-
题名基于半监督协同训练的无人机对地目标跟踪
被引量：2
- 1
-
-
作者
毛盾
邢昌风
满欣
付峰
-
机构
海军工程大学电子工程学院
中国人民解放军
-
出处
《激光与红外》
CAS
CSCD
北大核心
2017年第6期778-782,共5页
-
基金
国家自然科学基金项目(No.61501484)资助
-
文摘
由于目标小、可区分性差,无人机对地目标跟踪较传统视频目标跟踪更容易丢失目标,提出一种基于l_1图半监督协同训练的目标跟踪算法。算法首先提取样本的颜色和纹理特征构建两个充分冗余的视图,再以基于l_1图的半监督学习算法取代传统协同训练中的监督学习方法构建单视图中的分类器,提高有限标记样本条件下的分类正确率,然后通过基于负类学习的协同训练算法协同更新两个视图的分类器,最后根据不同视图的相似度分布熵融合各分类器的分类结果实现目标跟踪。实验结果表明,该算法能够有效提高分类器的判别能力,具有良好的跟踪性能。
-
关键词
目标跟踪
l1图
基于图的半监督学习
多视图协同训练
无人机
-
Keywords
object tracking
l1 graph
graph-based semi-supervised learning
multi-view co-training
unmanned aerial vehicle
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名半监督深度学习图像分类方法研究综述
被引量：23
- 2
-
-
作者
吕昊远
俞璐
周星宇
邓祥
-
机构
陆军工程大学通信工程学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第6期1038-1048,共11页
-
基金
国家自然科学基金(61702543)。
-
文摘
作为人工智能领域近十年来最受关注的技术之一,深度学习在诸多应用中取得了优异的效果,但目前的学习策略严重依赖大量的有标记数据。在许多实际问题中,获得众多有标记的训练数据并不可行,因此加大了模型的训练难度,但容易获得大量无标记的数据。半监督学习充分利用无标记数据,提供了在有限标记数据条件下提高模型性能的解决思路和有效方法,在图像分类任务中达到了很高的识别精准度。首先对于半监督学习进行概述,然后介绍了分类算法中常用的基本思想,重点对近年来基于半监督深度学习框架的图像分类方法,包括多视图训练、一致性正则、多样混合和半监督生成对抗网络进行全面的综述,总结多种方法共有的技术,分析比较不同方法的实验效果差异,最后思考当前存在的问题并展望未来可行的研究方向。
-
关键词
半监督深度学习
多视图训练
一致性正则
多样混合
半监督生成对抗网络
-
Keywords
semi-supervised deep learning
multi-view training
consistency regularization
diversity mixing
semisupervised generative adversarial networks
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
