检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

双路径合作的原型矫正小样本分类模型

计算机科学与探索 2024年第3期18卷 693-706页

作者：吕佳曾梦瑶董保森重庆师范大学计算机与信息科学学院重庆401331 重庆市数字农业服务工程技术研究中心重庆401331

基于度量的元学习在学习过程中存在由于稀缺数据分布导致习得的先验知识不足、从样本中提取到的单一视图特征易受弱相关或无关特征的干扰以及因分类造成的代表性特征偏差的问题。针对这些问题,提出了一种双路径合作的原型矫正小样本分... 详细信息

基于度量的元学习在学习过程中存在由于稀缺数据分布导致习得的先验知识不足、从样本中提取到的单一视图特征易受弱相关或无关特征的干扰以及因分类造成的代表性特征偏差的问题。针对这些问题,提出了一种双路径合作的原型矫正小样本分类模型。首先,通过双路径合作模块从多视图角度自适应地突出关键特征和弱化弱相关特征,充分利用特征信息获得先验知识来提升特征的表达能力;其次,通过基于查询集样本特征信息的原型矫正分类策略来解决类内原型的偏差问题;最后,通过损失函数反向更新模型参数,模型分类准确率得以提升。在五个公开的数据集上进行了5-way 1-shot和5-way 5-shot对比实验,较基准模型而言,在miniImageNet数据集上,准确率提升了5.57个百分点和3.90个百分点;在tieredImageNet数据集上,准确率提升了5.68个百分点和3.93个百分点;在CUB数据集上,准确率提升了6.93个百分点和3.13个百分点;在CIFAR-FS数据集上,准确率提升了8.03个百分点和1.65个百分点;在FC-100数据集上,准确率提升了4.25个百分点和4.89个百分点。实验结果表明,提出的双路径合作的原型矫正小样本分类模型能在小样本学习领域有良好的性能,且模型中的模块可迁移到其他模型中使用。

关键词：小样本学习元学习度量学习自适应双路径合作学习原型矫正

基于K-means聚类和特征空间增强的噪声标签深度学习算法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年第2期19卷 267-277页

作者：吕佳邱小龙重庆师范大学计算机与信息科学学院重庆401331 重庆市数字农业服务工程技术研究中心重庆401331

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样... 详细信息

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。

关键词：噪声标签学习深度学习半监督学习机器学习神经网络 K-means聚类特征空间增强 mixup算法

基于对比学习MocoV2的COVID-19图像分类

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机与现代化 2024年第2期 81-87,126页

作者：许跃雯李明李莉重庆师范大学计算机与信息科学学院重庆401331 西南大学计算机与信息科学学院重庆400715

肺炎是一种常见多发感染性疾病,老年人和免疫力较弱者容易感染,尽早发现有助于后期治疗。肺部病变的位置、密度和清晰度等因素会影响肺炎图像分类的准确性。随着深度学习的发展,卷积神经网络被广泛应用于医学图像分类任务中,然而网络的... 详细信息

肺炎是一种常见多发感染性疾病,老年人和免疫力较弱者容易感染,尽早发现有助于后期治疗。肺部病变的位置、密度和清晰度等因素会影响肺炎图像分类的准确性。随着深度学习的发展,卷积神经网络被广泛应用于医学图像分类任务中,然而网络的学习能力依赖训练样本的数量和标签。针对电子计算机断层扫描(Computed Tomography,CT)的肺炎图像分类研究,提出一种基于自监督对比学习的网络模型(MCLSE),可以从无标记的数据中学习特征,提高网络模型的准确率。本文模型(MCLSE)首先设计辅助任务,从无标记的图像中挖掘表征完成预训练,提高模型在向量空间中学习数据映射关系的能力。其次,使用卷积神经网络提取特征,为了有效捕获更高层次的特征信息选择SENet网络改进分类模型,建模特征通道的相关性。最后,用训练好的权重加载改进后的分类模型中,下游任务中使用标记数据再次训练网络。在公开数据集SARS-CoV-2 CT和CT Scans for COVID-19 Classification上进行实验,实验结果表明MCLSE对整体样本分类的准确率分别达到99.19%和99.75%,较主流模型有很大提升。

关键词： COVID-19图像医学图像分类卷积神经网络自监督学习对比学习

在线全文

学校读者我要写书评

暂无评论

三支边缘过采样的不平衡文本情感分类

重庆理工大学学报（自然科学） 2024年第3期38卷 201-211页

作者：余啟煬方宇李昭宸刘畅杨梅西南石油大学计算机科学学院成都610500

在实际应用中,少数类样本往往包含重要信息,而传统机器学习方法通常对少数类样本的分类准确率低,且误分类代价较高。针对不平衡文本数据的情感分类问题,以三支采样(three-way sampling, 3WS)与过采样为基础,提出了三支过采样算法(three-... 详细信息

