期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到334篇文章
< 1 2 … 17 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Focal Loss^(IM)-Transformer的电网虚假数据注入攻击检测
1
作者 席磊 和昀 +3 位作者 李子豪 曹利锋 李宗泽 石雨凡 《南方电网技术》 北大核心 2025年第6期26-38,共13页
虚假数据注入攻击对电力信息物理系统造成严重安全威胁。由于受到攻击样本与正常样本之间存在类别不平衡特性,导致机器学习检测方法偏向于多数类的预测,影响其对攻击的检测精度。为此,提出了基于Focal Loss^(IM)-Transformer的虚假数据... 虚假数据注入攻击对电力信息物理系统造成严重安全威胁。由于受到攻击样本与正常样本之间存在类别不平衡特性,导致机器学习检测方法偏向于多数类的预测,影响其对攻击的检测精度。为此,提出了基于Focal Loss^(IM)-Transformer的虚假数据注入攻击检测。Transformer利用其自注意力机制能够捕捉数据中的长期依赖性,进而识别不平衡的虚假数据注入攻击数据。Focal Loss^(IM)通过引入调制因子来更好地匹配虚假数据注入攻击样本的分布和特性,来增强检测方法对不平衡数据的识别能力,以提高检测方法对攻击的检测精度。通过在IEEE 14节点系统、IEEE 30节点系统和IEEE 57节点系统进行仿真,验证了所提方法的有效性。且相较于传统损失函数和其他检测方法,所提方法显示出更好的泛化能力和对少数类的识别能力,且辨识精度高、误报率低。 展开更多
关键词 电力信息物理系统 虚假数据注入攻击 不平衡数据 TRANSFORMER focal loss
在线阅读 下载PDF
基于Focal Loss改进LightGBM的供水管网毛刺数据检测 被引量：1
2
作者 薛浩 马静 郭小宇 《计算机与现代化》 2024年第9期74-81,90,共9页
针对数据不平衡导致的管网毛刺数据检测召回率偏低问题,提出一种Focal Loss改进LightGBM的管网毛刺数据检测方法。首先,结合管网毛刺数据的特点,针对性构造邻域相关特征。其次,将Focal Loss函数引入LightGBM,提高模型对难以检测的毛刺... 针对数据不平衡导致的管网毛刺数据检测召回率偏低问题,提出一种Focal Loss改进LightGBM的管网毛刺数据检测方法。首先,结合管网毛刺数据的特点,针对性构造邻域相关特征。其次,将Focal Loss函数引入LightGBM,提高模型对难以检测的毛刺样本的权重,并对Focal Loss不同的参数取值进行实验,以平衡精确率与召回率。最后,选择不同参数的Focal Loss进行模型融合,进一步提升模型对不平衡毛刺数据的检测性能。在某市供水管网的真实数据上进行实验,结果表明,对比基于交叉熵损失函数的单一模型,本文提出的Focal Loss改进后的融合模型在毛刺数据上召回率和F1值的提升幅度达33.3和18个百分点,但毛刺数据的精确率还有待进一步提升。本文所提方法从损失函数入手,动态调整难易样本的权重,有效地提升了不平衡数据下的毛刺数据的检测性能。 展开更多
关键词 异常检测 focal loss LightGBM 不平衡数据 毛刺数据
在线阅读 下载PDF
基于Focal Loss和时空特征提取的网络入侵检测算法研究 被引量：2
3
作者 王震 佟志勇 杨自恒 《黑龙江大学工程学报(中英俄文)》 2024年第3期27-35,共9页
