于恶意软件的网络攻击更是对国家网络空间的巨大威胁。研究精准的恶意软件识别方法对维护我国网络空间安全有着重大的意义。恶意软件广泛存在和藏匿于PC和移动设备中,近年来具有较多漏洞的物联网设备逐渐成为恶意软件新的攻击目标。不同恶意软件具有其特殊目的性和破坏性,而同一家族的恶意软件往往依托代码复用技术生成,因此其行为、数据、代码等具有高度的相似性。依托GPU并行计算和深度学习算法的发展,深度学习成为人工智能发展主流和热点问题的解决方案,该技术也被广泛应用于恶意软件分类中,并取得了卓越的成效。本文结合恶意软件图像化技术和深度学习技术对恶意软件进行分类,主要工作及贡献如下:（1）对数据集使用合适的方法进行标记,本文取得的原始EXE恶意软件没有相应标记,无法对其进行基于监督学习的训练和测试,如何对其进行合适的标记使其归类为合适的家族对后续的实验尤其重要。常用的标记方式有脚本和其他安全引擎。本文采用Virustotal Json Report结合Avclass恶意软件标记工具方法,把恶意软件标记为Report中可能性最大的家族。简化恶意软件标记步骤,提高标记的效率。（2）将原始恶意软件首先进行预处理得到其字节流,再使用Bin2Pixe l算法将字节流转化成灰度图。然后收集其字节流的Bigram序列,将Bigr am序列标准化到图像的像素点范围内,再将其转化成灰度图像。最后使用IDA＿Pro工具将其批量转化成反编译文件,本文选择相比Asm文件信息量更多的Lst文件,并将其转化成灰度图像。因此本文可以得到恶意软件图像、Bigram图像、Lst图像三种不同类型的灰度图像数据集。（3）针对传统恶意软件分类采用单通道图像分类准确率不高、抗混淆能力弱的缺点,本文对恶意软件图像表示方法做一定的改进,将恶意软件、Bigram、Lst三种灰度图像组合成三通道彩色图像进行分类,三通道彩色图像相比单通道图像包含更多信息。实验结果显示三通道图像具有更高的准确率。（4）Efficient Net是2019年被Google提出来的一种深度学习模型。其刷新了Image Net分类的准确率记录,证明了其对图片纹理的识别能力。因此本文改造Efficient Net使其能够适用于本文数据集。实验证明使用改造后的Efficient Net相比其他网络能获得更高的准确率。（5）针对预训练消耗较长时间才能使模型收敛,且需要丰富的调参经验和海量数据的问题,本文提出深度学习结合迁移学习中的微调方法对模型进行训练,该方法能够利用已有领域的“知识”进行开销很小的学习,使模型在较短时间内收敛,且能够达到很好性能。本文通过实验发现,比起预训练,微调能够更快地使模型收敛,且在较少的周期数使准确率达到最大,大幅地节省调参和训练时间以及收集数据的开销。本文使用两种微调的权重,分别是Image Net和Noisy Student（仅Efficient Net提供）。实验结果显示通过微调对分类准确率有着显著的提升。在本文数据集上能够最大化准确率。

关键词：恶意软件标记 Bin2pixel EfficientNet imagenet Noisy Student 微调预训练