在实际应用中,少数类样本往往包含重要信息,而传统机器学习方法通常对少数类样本的分类准确率低,且误分类代价较高。针对不平衡文本数据的情感分类问题,以三支采样(three-way sampling, 3WS)与过采样为基础,提出了三支过采样算法(three-way SMOTE,3WOS)和三支边缘过采样算法(three-way borderline-SMOTE,3WOBS),3WOS能够更好地识别边界区域上的数据,3WOBS可以增强边界区域所蕴含的信息。首先,将文本数据构建为超球,获得超球边缘的支持向量。其次,3WOS对边缘上的支持向量直接进行过采样以生成合成新样本并更新样本集,3WOBS则在生成合成新样本后根据给定条件判断是否获得该新样本并更新样本集。最后,将更新的样本集放在不同的基分类器上进行对比实验。实验采用了3个不平衡数据集,并保证了不同的不平衡比。同时,在数据集训练过程中引入粒计算思想,确保模型的鲁棒性。实验结果表明,3WOS-ITSC与3WOBS-ITSC准确率较高且代价低于其他模型,为不平衡文本分类问题提供了新思路。

关键词：情感分类不平衡数据三支决策采样粒计算

在线全文

学校读者我要写书评

暂无评论

基于少样本学习的知识图谱补全综述

小型微型计算机系统 2024年

作者：李子豪冯林徐凌枭岳灵帅秋萍四川师范大学计算机科学学院

知识图谱是大数据时代知识工程在人工智能研究领域的典型代表，是自然语言处理应用中不可或缺的基础资源。由于知识图谱天生不完整，众多研究者提出了知识图谱补全(knowledge graph completion， KGC)的方法，以向知识图谱中添加新的三... 详细信息

知识图谱是大数据时代知识工程在人工智能研究领域的典型代表，是自然语言处理应用中不可或缺的基础资源。由于知识图谱天生不完整，众多研究者提出了知识图谱补全(knowledge graph completion， KGC)的方法，以向知识图谱中添加新的三元组。然而，知识图谱补全方法常受长尾关系和新增实体的限制，缺乏足够的已知三元组用于训练。因此，少样本知识图谱补全(Few-shot Knowledge Graph Completion， FKGC)成为了知识图谱补全领域的研究热点。本文系统性地介绍了基于少样本知识图谱补全学习方法最新研究进展。以基于邻居信息的方法、基于关系分布的方法、基于元优化嵌入的方法、基于元强化学习的方法、基于数据增强的方法为主线，对少样本知识图谱补全的知识表示、算法模型进行详细描述，分析其主要原理以及优点与不足。本文还总结了目前常用的少样本知识图谱补全数据集、实验评估标准以及代表性方法的实验结果，并从多模态融合、噪声和错误信息处理、知识迁移、动态知识图谱等五个方面展望了少样本知识图谱补全的未来发展方向。

关键词：知识图谱元学习少样本知识图谱补全知识表示

基于LID-YOLO的小目标昆虫轻量化检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

半导体光电 2024年

作者：陈中举李和平许浩然长江大学计算机科学学院荆州市人防指挥信息保障中心

针对复杂背景下新疆棉田昆虫识别误检率高、小目标昆虫难以检测等问题，提出了一种基于YOLOv5s改进的LID-YOLO(Lightweight Insect Detection-YOLO)轻量化昆虫检测模型。首先，主干网络使用GhostNet网络替换原CSPDarknet53网络，并采用S... 详细信息

针对复杂背景下新疆棉田昆虫识别误检率高、小目标昆虫难以检测等问题，提出了一种基于YOLOv5s改进的LID-YOLO(Lightweight Insect Detection-YOLO)轻量化昆虫检测模型。首先，主干网络使用GhostNet网络替换原CSPDarknet53网络，并采用Slim-Neck模块对颈部网络进行改进，以实现模型轻量化；其次，引入BottleNet Transformer融合模块，减少模型参数量并增强网络特征提取能力，更好的检测小目标；最后，加入NAM注意力机制，通过应用权重稀疏性惩罚抑制不显著权重来提取细节特征，提高模型准确率。实验结果表明，LID-YOLO模型在参数量、计算量、模型权重大小方面，相比YOLOv5s模型，其分别减少了30.9%、45.6%和29.7%。LID-YOLO模型的准确率达到了97.4%，检测速度为55.25FPS，与原YOLOv5s模型相比，提高了1个百分点和2.62FPS。LID-YOLO模型在保证轻量化的同时进一步提高了检测精度，更好满足农作物昆虫实际检测的需要。