在网络入侵检测领域中,由于网络流量特征提取不充分和网络数据分布不均衡的问题,入侵检测系统的识别率受到了明显的影响。提出一种基于Focal Loss并能够从时序和空间两维度进行提取特征的网络模型。在时序方面,主要采用双向门控循环单元... 在网络入侵检测领域中,由于网络流量特征提取不充分和网络数据分布不均衡的问题,入侵检测系统的识别率受到了明显的影响。提出一种基于Focal Loss并能够从时序和空间两维度进行提取特征的网络模型。在时序方面,主要采用双向门控循环单元(BiGRU)模型进行特征的提取,随后通过Transformer-Encoder的多头注意力机制重新分配特征权重,增强了模型对关键特征的关注度。在空间特征方面,主要采用Inception模块并引入残差思想,有效的提取网络中的空间特征。将这两个维度的特征融合,并通过分类器进行分类。为了缓解模型聚焦多数类别样本的问题,整个模型使用焦点损失函数(Focal Loss)进行参数的更新。通过在CICIDS2018和UNSW_NB15两个数据集上进行大量实验,有效证明了提出的模型在准确率、精确率、召回率、F1值上均优于现有其他方法。 展开更多
关键词 入侵检测 时空特征提取 多头注意力机制 残差网络 focal loss
在线阅读 下载PDF
基于Focal Loss修正交叉熵损失函数的信用风险评价模型及实证 被引量：45
4
作者 杨莲 石宝峰 《中国管理科学》 CSSCI CSCD 北大核心 2022年第5期65-75,共11页
针对信用评价违约、非违约样本比例失衡,容易出现评价模型对非违约样本识别过度,对违约样本、尤其是违约样本中困难样本识别不足的问题,将图像识别中得以广泛应用的焦点损失Focal Loss函数引入信用评价,构建Focal Loss修正交叉熵损失函... 针对信用评价违约、非违约样本比例失衡,容易出现评价模型对非违约样本识别过度,对违约样本、尤其是违约样本中困难样本识别不足的问题,将图像识别中得以广泛应用的焦点损失Focal Loss函数引入信用评价,构建Focal Loss修正交叉熵损失函数的信用风险评价模型,并用三个数据集验证了模型的有效性。创新与特色:一是在信用评价交叉熵损失函数中引入聚焦参数γ构造调节因子(1-y′)^(r),通过增大困难样本在目标损失中的权重,构建ADASYN-BPNN-FocalLoss信用风险评价模型,保证信用评价模型对不均衡数据中违约样本的识别力,弥补了现有深度学习信用评价模型无法有效识别不均衡数据中困难样本的不足。二是通过测算违约样本的K近邻非违约样本占比r_(i),求解需新合成的样本数g_(i),进而利用SMOTE算法合成新的违约样本,既保证了新生成的违约样本s;能够反映原信用评价数据的基本特征,也改变了现有违约、非违约样本不均衡致使评价模型判别能力偏低的现状。三是利用本文所建模型与ADASYN-BPNN-CrossEntropy、决策树、K最近邻、随机森林等5种模型,对中国1298个农户贷款数据和UCI公开的德国、澳大利亚信贷数据集进行分析,实证表明本文所建模型AUC、Type2-error等指标均优于现有模型。该方法可有效提升模型对困难样本的识别能力,改善违约预测性能。 展开更多
关键词 信用评价 focal loss BP神经网络 自适应综合过采样
原文传递
融合GIoU和Focal loss的YOLOv3目标检测算法 被引量：29
5
作者 邹承明 薛榕刚 《计算机工程与应用》 CSCD 北大核心 2020年第24期214-222,共9页
YOLOv3目标检测算法检测速度快且精度较高,但存在对小目标检测能力不足、边界框定位不准确等问题。提出了一种基于YOLOv3改进的目标检测算法,该算法在YOLOv3的基础上,对网络中的残差块增加旁路连接,进一步进行特征重用,以提取更多的特... YOLOv3目标检测算法检测速度快且精度较高,但存在对小目标检测能力不足、边界框定位不准确等问题。提出了一种基于YOLOv3改进的目标检测算法,该算法在YOLOv3的基础上,对网络中的残差块增加旁路连接,进一步进行特征重用,以提取更多的特征信息。同时,采用GIoUloss作为边界框的损失,使网络朝着预测框与真实框重叠度较高的方向去优化。在损失函数中加入Focal loss,减小正负样本不平衡带来的误差。在PASCAL VOC和COCO数据集上的实验结果表明,该算法能够在不影响YOLOv3算法实时性的前提下,提高目标检测的mAP。该算法在PASCAL VOC 2007测试集上达到83.7mAP(IoU=0.5),在COCO测试集上比YOLOv3算法提升2.27mAP(IoU[0.5,0.95])。 展开更多
