基于流形正则的块增量距离尺度学习算法

1

作者 王磊 刘铁 贾华丁 《电子学报》 EI CAS CSCD 北大核心 2011年第5期1131-1135,共5页

在实时应用中,观测样本通常以数据块的形式依次达到,传统的批量距离算法难以进行学习.本文提出一种新颖的利用成对约束关系进行学习的块增量距离尺度算法.首先给出块增量学习的一般模型,并通过扩展约束集克服其容易"过拟合"... 在实时应用中,观测样本通常以数据块的形式依次达到,传统的批量距离算法难以进行学习.本文提出一种新颖的利用成对约束关系进行学习的块增量距离尺度算法.首先给出块增量学习的一般模型,并通过扩展约束集克服其容易"过拟合"的缺陷;然后引入流形正则项使得学习过程中数据块的局部邻域结构得以保持.实验结果表明,本文算法学习的距离尺度在测试精度、计算开销上优于现有的增量距离算法,并且在存储开销方面显著优于批量距离算法. 展开更多

关键词 距离尺度学习 半监督 块增量学习 流形正则

在线阅读 下载PDF 职称材料

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类 被引量：25

2

作者 王协 章孝灿 苏程 《浙江大学学报（理学版）》 CAS CSCD 北大核心 2020年第6期715-723,共9页

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种... 土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络(deep convolutional neural network,DCNN)的多尺度神经网络(multi-scale neural network,MSNet)模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络(fully convolutional networks,FCN)方法和基于支持向量机(support vector machine,SVM)的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。 展开更多

关键词 高分辨率遥感图像 土地利用分类 多尺度学习 深度卷积神经网络(DCNN)

在线阅读 下载PDF 职称材料

噪声标签下融合信息分类处理和多尺度嵌入图鲁棒学习的空中目标意图识别方法

3

作者 宋子豪 周焰 +3 位作者 蔡益朝 程伟 袁凯 黎慧 《电子与信息学报》 北大核心 2025年第5期1418-1433,共16页

针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题,该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先,基于空中目标属性性质,构建基于ICP的编码器,以获得更具可分性的嵌入;随... 针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题,该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先,基于空中目标属性性质,构建基于ICP的编码器,以获得更具可分性的嵌入;随后,设计了从精细到粗糙的跨尺度嵌入融合机制,利用不同尺度的目标序列,训练多个编码器来学习判别模式;同时,利用不同尺度的互补信息,以交叉教学的方式训练每个编码器,以选择小损失样本作为干净标签;对于未选定的大损失样本,基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA),使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明,该方法的测试准确率和Macro F1分数显著优于其他基线方法,说明其具有更强的噪声标签鲁棒性。 展开更多

关键词 深度学习 空中目标意图识别 信息分类处理 噪声标签 多尺度嵌入图学习

在线阅读 下载PDF 职称材料

一种基于并行多尺度特征学习的招聘信息抽取模型

4

作者 郭雯靓 吕楠 +3 位作者 纪淑娟 步朝晖 王永政 曹宁 《山东科技大学学报(自然科学版)》 北大核心 2025年第3期97-106,共10页

随着网络招聘的普及,基于招聘广告的自动实体抽取,已成为职位和人才推荐等下游智能应用系统开发的重要基础。现有招聘广告实体抽取模型存在抽取内容分类覆盖不全面和超长文本序列语义稀释问题。本研究将招聘文本中的实体划分为四类,提... 随着网络招聘的普及,基于招聘广告的自动实体抽取,已成为职位和人才推荐等下游智能应用系统开发的重要基础。现有招聘广告实体抽取模型存在抽取内容分类覆盖不全面和超长文本序列语义稀释问题。本研究将招聘文本中的实体划分为四类,提出一种基于并行多尺度特征学习的招聘信息抽取模型(MUBLC)。首先,模型利用长短时记忆网络(LSTM)从原始数据中提取初始特征。然后,使用自注意力机制学习全局特征,采用动态深度卷积网络与自注意力共享投影的方式并行学习局部特征,同时在自注意力机制的每一层并行连接前馈神经网络,并行学习文本的逐点特征。最后,模型将并行学习得到的三种尺度特征进行向量融合,并输入条件随机场(CRF)获得预测的标签序列。实验结果表明,与现有最优模型相比,本研究所提模型的F 1值提高了2.53%,表明并行学习三种特征能够有效缓解长序列语义稀释问题,显著提升招聘信息抽取性能。 展开更多