关键词： YOLOv5s BottleNet Transformer NAM Attention 轻量化网络目标检测

基于改进EfficientnetV2的苹果叶片病害识别模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山东农业科学 2024年

作者：王浩宇崔艳荣胡玉荣胡施威长江大学计算机科学学院荆楚理工学院计算机工程学院

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的五种苹果树叶部病害，严重影响苹果产量。针对实际生产环境下叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题，本研究基于EfficientnetV2-b0 模型，经过改进后... 详细信息

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的五种苹果树叶部病害，严重影响苹果产量。针对实际生产环境下叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题，本研究基于EfficientnetV2-b0 模型，经过改进后提出了轻量级的EGV2-CA 网络。该网络在保留EfficientnetV2-b0主干网络的基础上，一是引入GhostNetV2网络中的核心Ghost Module，并选用original分支替换第一层卷积结构，可以进一步优化网络的计算效率，减少冗余计算，从而在提高模型速度和可移植性的同时保持较高的识别准确率；二是将EfficientnetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的CA注意力机制，通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征。实验结果显示，相较于原始网络，EGV2-CA 网络的识别精确率提高2.94个百分点，召回率提高2.53个百分点，F1得分提高2.67个百分点，Top-1准确率提高2.47个百分点，而参数量仅为48.9 MB，可迁移至移动设备上使用，为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案。

关键词：苹果叶片病害轻量级网络深度学习算法 EfficientnetV2 Ghost模块 CA注意力机制

基于改进EfficientNetV2的苹果叶片病害识别模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山东农业科学 2024年第9期56卷 124-132页

作者：王浩宇崔艳荣胡玉荣胡施威长江大学计算机科学学院荆楚理工学院计算机工程学院

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害，严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题，本研究基于EfficientNetV2-b0模型，经过改进后提出了... 详细信息

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害，严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题，本研究基于EfficientNetV2-b0模型，经过改进后提出了轻量级的EGV2-CA网络。该网络在保留EfficientNetV2-b0主干网络的基础上，一是引入GhostNetV2网络中的核心Ghost Module,并选用original分支替换第一层卷积结构，可以进一步优化网络的计算效率，减少冗余计算，从而在提高模型速度和可移植性的同时保持较高的识别准确率；二是将EfficientNetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的坐标注意力(CA)机制，通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征。实验结果显示，相较于原始网络，EGV2-CA网络的识别精确率提高2.94个百分点，召回率提高2.53个百分点，F1得分提高2.67个百分点，Top-1准确率提高2.47个百分点，而参数量仅为48.9 M,可迁移至移动设备上使用，为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案。

关键词：苹果叶片病害轻量级网络深度学习算法 EfficientNetV2 Ghost模块坐标注意力机制

在线全文

学校读者我要写书评

暂无评论

基于深度学习的视网膜血管分割方法综述

重庆师范大学学报(自然科学版) 2024年

作者：吕佳王泽宇重庆师范大学重庆国家应用数学中心重庆师范大学计算机与信息科学学院

通过总结基于深度学习的视网膜血管分割方法并梳理现有方法存在的问题，为视网膜血管分割任务的进一步研究提供参考。检索2016年至2022年来基于深度学习的视网膜血管分割方法相关文献并总结归纳。首先，本文介绍了视网膜血管分割的背景... 详细信息

通过总结基于深度学习的视网膜血管分割方法并梳理现有方法存在的问题，为视网膜血管分割任务的进一步研究提供参考。检索2016年至2022年来基于深度学习的视网膜血管分割方法相关文献并总结归纳。首先，本文介绍了视网膜血管分割的背景。然后，从相关文献中总结了视网膜血管分割方法的数据集及数据预处理、评价指标、分割方法等。在数据集及数据预处理部分，介绍了视网膜图像数据集，总结了常用的特征增强技术、数据增强技术；在评价指标部分，介绍了视网膜血管分割方法常用的评价指标；在分割方法部分，本文将其归类为考虑网络特征提取能力的方法、考虑血管特性的方法及考虑实际应用的方法，其中考虑网络特征提取能力的方法可分为感受野受限的方法、感受野扩展的方法以及特征细化的方法，考虑血管特性的方法常利用多标签、损失函数等来改善粗细血管差异或类别不平衡的问题，考虑实际应用的方法更关注网络的轻量化和泛化能力。最后，整理归纳了视网膜血管分割方法存在的问题及未来可能的研究方向。基于深度学习的视网膜血管分割方法在未来一段时间仍是医学图像处理研究的重点和热点之一，本文对于了解视网膜血管分割任务的现状和解决实际应用问题都具有一定价值。

关键词：医学图像处理视网膜血管分割深度学习