期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于对抗数据增强的非平衡节点分类算法
1
作者
程凤伟
王文剑
+1 位作者
史颖
张珍珍
《南京大学学报(自然科学版)》
CSCD
北大核心
2024年第5期785-792,共8页
图神经网络(Graph Neural Networks,GNNs)在节点分类任务中取得了显著的成功,然而,目前的GNNs模型倾向于处理具有大量标记数据的多数类,较少关注标记较少的少数类,传统方法常通过过采样来解决这一问题,但可能会导致过拟合.近期的一些研...
图神经网络(Graph Neural Networks,GNNs)在节点分类任务中取得了显著的成功,然而,目前的GNNs模型倾向于处理具有大量标记数据的多数类,较少关注标记较少的少数类,传统方法常通过过采样来解决这一问题,但可能会导致过拟合.近期的一些研究提出了从标记节点合成少数类附加节点的方法,但对于生成的节点是否真正代表相应的少数类,没有明确保证,实际上,不正确的合成节点可能导致算法的泛化能力不足.为了解决这一问题,提出一种基于对抗训练的简单自监督数据增强方法 GraphA2,通过在少数类周围的平滑空间中对梯度最远的地方施加扰动来增强数据,同时采用对比学习来保证增强后的一致性.使用这种方法,不仅增强了数据的多样性,还确保了模型在整个空间中的平滑性和连贯性,能增强其泛化能力.实验表明,提出的方法在各种类别不平衡的数据集上的性能均优于目前最先进的基准模型.
展开更多
关键词
图神经网络
节点分类
非平衡
数据
过采样
对抗数据增强
在线阅读
下载PDF
职称材料
基于特征融合的低光照场景下的自适应人脸识别
2
作者
汪书民
李生林
周香伶
《计算机应用》
北大核心
2025年第10期3320-3327,共8页
现实场景中图像容易受外部光线条件或相机参数的影响而出现图像整体亮度过低、视觉效果不好和噪声多等问题,导致后续的人脸识别任务出现困难,从而引发工程问题。为此,针对低光照场景下的人脸识别任务,提出一种基于特征融合的低光照场景...
现实场景中图像容易受外部光线条件或相机参数的影响而出现图像整体亮度过低、视觉效果不好和噪声多等问题,导致后续的人脸识别任务出现困难,从而引发工程问题。为此,针对低光照场景下的人脸识别任务,提出一种基于特征融合的低光照场景下的自适应人脸识别网络LLANet(Low Light Adaptive Face Recognition Network),该网络由分解子网络、恢复子网络、调节子网络和主干网络这4个部分组成。首先,根据Retinex理论将输入的低光照图像和正常光照图像分解为对应的照度图与反射图:照度图被输入调节子网络,在调节子网络中引入注意力机制,使网络聚焦于光照特征,不仅能提升低光照图像增强性能,还能确保增强图像的质量;反射图则输入恢复子网络,进行细节恢复与降噪操作,有效解决低光照图像反射图退化和噪声问题,将调节子网络与恢复子网络的输出进行特征融合,得到增强后的特征图。其次,为完成下游识别任务,且防止光照特征过拟合和人脸特征提取不准确,采用加权特征融合策略,融合主干网络提取的原始人脸特征与增强后的特征图,获得信息更丰富的特征图。最后,引入对抗性数据增强(ADA)策略,在训练时生成更多困难样本,在解决不适定问题的同时降低低光照图像在人脸检测阶段的对齐误差对网络的影响,进一步提升网络性能。在CASIA-FaceV5、SoF和YaleB这3个低光照人脸数据集上的实验结果表明,LLANet的识别率分别达到了94.67%、98.22%和97.24%,与ARoFace(Alignment Robust Face)相比,分别提高了2.14、1.58和2.10个百分点。可见,LLANet在低光照场景下有着较高的识别率。
展开更多
关键词
低光照图像
增强
人脸识别
注意力机制
特征融合
对抗
性
数据
增强
在线阅读
下载PDF
职称材料
题名
基于对抗数据增强的非平衡节点分类算法
1
作者
程凤伟
王文剑
史颖
张珍珍
机构
太原学院计算机科学与技术系
山西大学智能信息处理研究所
山西警察学院网络安全保卫系
太原师范学院计算机科学与技术学院
出处
《南京大学学报(自然科学版)》
CSCD
北大核心
2024年第5期785-792,共8页
基金
国家自然科学基金(U21A20513,62076154)
山西省重点研发计划(202202020101003)