关键词 YOLOv3算法 目标检测 GIou loss focal loss
在线阅读 下载PDF
基于空洞卷积和Focal Loss的改进YOLOv3算法 被引量：16
6
作者 许腾 唐贵进 +1 位作者 刘清萍 鲍秉坤 《南京邮电大学学报（自然科学版）》 北大核心 2020年第6期100-108,共9页
为了进一步提升YOLOv3的小目标检测能力,文中提出将Darknet-53中的第2个残差块输出的特征图用混合空洞卷积处理后,与YOLOv3的8倍下采样特征图相融合,建立新的检测特征;同时,使用Focal Loss改进损失函数中的负样本置信度公式,缓解YOLOv3... 为了进一步提升YOLOv3的小目标检测能力,文中提出将Darknet-53中的第2个残差块输出的特征图用混合空洞卷积处理后,与YOLOv3的8倍下采样特征图相融合,建立新的检测特征;同时,使用Focal Loss改进损失函数中的负样本置信度公式,缓解YOLOv3的正负样本比例失衡问题。实验结果表明,在小目标数量占比为47.7%的特定测试集上,改进YOLOv3的平均准确率和召回率分别比原YOLOv3提高了8.8%和16%;在VOC测试集上,改进YOLOv3的平均精度均值比原YOLOv3提升了3.4%。 展开更多
关键词 小目标检测 样本不平衡 混合空洞卷积 focal loss
在线阅读 下载PDF
基于Focal Loss改进的GBDT模型对天津强对流灾害的预报 被引量：4
7
作者 路志英 汪永清 +1 位作者 孙晓磊 贾惠珍 《灾害学》 CSCD 北大核心 2020年第3期34-37,50,共5页
强对流灾害是气象研究的重点,不准确的强对流灾害天气预报往往给人们的安全以及社会经济造成影响。该文利用天津2006-2018年的地面气象观测站点的地面物理场数据,筛选出强对流灾害性天气过程,对天津强对流灾害天气进行研究。首先对地面... 强对流灾害是气象研究的重点,不准确的强对流灾害天气预报往往给人们的安全以及社会经济造成影响。该文利用天津2006-2018年的地面气象观测站点的地面物理场数据,筛选出强对流灾害性天气过程,对天津强对流灾害天气进行研究。首先对地面站点获取的数据通过主成分分析方法进行降维,然后构建基于Focal Loss改进的GBDT模型,最后通过五折交叉验证的方式进行训练与测试。结果表明,该模型对强对流灾害天气预报的命中率、误警率和临界成功指数上都有较好的表现,可为天津强对流天气的预报提供有效的依据。 展开更多
关键词 强对流灾害 主成分分析 focal loss GBDT模型 交叉验证
在线阅读 下载PDF
基于Focal Loss和卷积神经网络的入侵检测 被引量：6
8
作者 闫芮铵 张立臣 《计算机与现代化》 2021年第1期65-69,共5页
入侵检测是信息安全防护领域中的一个重要环节。随着网络技术的发展,主动防御网络入侵变得越来越重要,同时入侵数据变得更加海量、复杂和不平衡,这导致传统的入侵检测技术的检测性能比较低,因此如何提高入侵检测系统的性能对于不平衡数... 入侵检测是信息安全防护领域中的一个重要环节。随着网络技术的发展,主动防御网络入侵变得越来越重要,同时入侵数据变得更加海量、复杂和不平衡,这导致传统的入侵检测技术的检测性能比较低,因此如何提高入侵检测系统的性能对于不平衡数据集的检测性能是一项巨大的挑战。传统的CNN模型对于处理复杂的数据具有很好的性能,但是在处理不平衡数据集上的效果不是很好。为了解决这个问题,提出一种基于Focal Loss和卷积神经网络的入侵检测方法。与传统的卷积神经网络不同,该模型利用Focal Loss损失函数来解决数据不平衡问题,并在卷积层加入正则化方法(DropBlock)用来提高模型的泛化能力。采用KDD 99数据集进行的实验表明,该模型入侵检测的准确率和精确率比传统的入侵检测模型有所提高。 展开更多
