-
题名梯度区分与特征范数驱动的开放世界目标检测
- 1
-
-
作者
张英俊
闫薇薇
谢斌红
张睿
陆望东
-
机构
太原科技大学计算机科学与技术学院
山西天河云计算有限公司
-
出处
《计算机应用》
北大核心
2025年第7期2203-2210,共8页
-
基金
山西省基础研究计划项目(20210302123216)
吕梁市引进高层次科技人才重点研发项目(2022RC08)。
-
文摘
开放世界目标检测(OWOD)将目标检测任务拓展至真实多变的环境中,要求模型能准确识别已知和未知对象,并逐步学习新知识。针对现有OWOD网络模型中未知类的召回率偏低和误识别的问题,提出一种梯度区分与特征范数驱动的开放世界目标检测(GDFN-OWOD)网络模型。针对未知类召回率偏低的问题,提出梯度区分性表征模块(GDRM),即利用反向传播的梯度差异区分未知类别和背景,以提高未知类召回率;此外,引入基于图分割的框聚类(GSBC)算法将物体边界框的确定建模为图分解问题,从而减少冗余的边界框,进而降低模型的计算量;针对未知类误识别的问题,采用基于特征范数的分类器(FN-BC)选择性能最优的卷积层识别已知和未知类别,以达到更高的识别准确率。在M-OWODB数据集上的实验结果表明,与最优对比模型相比在T1、T2、T3任务中GDFN-OWOD的未知类召回率分别提升了1.1、2.1、0.9个百分点,而绝对开集误差(A-OSE)分别降低了35.1%、28.7%和12.2%。可见,与现有的OWOD网络模型相比,所提网络模型有效缓解了未知类的召回率偏低和误识别的问题。
-
关键词
开放世界目标检测
反向传播梯度
图分割算法
特征范数
卷积神经网络
-
Keywords
Open-World Object Detection(OWOD)
backpropagation gradient
graph segmentation algorithm
feature norm
Convolutional Neural Network(CNN)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多注意力图的孪生网络视觉目标跟踪
被引量：5
- 2
-
-
作者
齐天卉
张辉
李嘉锋
卓力
-
机构
北京工业大学信号与信息处理研究室
-
出处
《信号处理》
CSCD
北大核心
2020年第9期1557-1566,共10页
-
基金
国家自然科学基金(61602018,61971016)
北京市自然科学基金-市教委联合资助项目(KZ201810005002
KZ201910005007)。
-
文摘
在视觉跟踪应用中,目标外观通常由包含目标的矩形区域来建模,这种矩形化边框的描述方式不可避免地引入了背景干扰,并随着场景变化导致跟踪关注点的模糊及歧义,进而产生跟踪漂移。针对以上问题,提出了一种基于多注意力图的孪生网络视觉目标跟踪算法。首先,建立了一种关注于前景目标区域特征表达的孪生网络。该网络通过构建梯度注意力图损失函数项来引导网络训练,提升网络区分目标和干扰背景的能力。此外,嵌入通道注意力和空间注意力进一步强化目标的特征表达,自动发掘有区分的特征表示。在多个公共数据集上的实验验证了提出算法的有效性,以及算法可完成实时的视觉目标跟踪。
-
关键词
视觉目标跟踪
孪生网络
梯度引导反向传播
注意力机制
-
Keywords
visual object tracking
Siamese network
gradient-guided backpropagation
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于自适应编码的脉冲神经网络
被引量：5
- 3
-
-
作者
张驰
唐凤珍
-
机构
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院机器人与智能制造创新研究院
中国科学院大学
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第2期593-597,共5页
-
基金
国家重点研发计划资助项目(2020YFB13400)
国家自然科学基金资助项目(61803369)。
-
文摘
脉冲神经网络(SNN)采用脉冲序列表征和传递信息,与传统人工神经网络相比更具有生物可解释性,但典型SNN的特征提取能力受到其结构限制,对于图像数据等多分类任务的识别准确率不高,不能与卷积神经网络相媲美。为此提出一种新型的自适应编码脉冲神经网络(SCSNN),将CNN的特征提取能力与SNN的生物可解释性结合起来,采用生物神经元动态脉冲触发特性构建网络结构,并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN分别在MNIST和Fashion-MNIST数据集进行验证,取得较好的识别结果,在MNIST数据集上准确率达到了99.62%,在Fashion-MNIST数据集上准确率达到了93.52%,验证了其有效性。
-
关键词
脉冲神经网络
自适应编码
替代梯度反向传播
漏电积分发放神经元模型
-
Keywords
spiking neural networks
adaptive coding
surrogate gradient backpropagation
leaky integrate and fire(LIF)neuron model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
