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7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：
基于PolyLoss的StarGAN图像样本自生长研究
1
作者 刘帅 牛威 +2 位作者 鱼群 郝磊 黄勃学 《信息与电脑》 2023年第1期204-209,共6页
在深度学习模型训练中,提高输入样本数量能够有效解决样本不均衡和训练过拟合问题。为更好地处理数据集的小样本场景,提出了一种基于PolyLoss的StarGAN小样本图像增强方法(PolyStarGAN)。相比传统样本增强方法,该网络具有更高的样本学... 在深度学习模型训练中,提高输入样本数量能够有效解决样本不均衡和训练过拟合问题。为更好地处理数据集的小样本场景,提出了一种基于PolyLoss的StarGAN小样本图像增强方法(PolyStarGAN)。相比传统样本增强方法,该网络具有更高的样本学习、生成能力。该方法使用训练生成器和判别器提取图像的特征信息,生成图像与输入图像的内容和结构一致。通过计算峰值信噪比、结构相似性与视觉信息保真度3个方面评估PolyStarGAN网络生成结果;在ResNet50目标识别模型训练中验证数据集质量。实验结果表明,提出的模型对不同场景图像的增强效果较好,提高了自生长数据集的ResNet50模型识别精度,可为样本自生长中的小样本问题提供参考方案与技术支持。 展开更多
关键词 图像处理 深度学习 样本自生长 StarGAN PloyLoss
在线阅读 下载PDF
基于BERT-Tiny Transformer-CRF的自动化装配命名实体识别方法
2
作者 钱冠翔 于丽娅 +2 位作者 李传江 李少波 徐兆 《计算机集成制造系统》 北大核心 2025年第10期3594-3606,共13页
随着工业5.0对知识驱动的智能制造提出新要求,机械装配领域面临多模态数据稀疏、实体语义边界模糊、数据分布呈现长尾效应的挑战。为此,提出一种融合多项式损失函数的BERT-Tiny Transformer-CRF模型,旨在提升低资源场景下的领域知识抽... 随着工业5.0对知识驱动的智能制造提出新要求,机械装配领域面临多模态数据稀疏、实体语义边界模糊、数据分布呈现长尾效应的挑战。为此,提出一种融合多项式损失函数的BERT-Tiny Transformer-CRF模型,旨在提升低资源场景下的领域知识抽取效率。首先,通过知识蒸馏与语义增强技术注入领域先验知识,其次设计维度自适应特征压缩模块实现跨模态特征融合,最后构建动态边缘感知解码机制实现实体边界的精准定位。利用自主构建的自动化装配数据集,将所提方法与不同实体识别模型进行对比,实验结果表明,所提模型具有良好的泛化识别能力,以86.62%的准确率、85.27%的精确率、85.67%的召回率和85.46%的F1值优于其他模型,为工业5.0下机械自动化装配领域知识图谱的构建提供了一种有效的技术方法。 展开更多
关键词 BERT-Tiny Transformer-CRF模型 数据增强 polyloss 自动化装配
在线阅读 下载PDF
基于YOLO v7的轻量级红外目标检测算法 被引量：3
3
作者 陈永麟 王恒涛 张上 《红外技术》 CSCD 北大核心 2024年第12期1380-1389,共10页
针对红外图像信噪比低、分辨率不佳、噪声与杂波多等检测难点。提出一种基于YOLOv7的轻量化红外图像目标检测算法ITD-YOLO。首先,ITD-YOLO算法重设计网络结构,对特征提取网络与特征融合网络架构重新调整。裁剪掉原网络中深层对应的大感... 针对红外图像信噪比低、分辨率不佳、噪声与杂波多等检测难点。提出一种基于YOLOv7的轻量化红外图像目标检测算法ITD-YOLO。首先,ITD-YOLO算法重设计网络结构,对特征提取网络与特征融合网络架构重新调整。裁剪掉原网络中深层对应的大感受野,依据重构后网络特征图输出,对模型预设锚框进行调节。改变多尺度特征融合中的深层特征与浅层特征的关系,提高浅层网络提取的细节信息在融合中所占的权重,提高对较小目标的检测性能;然后,在ELAN模块中引入PConv替换掉常规卷积,进一步降低模型计算量。其次,将模型损失函数调整为PolyLoss以加速模型收敛,进一步加强对目标的检测性能;最后,使用SIoU作为边框损失函数,增强对目标的定位精度。实验结果表明,ITB-YOLO能够有效改善检测效果,在FLIR与OSU数据集上,相较于YOLOv7s的平均精度均值分别提高2.27%与7.29%。改进后得到的模型体积仅为17.7 MB,计算量下降37.11%。与主流算法进行对比,ITD-YOLO在各项指标均得到了一定程度的提高,能够满足红外目标实时检测任务。 展开更多
关键词 目标检测 模型轻量化 YOLOv7 PConv polyloss SIoU
在线阅读 下载PDF
声誉评估的联邦学习激励机制设计与研究
4
作者 熊诚 巫朝霞 《信息记录材料》 2024年第2期196-200,共5页
