检索结果-维普期刊中文期刊服务平台

基于综合判别特征学习和中层特征监督的农作物病害识别: 1; 作者杜海顺安文昊 +1 位作者张春海周毅《江苏农业科学》北大核心 2025年第14期208-216,共9页; 准确识别农作物病害有助于提高农作物的产量和质量,促进农业的可持续发展。大多数基于深度神经网络的农作物病害识别方法没有充分利用网络不同层次的特征对病害进行综合分析,且对病害的细节信息关注不足。为了有效利用深度神经网络提取... 展开更多; 关键词农作物病害识别综合判别特征学习中层特征监督卷积神经网络; 在线阅读下载PDF 职称材料

概念驱动的小样本判别特征学习方法被引量：2: 2; 作者周凯锐刘鑫 +1 位作者景丽萍于剑《智能系统学报》 CSCD 北大核心 2023年第1期162-172,共11页; 小样本学习旨在让模型能够在仅有少量标记数据的新类中进行分类。基于度量学习的方法是小样本学习的一种有效方法,该类方法利用有标签的支持集样本构建类表示,再基于查询样本和类表示的相似性进行分类。因此,如何构建判别性更强的类表... 展开更多; 关键词小样本学习度量学习类表示学习判别特征学习数据增强图像分类神经网络深度学习; 在线阅读下载PDF 职称材料

用于车辆重识别的基于细节感知的判别特征学习模型被引量：10: 3; 作者邱铭凯李熙莹《中山大学学报（自然科学版）（中英文）》 CAS CSCD 北大核心 2021年第4期111-120,共10页; 在多摄像头下拍摄的车辆图片集合中,对属于目标车辆的图片进行匹配为车辆重识别。如何有效的区分具有相似外观的不同车辆的图片,是车辆重识别的一大挑战。考虑到不同车辆之间的差异集中于车窗等区域的细节,文章提出了一个基于细节感知... 展开更多; 关键词车辆重识别神经网络局部特征提取判别特征学习; 在线阅读下载PDF 职称材料

判别多维标度特征学习: 4; 作者唐海涛王红军李天瑞《计算机应用》 CSCD 北大核心 2023年第5期1323-1329,共7页; 传统多维标度方法学习得到的低维嵌入保持了数据点的拓扑结构,但忽略了低维嵌入数据类别间的判别性。基于此,提出一种基于多维标度法的无监督判别性特征学习方法——判别多维标度模型(DMDS),该模型能在学习低维数据表示的同时发现簇结构... 展开更多; 关键词判别性特征学习多维标度法降维模糊聚类迭代优化算法; 在线阅读下载PDF 职称材料

基于GAN实现环境声音分类的组合对抗防御: 5; 作者张强杨吉斌 +2 位作者张雄伟曹铁勇李毅豪《电子与信息学报》 EI CSCD 北大核心 2023年第12期4399-4410,共12页; 虽然深度神经网络可以有效改善环境声音分类(ESC)性能,但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效,无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力,该文提出一种结合... 展开更多; 关键词环境声音对抗防御对抗训练对抗检测判别性特征学习; 在线阅读下载PDF 职称材料

题名基于综合判别特征学习和中层特征监督的农作物病害识别: 1; 作者杜海顺安文昊张春海周毅; 机构河南大学人工智能学院河南省车联网协同技术国际联合实验室; 出处《江苏农业科学》北大核心 2025年第14期208-216,共9页; 基金国家自然科学基金(编号:62176088) 河南省科技发展计划(编号:222102110135)。; 文摘准确识别农作物病害有助于提高农作物的产量和质量,促进农业的可持续发展。大多数基于深度神经网络的农作物病害识别方法没有充分利用网络不同层次的特征对病害进行综合分析,且对病害的细节信息关注不足。为了有效利用深度神经网络提取的不同层次的特征来更准确地识别农作物病害,提出了一种基于综合判别特征学习和中层特征监督的农作物病害识别网络。具体地,该网络由1个主干ResNet50、1个综合判别特征学习模块以及1个中层特征监督分支组成。其中,主干ResNet50负责提取农作物病害图像的浅层、中层以及深层特征;综合判别特征学习模块通过对主干ResNet50提取的不同层次的特征进行分析与综合,得到综合判别特征;中层特征监督分支用于确保含有丰富细节信息的中层特征的判别力。在公共农作物病害数据集AIchallenger2018和Cassava以及自制农作物病害数据集RCP-Crops上,所提出网络识别准确率分别达89.76%、87.95%、98.19%,F1分数分别达89.57%、87.77%、98.18%。; 关键词农作物病害识别综合判别特征学习中层特征监督卷积神经网络; 分类号 S126 [农业科学—农业基础科学] TP391.41 [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

