期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进O2U网络的带噪声标签图像分类方法
1
作者
徐智
杜玉
+2 位作者
赵龙阳
孟瑞敏
李沁璘
《桂林电子科技大学学报》
2024年第6期585-591,共7页
近年来,带噪声标签的图像分类算法的研究受到学界的广泛关注,其中O2U网络是一种利用噪声标签样本在过拟合与欠拟合2种状态下损失值表现不同这一特性而设计的去噪声标签学习框架,但是该方法面临着噪声标签样本清除不彻底的问题。为解决...
近年来,带噪声标签的图像分类算法的研究受到学界的广泛关注,其中O2U网络是一种利用噪声标签样本在过拟合与欠拟合2种状态下损失值表现不同这一特性而设计的去噪声标签学习框架,但是该方法面临着噪声标签样本清除不彻底的问题。为解决该问题,提出了一种基于O2U网络改进的带噪声标签图像分类方法。通过修改去噪框架的部分损失函数,使得网络在去噪后的数据集上具有鲁棒性,降低了O2U网络清除噪声标签样本不干净带来的影响。实验结果表明,相比于直接使用O2U网络,提出的鲁棒损失函数与去噪框架结合的方法在MNIST、CIFAR-10和CIFAR-100数据集上均能提升分类效果。总结标签噪声率与噪声分布对分类的影响,表明分类效果由噪声率和噪声分布共同决定。
展开更多
关键词
图像分类
噪声标签
o
2
U网络
鲁棒损失函数
去噪算法
在线阅读
下载PDF
职称材料
基于IDACL深度度量学习的零件表面缺陷检测
被引量：
4
2
作者
李可
储世伟
+2 位作者
顾杰斐
宿磊
薛志钢
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第6期32-38,共7页
针对深度度量学习模型应用于机械零件表面缺陷检测存在易受噪声标签干扰、训练时间长、分类精度不高等问题,提出了一种基于改进深度注意中心损失(IDACL)的深度度量学习方法.首先,用O2U-Net模型对样本数据进行清洗,减少噪声样本对模型训...
针对深度度量学习模型应用于机械零件表面缺陷检测存在易受噪声标签干扰、训练时间长、分类精度不高等问题,提出了一种基于改进深度注意中心损失(IDACL)的深度度量学习方法.首先,用O2U-Net模型对样本数据进行清洗,减少噪声样本对模型训练的影响;然后,将O2U-Net模型参数迁移至深度度量学习模型,并提取各类样本中心作为深度注意中心损失的初始类中心;最后,根据样本点与类中心的距离设置权重以优化损失函数,提高模型的分类精度.中间壳体零件表面缺陷的实验结果表明,提出的方法相较其他方法具有更快的训练速度和更高的检测精度.
展开更多
关键词
表面缺陷检测
深度度量学习
深度注意中心损失
o2u-net
模型
机械零件
原文传递
题名
一种改进O2U网络的带噪声标签图像分类方法
1
作者
徐智
杜玉
赵龙阳
孟瑞敏
李沁璘
机构
桂林电子科技大学计算机与信息安全学院
桂林电子科技大学信息与通信学院
出处
《桂林电子科技大学学报》
2024年第6期585-591,共7页
基金
国家自然科学基金(61662014)
广西自然科学基金(2020GXNSFAA297186)
广西科技基地和人才专项(AD19110022)。
文摘
近年来,带噪声标签的图像分类算法的研究受到学界的广泛关注,其中O2U网络是一种利用噪声标签样本在过拟合与欠拟合2种状态下损失值表现不同这一特性而设计的去噪声标签学习框架,但是该方法面临着噪声标签样本清除不彻底的问题。为解决该问题,提出了一种基于O2U网络改进的带噪声标签图像分类方法。通过修改去噪框架的部分损失函数,使得网络在去噪后的数据集上具有鲁棒性,降低了O2U网络清除噪声标签样本不干净带来的影响。实验结果表明,相比于直接使用O2U网络,提出的鲁棒损失函数与去噪框架结合的方法在MNIST、CIFAR-10和CIFAR-100数据集上均能提升分类效果。总结标签噪声率与噪声分布对分类的影响,表明分类效果由噪声率和噪声分布共同决定。
关键词
图像分类
噪声标签
o
2
U网络
鲁棒损失函数
去噪算法
Keywords
image classificati
o
n
n
o
isy label
o2u-net
r
o
bust l
o
ss functi
o
n
den
o
ising alg
o
rithm
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于IDACL深度度量学习的零件表面缺陷检测
被引量：
4
2
作者
李可
储世伟
顾杰斐
宿磊
薛志钢
机构
江南大学江苏省食品先进制造装备技术重点实验室
江南大学机械工程学院
江苏省特种设备安全检验监督研究院无锡分院
出处
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第6期32-38,共7页
基金
国家自然科学基金资助项目(52175096)。
文摘
针对深度度量学习模型应用于机械零件表面缺陷检测存在易受噪声标签干扰、训练时间长、分类精度不高等问题,提出了一种基于改进深度注意中心损失(IDACL)的深度度量学习方法.首先,用O2U-Net模型对样本数据进行清洗,减少噪声样本对模型训练的影响;然后,将O2U-Net模型参数迁移至深度度量学习模型,并提取各类样本中心作为深度注意中心损失的初始类中心;最后,根据样本点与类中心的距离设置权重以优化损失函数,提高模型的分类精度.中间壳体零件表面缺陷的实验结果表明,提出的方法相较其他方法具有更快的训练速度和更高的检测精度.
关键词
表面缺陷检测
深度度量学习
深度注意中心损失
o2u-net
模型
机械零件
Keywords
surface defect inspecti
o
n
deep metric learning
deep attenti
o
n center l
o
ss
o2u-net
m
o
del
mechanical part
分类号
TH17 [机械工程—机械制造及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种改进O2U网络的带噪声标签图像分类方法
徐智
杜玉
赵龙阳
孟瑞敏
李沁璘
《桂林电子科技大学学报》
2024
0
在线阅读
下载PDF
职称材料
2
基于IDACL深度度量学习的零件表面缺陷检测
李可
储世伟
顾杰斐
宿磊
薛志钢
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024
4
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