关键词 入侵检测 网络安全 卷积神经网络 正则化 不平衡数据集 focal loss
在线阅读 下载PDF
一种改进的Focal Loss在语义分割上的应用 被引量：10
9
作者 杨威 张建林 +1 位作者 徐智勇 赵春梅 《半导体光电》 CAS 北大核心 2019年第4期555-559,共5页
传统基于深度学习的语义分割方法使用的损失函数为交叉熵,而交叉熵并不能解决训练数据中的样本非均衡性问题。语义分割任务属于像素级分类,样本的非均衡性问题在其中体现得十分突出。文章提出了一种改进的Focal Loss作为损失函数来自动... 传统基于深度学习的语义分割方法使用的损失函数为交叉熵,而交叉熵并不能解决训练数据中的样本非均衡性问题。语义分割任务属于像素级分类,样本的非均衡性问题在其中体现得十分突出。文章提出了一种改进的Focal Loss作为损失函数来自动解决训练样本的非均衡性。该损失函数等同于在标准交叉熵上加上一个权重,该权重能够自动增加困难样本的交叉熵损失值,同时保持简单样本的交叉熵损失值。将Focal Loss作为DeepLabv3+的损失函数,并将DeepLabv3+的Backbone替换为ResNet-18,再使用Cityscapes数据集作为训练样本,分别使用交叉熵和Focal Loss作为损失函数来对模型进行训练。实验结果表明,改进的Focal Loss损失函数相比于交叉熵获得的语义分割精度更高,且能够有效缓解训练样本的非均衡性问题。 展开更多
关键词 深度学习 语义分割 focal loss DeepLabv3+
原文传递
基于边界自适应SMOTE和Focal Loss函数改进LightGBM的信用风险预测模型 被引量：13
10
作者 陈海龙 杨畅 +1 位作者 杜梅 张颖宇 《计算机应用》 CSCD 北大核心 2022年第7期2256-2264,共9页
针对信用风险评估中数据集不平衡影响模型预测效果的问题,提出一种基于边界自适应合成少数类过采样方法(BA-SMOTE)和利用FocalLoss函数改进LightGBM损失函数的算法(FLLightGBM)相结合的信用风险预测模型。首先,在边界合成少数类过采样(B... 针对信用风险评估中数据集不平衡影响模型预测效果的问题,提出一种基于边界自适应合成少数类过采样方法(BA-SMOTE)和利用FocalLoss函数改进LightGBM损失函数的算法(FLLightGBM)相结合的信用风险预测模型。首先,在边界合成少数类过采样(Borderline-SMOTE)的基础上,引入自适应思想和新的插值方式,使每个处于边界的少数类样本生成不同数量的新样本,并且新样本的位置更靠近原少数类样本,以此来平衡数据集;其次,利用FocalLoss函数来改进LightGBM算法的损失函数,并以改进的算法训练新的数据集以得到最终结合BA-SMOTE方法和FLLightGBM算法建立的BA-SMOTE-FLLightGBM模型;最后,在LendingClub数据集上进行信用风险预测。实验结果表明,与其他不平衡分类算法RUSBoost、CUSBoost、KSMOTE-AdaBoost和AK-SMOTE-Catboost相比,所建立的模型在G-mean和AUC两个指标上都有明显的提升,提升了9.0%~31.3%和5.0%~14.1%。以上结果验证了所提出的模型在信用风险评估中具有更好的违约预测效果。 展开更多