题名概念驱动的小样本判别特征学习方法被引量：2: 2; 作者周凯锐刘鑫景丽萍于剑; 机构北京交通大学交通数据分析与挖掘北京市重点实验室北京交通大学计算机与信息技术学院; 出处《智能系统学报》 CSCD 北大核心 2023年第1期162-172,共11页; 基金北京市自然科学基金资助项目(Z180006) 中央高校基本科研业务费专项资金项目(2019JBZ110)。; 文摘小样本学习旨在让模型能够在仅有少量标记数据的新类中进行分类。基于度量学习的方法是小样本学习的一种有效方法,该类方法利用有标签的支持集样本构建类表示,再基于查询样本和类表示的相似性进行分类。因此,如何构建判别性更强的类表示是这类方法的关键所在。多数工作在构建类表示时,忽略了类概念相关信息的挖掘,这样容易引入样本中类别无关信息,从而降低类表示的判别性。为此本文提出一种概念驱动的小样本判别特征学习方法。该方法首先利用类别的语义信息来指导模型挖掘样本中类概念相关信息,进而构建更具判别性的类表示。其次,设计了随机掩码混合机制增加样本的多样性和识别难度,进一步提升类表示的质量。最后对处于决策边界附近的查询样本赋予更大的权重,引导模型关注难样本,从而更好地进行类表示学习。大量实验的结果表明本文提出的方法能够有效提升小样本分类任务的准确率,并且在多个数据集上优于当前先进的算法。; 关键词小样本学习度量学习类表示学习判别特征学习数据增强图像分类神经网络深度学习; Keywords few-shot learning metric learning class representation discriminative feature learning data augmentation image classification neural network deep learning; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名用于车辆重识别的基于细节感知的判别特征学习模型被引量：10: 3; 作者邱铭凯李熙莹; 机构中山大学智能工程学院/广东省智能交通系统重点实验室/视频图像智能分析与应用技术公安部重点实验室; 出处《中山大学学报（自然科学版）（中英文）》 CAS CSCD 北大核心 2021年第4期111-120,共10页; 基金国家重点研发计划(2018YFB1601100,2018YFB1601101) 国家自然科学基金(U1611461)。; 文摘在多摄像头下拍摄的车辆图片集合中,对属于目标车辆的图片进行匹配为车辆重识别。如何有效的区分具有相似外观的不同车辆的图片,是车辆重识别的一大挑战。考虑到不同车辆之间的差异集中于车窗等区域的细节,文章提出了一个基于细节感知的判别特征学习模型;设计了一个指导式的车辆局部特征提取流程,将局部特征与骨干网络提取的全局特征联合作为车辆的提取特征,不同车辆联合特征之间的欧式距离作为相似度衡量。在算法实验中,所提出的算法在公开数据集VehicleID与VeRi上都取得领先于现有车辆重识别算法的结果,验证了算法的有效性。; 关键词车辆重识别神经网络局部特征提取判别特征学习; Keywords vehicle re-identification neural network local feature extraction discriminative feature learning; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名判别多维标度特征学习: 4; 作者唐海涛王红军李天瑞; 机构西南交通大学计算机与人工智能学院综合交通大数据应用技术国家工程实验室(西南交通大学); 出处《计算机应用》 CSCD 北大核心 2023年第5期1323-1329,共7页; 基金国家重点研发计划项目(2020AAA0105101) 国家自然科学基金资助项目(61773324)。; 文摘传统多维标度方法学习得到的低维嵌入保持了数据点的拓扑结构,但忽略了低维嵌入数据类别间的判别性。基于此,提出一种基于多维标度法的无监督判别性特征学习方法——判别多维标度模型(DMDS),该模型能在学习低维数据表示的同时发现簇结构,并通过使同簇的低维嵌入更接近,让学习到的数据表示更具有判别性。首先,设计了DMDS对应的目标公式,体现所学习特征在保留拓扑性的同时增强判别性;其次,对目标函数进行了推理和求解,并根据推理过程设计所对应的迭代优化算法;最后,在12个公开的数据集上对聚类平均准确率和平均纯度进行对比实验。实验结果表明,根据Friedman统计量综合评价DMDS在12个数据集上的性能优于原始数据表示和传统多维标度模型的数据表示,它的低维嵌入更具有判别性。; 关键词判别性特征学习多维标度法降维模糊聚类迭代优化算法; Keywords discriminative feature learning multidimensional scaling dimensionality reduction fuzzy clustering iterative optimization algorithm; 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GAN实现环境声音分类的组合对抗防御: 5; 作者张强杨吉斌张雄伟曹铁勇李毅豪; 机构陆军工程大学指挥控制工程学院; 出处《电子与信息学报》 EI CSCD 北大核心 2023年第12期4399-4410,共12页; 基金国家自然科学基金(62071484)。; 文摘虽然深度神经网络可以有效改善环境声音分类(ESC)性能,但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效,无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力,该文提出一种结合对抗检测、对抗训练和判别性特征学习的ESC组合对抗防御方法。该方法使用对抗样本检测器(AED)对输入ESC模型的样本进行检测,基于生成对抗网络(GAN)同时对AED和ESC模型进行对抗训练,其中,AED作为GAN的判别器使用。同时,该方法将判别性损失函数引入ESC模型的对抗训练中,以驱使模型学习到的样本特征类内更加紧凑、类间更加远离,进一步提升模型的对抗鲁棒性。在两个典型ESC数据集,以及白盒、自适应白盒、黑盒攻击设置下,针对多种模型开展了防御对比实验。实验结果表明,该方法基于GAN实现多种防御方法的组合,可以有效提升ESC模型防御对抗样本攻击的能力,对应的ESC准确率比其他方法对应的ESC准确率提升超过10%。同时,实验验证了所提方法的有效性不是由混淆梯度引起的。; 关键词环境声音对抗防御对抗训练对抗检测判别性特征学习; Keywords Environmental sound Adversarial defense Adversarial training Adversarial detection Discriminative feature learning; 分类号 TN912 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于综合判别特征学习和中层特征监督的农作物病害识别	杜海顺安文昊张春海周毅	《江苏农业科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	概念驱动的小样本判别特征学习方法	周凯锐刘鑫景丽萍于剑	《智能系统学报》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
3	用于车辆重识别的基于细节感知的判别特征学习模型	邱铭凯李熙莹	《中山大学学报（自然科学版）（中英文）》 CAS CSCD 北大核心	2021	10	在线阅读下载PDF 职称材料
4	判别多维标度特征学习	唐海涛王红军李天瑞	《计算机应用》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
5	基于GAN实现环境声音分类的组合对抗防御	张强杨吉斌张雄伟曹铁勇李毅豪	《电子与信息学报》 EI CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料