联邦学习在保护数据隐私安全的同时,实现了模型共享,提高了模型训练精度。然而,如何鼓励数据所有者参与联邦学习并贡献高质量的数据是联邦学习面临的一个关键性问题。现有的相关研究很少对联邦学习任务中的数据质量、模型聚合和奖励分... 联邦学习在保护数据隐私安全的同时,实现了模型共享,提高了模型训练精度。然而,如何鼓励数据所有者参与联邦学习并贡献高质量的数据是联邦学习面临的一个关键性问题。现有的相关研究很少对联邦学习任务中的数据质量、模型聚合和奖励分配问题进行系统考虑。本文在现有研究的基础上,结合数据质量、声誉评估和奖励分配,提出了一种基于声誉评估的联邦学习激励机制,旨在提高联邦学习的效率和效果。该机制利用声誉评估对数据所有者的贡献进行公正衡量,并根据贡献动态调整本地模型优化策略,从而给予更多的奖励。此外,该机制还采用了一种基于PolyLoss的损失函数来优化联邦学习模型的质量。最后,在MNIST和CIFAR-10数据集上进行了仿真实验,验证了该机制的有效性。实验结果显示,该激励机制能够促进数据所有者积极参与联邦学习任务,并提供高质量的数据来训练本地模型,从而提高联邦学习模型的质量。 展开更多
关键词 联邦学习 声誉评估 激励机制 polyloss
在线阅读 下载PDF
基于卷积神经网络的内窥镜图像分类
5
作者 项诗雨 魏利胜 《安徽工程大学学报》 CAS 2023年第3期29-36,57,共9页
针对无线胶囊内窥镜(Wireless Capsule Endoscope,WCE)图像分类准确率不高的问题,提出了一种微调卷积神经网络的图像分类方法。首先,在图像预处理阶段,探讨了一种图像修复算法对原始图像进行光斑修复,并通过数据增强策略扩充原始数据集... 针对无线胶囊内窥镜(Wireless Capsule Endoscope,WCE)图像分类准确率不高的问题,提出了一种微调卷积神经网络的图像分类方法。首先,在图像预处理阶段,探讨了一种图像修复算法对原始图像进行光斑修复,并通过数据增强策略扩充原始数据集;其次,结合迁移学习微调卷积神经网络ConvNeXt,在ConvNeXt网络中引入坐标注意力机制(CoordAttention,CA);最后,在Hyper Kvasir数据集上进行训练,并使用Polyloss损失函数优化模型。实验结果表明所提方法在小数据集的情况达到了99.3%的准确率,从而验证了所提方法的有效性。 展开更多
关键词 无线胶囊内窥镜 ConvNeXt 迁移学习 polyloss 注意力机制
在线阅读 下载PDF
面向短文本语义分析的标签条件神经主题模型
6
作者 王嫄 鄢艳玲 +3 位作者 徐茂玲 胡鹏 赵婷婷 杨巨成 《计算机工程与应用》 CSCD 北大核心 2023年第11期80-87,共8页
无监督机器学习方法中的神经主题模型已被广泛用于自动挖掘文本潜在语义。然而,短文本篇幅有限,文中可用于推断的信息匮乏,模型难以在上下文不充分的情况下正确识别歧义词。为此,提出了一种面向短文本语义分析的标签条件神经主题模型,... 无监督机器学习方法中的神经主题模型已被广泛用于自动挖掘文本潜在语义。然而,短文本篇幅有限,文中可用于推断的信息匮乏,模型难以在上下文不充分的情况下正确识别歧义词。为此,提出了一种面向短文本语义分析的标签条件神经主题模型,模型采用变分自编码器架构,在编码器输出的主题分布上引入文本的标签信息,作为主题类别级的语义标识符指导模型过滤与当前主题语义不相关的词、凝练语义并辨识歧义词在主题语境下的准确词义,引导模型推断离散一致的主题。针对短文本应用过程中主题语义分布统计显著有偏的数据特点,在模型训练过程中引入泰勒损失,通过调整泰勒多项式系数建模短文本类别分布不平衡。实验结果表明,该模型不仅能够极大提高短文本主题建模的质量,生成连贯且多样的主题,而且能有效提升下游任务性能。 展开更多
关键词 神经主题模型 短文本 泰勒损失
在线阅读 下载PDF
改进MeshNet网络的形状分类检测算法∗
7
作者 杨俊颉 王军 程勇 《计算机与数字工程》 2025年第9期2393-2397,2441,共6页
随着硬件的进步,卷积神经网络在二维图像识别领域得到了迅速的发展,将卷积神经网络推广到三维逐渐成为新的需求与潮流。在不同的三维表达中,网格模型因为其复杂的结构与不规则的形状给网格数据运用到深度学习领域带来了困难,直到MeshNe... 随着硬件的进步,卷积神经网络在二维图像识别领域得到了迅速的发展,将卷积神经网络推广到三维逐渐成为新的需求与潮流。在不同的三维表达中,网格模型因为其复杂的结构与不规则的形状给网格数据运用到深度学习领域带来了困难,直到MeshNet的出现改变了这一形势。论文改进了MeshNet,引入自注意力机制与残差网络模块,建立了输入的相关性,拓宽了网络的深度;引入一个新的损失函数PolyLoss,实现了更好的性能;最后在ModelNet40数据集上的进行形状分类任务,实验结果表明,该方法的准确率与所有类别平均检测精度达到了92.1%和85.1%,对比原始的MeshNet分别提高了0.9%和4.3%,验证了改进网络的有效性。 展开更多
关键词 卷积神经网络 残差网格 MeshNet 自注意力机制 polyloss
在线阅读 下载PDF
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
使用帮助 返回顶部