关键词 信用风险 不平衡数据 过采样 LightGBM focalloss
在线阅读 下载PDF
融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类 被引量：7
11
作者 杨非凡 徐伟诚 +1 位作者 陈盛德 兰玉彬 《江苏农业科学》 北大核心 2023年第14期198-204,共7页
快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义,为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题,融合Focal Loss与4种典型卷积神经网络结构对7种水稻病... 快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义,为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题,融合Focal Loss与4种典型卷积神经网络结构对7种水稻病害进行分类识别。利用TensorFlow的Keras深度学习框架搭建卷积神经网络的图像识别分类系统,使用Focal Loss损失函数解决数据集不平衡导致识别准确率低的问题,采用ResNet50、ResNet101、MobileNetV2、VGG16作为特征提取骨干,对7种水稻病害进行识别。通过imgaug库增强数据,将13543张水稻病害图像按照9∶1的比例划分为训练集和验证集并参与训练模型,将1404张水稻病害图像作为测试集来验证模型的准确性。结果表明,所搭建的数据集中ResNet50、ResNet101、MobileNetV2、VGG16的识别准确率分别为98.06%、94.26%、92.47%、97.83%。可见,在融合Focal Loss损失函数的情况下,ResNet50作为特征提取骨干训练出的模型在水稻病害图像分类中拥有最高的准确率,该成果可在实际生产中实现水稻病害的自动分类识别,有助于水稻病害的防治工作。 展开更多
关键词 水稻病害识别 卷积神经网络 focal loss ResNet MobileNetV2 VGG16
在线阅读 下载PDF
一种结合Focal Loss的不平衡数据集提升树分类算法 被引量：4
12
作者 朱翌民 郭茹燕 +2 位作者 巨家骥 张帅 张维 《软件导刊》 2021年第11期65-69,共5页
针对不平衡数据集分类问题中存在的难易样本不平衡问题,提出在提升树算法的基础上结合Focal Loss的不平衡数据集分类算法。分别在HTRU3、Yeast3、Test的不平衡数据集上对该算法与Borderline-SMOTE结合梯度提升树算法进行比较。实验结果... 针对不平衡数据集分类问题中存在的难易样本不平衡问题,提出在提升树算法的基础上结合Focal Loss的不平衡数据集分类算法。分别在HTRU3、Yeast3、Test的不平衡数据集上对该算法与Borderline-SMOTE结合梯度提升树算法进行比较。实验结果表明,在HTRU2数据集上,该算法F1-score最高为0.970,而Borderline-SMOTE结合梯度提升树算法为0.972,虽然分类性能没有得到明显提升,但该算法仅需13次迭代便可收敛,而传统梯度提升树算法则需20次以上迭代才能收敛。在提升树模型中引入Focal Loss损失函数可有效提升模型收敛速度,且在一定程度上保持了模型分类性能。 展开更多
关键词 不平衡数据集 难分样本 易分样本 focal loss 梯度提升算法
在线阅读 下载PDF
结合改进VGGNet和Focal Loss的人脸表情识别 被引量：32
13
作者 崔子越 皮家甜 +6 位作者 陈勇 杨杰之 鲜焱 吴至友 赵立军 曾绍华 吕佳 《计算机工程与应用》 CSCD 北大核心 2021年第19期171-178,共8页
