期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于主动迁移学习的负荷辨识泛化方法
1
作者 蔡清淮 罗庆全 +3 位作者 余涛 刘前进 刘熙鹏 潘振宁 《电力自动化设备》 北大核心 2025年第3期209-216,共8页
为实现低成本地提升负荷辨识方法对新场景负荷样本的识别精度,提出一种基于主动迁移学习的负荷辨识泛化方法,利用极少量标签数据和无标签数据来高效提升方法的泛化性能。该方法利用异构模型的共识筛选高质量的伪标注样本,并对预训练模... 为实现低成本地提升负荷辨识方法对新场景负荷样本的识别精度,提出一种基于主动迁移学习的负荷辨识泛化方法,利用极少量标签数据和无标签数据来高效提升方法的泛化性能。该方法利用异构模型的共识筛选高质量的伪标注样本,并对预训练模型进行更新;设计一种考虑模型分歧和样本多样性的主动学习策略来标注高价值样本,可在大幅降低样本标注成本的同时实现模型的高效迁移。在2个公开数据集中的实验对比,验证了所提方法的优越性。 展开更多
关键词 负荷辨识 泛化 主动学习 迁移学习 伪标注 异构模型
在线阅读 下载PDF
基于显著图的弱监督实时目标检测 被引量:4
2
作者 李阳 王璞 +4 位作者 刘扬 刘国军 王春宇 刘晓燕 郭茂祖 《自动化学报》 EI CSCD 北大核心 2020年第2期242-255,共14页
深度卷积神经网络(Deep convolutional neural network,DCNN)在目标检测任务上使用目标的全标注来训练网络参数,其检测准确率也得到了大幅度的提升.然而,获取目标的边界框(Bounding-box)标注是一项耗时且代价高的工作.此外,目标检测的... 深度卷积神经网络(Deep convolutional neural network,DCNN)在目标检测任务上使用目标的全标注来训练网络参数,其检测准确率也得到了大幅度的提升.然而,获取目标的边界框(Bounding-box)标注是一项耗时且代价高的工作.此外,目标检测的实时性是制约其实用性的另一个重要问题.为了克服这两个问题,本文提出一种基于图像级标注的弱监督实时目标检测方法.该方法分为三个子模块:1)首先应用分类网络和反向传递过程生成类别显著图,该显著图提供了目标在图像中的位置信息;2)根据类别显著图生成目标的伪标注(Pseudo-bounding-box);3)最后将伪标注看作真实标注并优化实时目标检测网络的参数.不同于其他弱监督目标检测方法,本文方法无需目标候选集合获取过程,并且对于测试图像仅通过网络的前向传递过程就可以获取检测结果,因此极大地加快了检测的速率(实时性).此外,该方法简单易用;针对未知类别的目标检测,只需要训练目标类别的分类网络和检测网络.因此本框架具有较强的泛化能力,为解决弱监督实时检测问题提供了新的研究思路.在PASCAL VOC 2007数据集上的实验表明:1)本文方法在检测的准确率上取得了较好的提升;2)实现了弱监督条件下的实时检测. 展开更多
关键词 弱监督 实时目标检测 显著图 伪标注 深度卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部