山西省高等学校科技创新项目(2024L382)
文摘
图神经网络(Graph Neural Networks,GNNs)在节点分类任务中取得了显著的成功,然而,目前的GNNs模型倾向于处理具有大量标记数据的多数类,较少关注标记较少的少数类,传统方法常通过过采样来解决这一问题,但可能会导致过拟合.近期的一些研究提出了从标记节点合成少数类附加节点的方法,但对于生成的节点是否真正代表相应的少数类,没有明确保证,实际上,不正确的合成节点可能导致算法的泛化能力不足.为了解决这一问题,提出一种基于对抗训练的简单自监督数据增强方法 GraphA2,通过在少数类周围的平滑空间中对梯度最远的地方施加扰动来增强数据,同时采用对比学习来保证增强后的一致性.使用这种方法,不仅增强了数据的多样性,还确保了模型在整个空间中的平滑性和连贯性,能增强其泛化能力.实验表明,提出的方法在各种类别不平衡的数据集上的性能均优于目前最先进的基准模型.
关键词
图神经网络
节点分类
非平衡
数据
过采样
对抗数据增强
Keywords
graph neural networks
node classification
imbalance data
oversampling
adversarial data augmentation
分类号
TP181 [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
基于特征融合的低光照场景下的自适应人脸识别
2
作者
汪书民
李生林
周香伶
机构
重庆邮电大学软件工程学院
出处
《计算机应用》
北大核心
2025年第10期3320-3327,共8页
基金
国家自然科学基金资助项目(62106205)。
文摘
现实场景中图像容易受外部光线条件或相机参数的影响而出现图像整体亮度过低、视觉效果不好和噪声多等问题,导致后续的人脸识别任务出现困难,从而引发工程问题。为此,针对低光照场景下的人脸识别任务,提出一种基于特征融合的低光照场景下的自适应人脸识别网络LLANet(Low Light Adaptive Face Recognition Network),该网络由分解子网络、恢复子网络、调节子网络和主干网络这4个部分组成。首先,根据Retinex理论将输入的低光照图像和正常光照图像分解为对应的照度图与反射图:照度图被输入调节子网络,在调节子网络中引入注意力机制,使网络聚焦于光照特征,不仅能提升低光照图像增强性能,还能确保增强图像的质量;反射图则输入恢复子网络,进行细节恢复与降噪操作,有效解决低光照图像反射图退化和噪声问题,将调节子网络与恢复子网络的输出进行特征融合,得到增强后的特征图。其次,为完成下游识别任务,且防止光照特征过拟合和人脸特征提取不准确,采用加权特征融合策略,融合主干网络提取的原始人脸特征与增强后的特征图,获得信息更丰富的特征图。最后,引入对抗性数据增强(ADA)策略,在训练时生成更多困难样本,在解决不适定问题的同时降低低光照图像在人脸检测阶段的对齐误差对网络的影响,进一步提升网络性能。在CASIA-FaceV5、SoF和YaleB这3个低光照人脸数据集上的实验结果表明,LLANet的识别率分别达到了94.67%、98.22%和97.24%,与ARoFace(Alignment Robust Face)相比,分别提高了2.14、1.58和2.10个百分点。可见,LLANet在低光照场景下有着较高的识别率。
关键词
低光照图像
增强
人脸识别
注意力机制
特征融合
对抗
性
数据
增强
Keywords
low-light image enhancement
face recognition
attention mechanism
feature fusion
Adversarial Data Augmentation(ADA)
分类号
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
作者
出处
发文年
被引量
操作
1
基于对抗数据增强的非平衡节点分类算法
程凤伟
王文剑
史颖
张珍珍
《南京大学学报(自然科学版)》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于特征融合的低光照场景下的自适应人脸识别
汪书民
李生林
周香伶
《计算机应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