针对目前表情识别准确率偏低,表情数据集中类别样本类间差异小、类内差异大以及误标注样本产生的误分类等问题,提出了一种结合改进VGGNet和Focal Loss的人脸表情识别算法。在迁移学习的基础上,通过设计新的输出模块对VGGNet模型进行改进... 针对目前表情识别准确率偏低,表情数据集中类别样本类间差异小、类内差异大以及误标注样本产生的误分类等问题,提出了一种结合改进VGGNet和Focal Loss的人脸表情识别算法。在迁移学习的基础上,通过设计新的输出模块对VGGNet模型进行改进,提升了模型的特征提取能力,能够较好地避免过拟合现象;通过设置概率阈值对Focal Loss进行改进,避免误标注样本对模型分类性能产生影响。实验结果表明,该模型在CK+、JAFFE以及FER2013数据集上的识别准确率分别达到了99.68%、97.61%和72.49%,在实际应用中泛化能力突出。 展开更多
关键词 表情识别 深度学习 迁移学习 focalloss 卷积神经网络
在线阅读 下载PDF
基于Focal Loss的多特征融合地物小目标检测 被引量：6
14
作者 宋建辉 饶威 +1 位作者 于洋 刘砚菊 《火力与指挥控制》 CSCD 北大核心 2021年第1期20-24,31,共6页
针对无人机影像中地物车辆目标占整体像素不超过0.4%的小目标检测效果差的问题,在融合FPN结构的Faster R-CNN(FFRCNN)网络基础上,提出一种改进算法——FM-FFRCNN。利用Resnet-50网络进行特征提取,并联多个卷积核进行卷积操作实现多特征... 针对无人机影像中地物车辆目标占整体像素不超过0.4%的小目标检测效果差的问题,在融合FPN结构的Faster R-CNN(FFRCNN)网络基础上,提出一种改进算法——FM-FFRCNN。利用Resnet-50网络进行特征提取,并联多个卷积核进行卷积操作实现多特征融合,达到扩大感受野的效果,并通过检测模块进行回归与分类。同时,为解决模型中正负样本不平衡问题,采用Focal Loss损失函数抑制背景样本对损失的贡献值。实验结果表明:FM-FFRCNN模型在平均精度(Average Precision,AP)上较原先模型提升了19.7%。 展开更多
关键词 小目标检测 多特征融合 focal loss 信息融合
在线阅读 下载PDF
基于Focal Loss-2函数的中文短文本情感分类研究 被引量：1
15
作者 李欢 郑静 《杭州电子科技大学学报（自然科学版）》 2019年第3期54-59,共6页
利用深度学习中的卷积神经网络CNN和长短期记忆人工神经网络LSTM两种方法,结合word2vec词向量工具,对互联网中文短文本平衡数据集进行情感分类,并与传统的机器学习方法进行比较,得到最优的模型。在不平衡数据集上,提出了基于Focal Loss... 利用深度学习中的卷积神经网络CNN和长短期记忆人工神经网络LSTM两种方法,结合word2vec词向量工具,对互联网中文短文本平衡数据集进行情感分类,并与传统的机器学习方法进行比较,得到最优的模型。在不平衡数据集上,提出了基于Focal Loss函数改进的二分类平衡交叉熵损失函数Focal Loss-2。实验表明:深度学习算法LSTM-word2vec模型分类准确率最高,达到93.13%;CNN-word2vec模型的训练时间最短,每轮用时27 s;在正类样本少时,Focal Loss-2函数比常用的交叉熵函数正类的模型评价F_1值提高了4%左右。统计检验表明:基于Focal Loss-2函数改进的模型在不平衡数据集上的分类性能显著优于以前的模型。 展开更多
关键词 情感分类 不平衡数据集 卷积神经网络 长短期记忆人工神经网络 focal loss-2
在线阅读 下载PDF
