-
题名基于LBP和Mixup数据增强后的肺音识别
被引量：1
- 1
-
-
作者
古依聪
郭涛
李成
刘启明
石帅
-
机构
中北大学电子测试技术国家重点实验室
中国航天科技集团有限公司中国运载火箭技术研究院
-
出处
《计算机与数字工程》
2023年第1期268-272,共5页
-
基金
国家自然科学基金项目(编号:51975541)资助
-
文摘
肺音蕴含着重要的生理病理信息。对肺音进行智能化识别,是推进医疗现代化的一种重要方式。论文针对肺音分类问题,采用梅尔谱图(Mel)、小波变换(WT)、短时傅里叶变换(STFT)、恒Q变换(CQT)四种方法进行特征提取,并且使用构建的卷积神经网络(CNN)和卷积神经网络与随机子空间判别结合法(CNN-RSM)对肺音进行分类。最终Mel谱图在CNN-RSM的测试集中的准确率为76.01%,特异度为89.7%,ICBHI得分为66.38%。经过与使用同一数据库的其他作者综合对比,本文肺音识别方法更具优势。
-
关键词
梅尔谱图
卷积神经网络
随机子空间判别
局部二值模式
mixup
-
Keywords
meyer spectrum
convolutional neural network
random subspace method
local binary pattern
mixup
-
分类号
TN912.3
[电子电信—通信与信息系统]
R563.1
[医药卫生—呼吸系统]
-
-
题名基于Mixup的心电图多标签异常心律检测方法
被引量：1
- 2
-
-
作者
倪娟
王剑卓
-
机构
广东工业大学
-
出处
《自动化与信息工程》
2024年第3期51-55,共5页
-
基金
广东省自然科学基金(2022A1515011445)
广东省药品监督管理局科技项目(2022YDZ06)。
-
文摘
针对心电图不同样本间的高变异性,以及深度学习模型泛化能力不足的问题,提出一种基于Mixup的心电图多标签异常心律检测方法。首先,通过Mixup方法将心电图与白噪声混合;然后,利用混合样本训练深度学习模型;最后,在CPSC2018数据集上进行实验,该方法的F1分数相较于Inception-ResNet-v2、MLC-CNN、STA-CRNN分别提升了0.014、0.031、0.023。
-
关键词
mixup方法
心电图
多标签
异常心律检测
深度学习模型
-
Keywords
mixup method
electrocardiogram
multi label
abnormal heart rate detection
deep learning models
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名混合增强学习方法综述
- 3
-
-
作者
孔繁爽
刘辉
彭明田
-
机构
北京航空航天大学
中国民航信息网络股份有限公司
-
出处
《计算机时代》
2025年第4期1-5,10,共6页
-
文摘
混合增强学习是一种在深度学习中常用的数据增强方法,将输入-标签对按一定比例线性插值混合,生成新的有价值中间样本以扩充样本空间,进而提升深度模型在整体数据上的泛化性。由于其可扩展性强、计算资源要求少,且正则、泛化性能优异,已在图像分类、文本分类等多个任务中被广泛研究与应用。本文对主要混合增强学习方法进行了分类介绍,综述其标志性研究进展。
-
关键词
混合增强
数据增强
深度学习
正则方法
-
Keywords
mixup
Data augmentation
Deep learning
Regularization method
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv3模型的车辆前方路面坑洼检测
被引量：9
- 4
-
-
作者
胡均平
黄强
张洪伟
向思平
宋菲菲
-
机构
中南大学机电工程学院
-
出处
《传感器与微系统》
CSCD
北大核心
2022年第12期130-133,138,共5页
-
基金
国家自然科学基金资助项目(51175518)
湖南省科技型中小企业技术创新基金资助项目(12C26214305029)。
-
文摘
首先,对道路坑洼图片进行预处理以获得坑洼数据集Pothole-set;其次,将YOLOv3的激活函数修改为Mish激活函数,以提高模型准确性和泛化能力;接着,将YOLOv3的3个输出尺度进行融合以减小复杂度;然后,使用K-Means方法对坑洼数据集边界框尺寸进行聚类,同时,对坑洼数据集进行网格划分,获得最终的输出特征图;最后,将余弦退火、Mixup、标签平滑技术应用于训练过程中以提高检测精度,获得最终的坑洼检测模型YOLOv3-Pt。实验结果表明:相比于YOLOv3,YOLOv3-Pt在复杂环境下对坑洼的检测精度提升了13.99%,能够满足坑洼检测精度的需要。
-
关键词
坑洼检测
Mish激活函数
K-MEANS聚类
余弦退火
mixup方法
YOLOv3-Pt模型
-
Keywords
pothole detection
Mish activation function
K-Means clustering
cosine annealing
mixup method
YOLOv3-Pt model
-
分类号
TP391.04
[自动化与计算机技术—计算机应用技术]
-