改进的YOLOv8n轻量化景区行人检测方法研究 被引量：4
16
作者 张小艳 王苗 《计算机工程与应用》 北大核心 2025年第2期84-96,共13页
针对景区人流量大、人员密集,而现有目标检测算法对于遮挡目标和小目标检测效率低且模型参数量大等问题,提出基于YOLOv8n的轻量化景区行人检测算法SSC-YOLOv8n。提出空间和通道重建注意力卷积SCC2fEMA模块,以显著减少模型参数量,从而提... 针对景区人流量大、人员密集,而现有目标检测算法对于遮挡目标和小目标检测效率低且模型参数量大等问题,提出基于YOLOv8n的轻量化景区行人检测算法SSC-YOLOv8n。提出空间和通道重建注意力卷积SCC2fEMA模块,以显著减少模型参数量,从而提升模型的检测速度。采用精细的slim-neck范式,通过GSConv和V0V-GSCSP模块,在有效降低模型参数量的同时,提升模型的学习能力。提出坐标注意力动态解耦头,以显著增强模型对位置信息的感知度和敏感度。为了对样本进行更为精确的平衡处理,引入Focal Loss损失函数,进一步提高模型的检测精度与鲁棒性。实验结果表明,在景区行人数据集上,改进后的模型相较于原始模型,模型参数量减小了52%,mAP@0.5提升了2.1个百分点,mAP@0.5:0.95提升了1.4个百分点。在VisDrone2019数据集上,mAP@0.5提高了3.9个百分点。改进后的算法具有更强的泛化性能,能够更好地适用于景区行人检测任务。 展开更多
关键词 行人检测 轻量化 YOLOv8 focal loss 注意力机制
在线阅读 下载PDF
改进Faster R-CNN的输电线路山火图像检测方法
17
作者 黄力 吴珈承 《现代电子技术》 北大核心 2025年第9期173-179,共7页
针对山火严重威胁输电线路安全的问题,提出一种改进Faster R-CNN的输电线路山火图像检测方法。选用ResNeSt50作为主干网络以提升模型性能,同时在主干网络后面加入递归特征金字塔(RFP)以增强模型在多尺度上的特征提取能力。采用CIoU Los... 针对山火严重威胁输电线路安全的问题,提出一种改进Faster R-CNN的输电线路山火图像检测方法。选用ResNeSt50作为主干网络以提升模型性能,同时在主干网络后面加入递归特征金字塔(RFP)以增强模型在多尺度上的特征提取能力。采用CIoU Loss回归损失函数以提高边界框回归速率和定位精度,使用Focal Loss分类损失函数以提高对小目标的烟雾和火焰检测精度。运用Kmeans++聚类算法对烟雾和火焰数据进行anchor尺寸优化,以提高算法的检测准确率。利用数据增强技术来解决图像数量不足和天气环境变化影响检测精度的问题。经过训练和测试,结果显示改进后的Faster RCNN方法在平均精度均值上达到了95.54%,比原模型提高了7.39%,能够有效识别输电线路附近产生的烟雾和火焰,满足山火检测准确性和实时性的要求。 展开更多
关键词 深度学习 山火检测 烟雾检测 Kmeans++ ResNeSt50 CIoU loss focal loss RFP
在线阅读 下载PDF
基于数据增强和损失平衡的机电领域命名实体识别 被引量：1
18
作者 林娜 岳希 唐聃 《计算机工程与应用》 北大核心 2025年第7期222-232,共11页
机电领域命名实体识别是机电创新设计信息检索最基础的过程。目前命名实体识别任务的数据在机电领域较少,且大部分存在不平衡问题。通过构建机电领域命名实体识别数据集,根据数据集文本结构特点设计多维数据增强方法,并提出基于改进los... 机电领域命名实体识别是机电创新设计信息检索最基础的过程。目前命名实体识别任务的数据在机电领域较少,且大部分存在不平衡问题。通过构建机电领域命名实体识别数据集,根据数据集文本结构特点设计多维数据增强方法,并提出基于改进loss的命名实体识别模型BERT-BiGRU-CRF(BL)。对互联网机电领域文本语料进行爬取并进行标注构成机电领域命名实体识别数据集;根据不同方式对数据集的影响从同类实体替换、同义词替换、语料裁减和语料拼接四个方面进行多维数据增强后按一定比例进行数据扩充增加数据丰富度;针对数据集数据不平衡问题设计使用Weigh loss平衡focal loss与CRF loss权重的模型,该模型采用BERT进行词向量编码,利用BiGRU完成文本向量的特征提取,使用CRF进行标签约束与解码。经实验证明,多维数据增强方法对模型效果有显著提升,并且经过改进的模型在原始和增强后数据集上表现均为最优,F1值分别为78.23%和83.3%。 展开更多
关键词 机电领域 命名实体识别 数据增强 focal loss Weigh loss
在线阅读 下载PDF
基于改进PPYOLOE-R的遥感图像舰船目标检测 被引量：1
19
作者 陈天鹏 胡建文 李海涛 《计算机科学》 北大核心 2025年第S1期483-490,共8页
遥感图像背景复杂,处于遥感图像中的舰船目标与港口背景语义信息较为相似,并且部分舰船目标尺寸小且密集排列,现有深度学习目标检测算法易出现漏检、误检、精度不理想等问题。针对此问题,提出一种改进PPYOLOE-R的遥感图像舰船目标检测算... 遥感图像背景复杂,处于遥感图像中的舰船目标与港口背景语义信息较为相似,并且部分舰船目标尺寸小且密集排列,现有深度学习目标检测算法易出现漏检、误检、精度不理想等问题。针对此问题,提出一种改进PPYOLOE-R的遥感图像舰船目标检测算法,以PPYOLOE-R为基线,在颈部网络引入置换注意力机制,增强模型的特征提取能力;引入一种改进的Focal Loss,该损失可以关联类别分数与定位分数,对类别标签进行软化处理,提高模型对难易样本的区分能力。提取DOTA数据集中的舰船类别,制作DOTA_ships舰船数据集。在HRSC2016数据集和DOTA_ships舰船数据集上的实验结果表明,该方法的平均精确度分别为90.02%,89.90%,检测速度分别为48.2 FPS,41.5 FPS,召回率分别为97.9%,97.3%,平均精确度和召回率在对比方法中均为最优,检测速度仅次于PPYOLOE-R。 展开更多
关键词 遥感图像 舰船目标检测 PPYOLOE-R 置换注意力 focal loss
在线阅读 下载PDF
基于Swin-U的路面裂缝分割研究 被引量：1
20
作者 王华 汪良财 +1 位作者 熊峰 胡靖 《中外公路》 2025年第3期37-45,共9页
针对道路裂缝目标分割任务中存在的过拟合、计算速度低和目标信息提取不足等问题,该文基于U⁃Net网络构建Swin⁃U网络模型。该模型以Swin⁃Transformer作为特征提取模块,提高模型的拟合程度,可更精准地提取裂缝特征,从而提高分割精度;同时... 针对道路裂缝目标分割任务中存在的过拟合、计算速度低和目标信息提取不足等问题,该文基于U⁃Net网络构建Swin⁃U网络模型。该模型以Swin⁃Transformer作为特征提取模块,提高模型的拟合程度,可更精准地提取裂缝特征,从而提高分割精度;同时引入稳定的损失函数Focal Loss来提高目标分割的精度。在自有道路裂缝数据集上的试验结果表明:Swin⁃U网络模型实现了裂缝图像的像素级分割,其性能显著优于传统的U⁃Net,在测试集上的交并比和F1分数分别提高了25.00%和27.61%。该改进模型不仅为道路养护决策提供了更可靠的技术支持,也为道路裂缝分割方法的优化提供了参考。 展开更多
关键词 道路裂缝分割 图像分割 Swin⁃Transformer U⁃Net 深度神经网络 focal loss
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 17 下一页 到第 页
使用帮助 返回顶部