关键词 网络招聘广告 招聘信息抽取 并行多尺度特征学习 动态深度卷积网络 命名实体识别

在线阅读 下载PDF 职称材料

基于可信多尺度二次注意力卷积神经网络的轴承故障识别

5

作者 唐宇恒 张超勇 +2 位作者 张道德 吴剑钊 薛敬宇 《计算机集成制造系统》 北大核心 2025年第8期3021-3032,共12页

为提高机械装备的可靠性与安全性,对轴承进行故障识别势在必行。然而当训练样本量缺乏时,现有故障识别模型的精度会大幅下降,同时轴承运行过程中的噪声干扰和负载变动,使其故障识别面临显著困难与挑战。针对上述问题本文提出了一种可信... 为提高机械装备的可靠性与安全性,对轴承进行故障识别势在必行。然而当训练样本量缺乏时,现有故障识别模型的精度会大幅下降,同时轴承运行过程中的噪声干扰和负载变动,使其故障识别面临显著困难与挑战。针对上述问题本文提出了一种可信多尺度二次注意力卷积神经网络模型,该模型在充分考虑特征金字塔的思想上,首先采用适用于轴承振动信号的多尺度宽卷积核,其次在后续特征提取阶段采用小卷积核,并在此阶段引入了包含注意力机制的二次神经元,最后在多尺度特征融合阶段通过将模型的输出转化为狄利克雷分布,再利用DS证据理论进行融合,达到可信分类。实验结果表明该模型具有优异的泛化能力和鲁棒性,在各种样本缺乏时的复杂工况下,其故障识别性能均优于其他对比模型,表现出极具竞争力的故障识别结果。 展开更多

关键词 轴承故障识别 二次注意力卷积 多尺度学习 可信分类

在线阅读 下载PDF 职称材料

基于多粒度多尺度深度时空模型的长期序列预测方法

6

作者 陈加毫 谢良 +2 位作者 廖思灏 吴雨琛 徐海蛟 《计算机科学》 北大核心 2025年第2期91-98,共8页

时间序列建模一直是金融和交通等多个领域研究的热点,时空模型因能更全面捕捉时序数据的复杂关联和趋势,受到研究者们的广泛关注。近年来,基于时空模型的长期序列预测取得显著成果,但现有方法受到多粒度或多尺度研究的限制,无法充分挖... 时间序列建模一直是金融和交通等多个领域研究的热点,时空模型因能更全面捕捉时序数据的复杂关联和趋势,受到研究者们的广泛关注。近年来,基于时空模型的长期序列预测取得显著成果,但现有方法受到多粒度或多尺度研究的限制,无法充分挖掘数据的时空信息。为解决这一问题,提出了一种多粒度多尺度深度时空模型(MMDSTM)。该模型首先通过分解初始数据获取季节、周期和粒度序列;然后,利用基于多尺度等距卷积生成尺度预测,利用基于注意力的时空特征层生成多粒度预测;最后,通过多层次融合合并多粒度与多尺度预测的预测结果。在实验中,MMDSTM相比近期的新方法在股票、交通和电池数据集上MSE指标分别下降了6.2%,21.5%和1%。多粒度和多尺度的引入显著提升了时间序列预测性能。 展开更多

关键词 多粒度学习 多尺度学习 时间序列预测 金融市场 交通流速度

在线阅读 下载PDF 职称材料

基于多尺度特征和元学习的图像识别算法研究 被引量：4

7

作者 黄勇杰 高乐 杨田 《计算机应用与软件》 北大核心 2024年第8期203-209,共7页

在计算机视觉与图像识别技术中,随着输入分辨率的变化,卷积神经网络方法的识别效果也不同。多尺度特征学习可以将图像的精度和细节结合在一起,结合图像的多个尺度信息进行分析。元学习让计算机模拟人的大脑,学习如何去学习,可以更高效... 在计算机视觉与图像识别技术中,随着输入分辨率的变化,卷积神经网络方法的识别效果也不同。多尺度特征学习可以将图像的精度和细节结合在一起,结合图像的多个尺度信息进行分析。元学习让计算机模拟人的大脑,学习如何去学习,可以更高效灵活地实现图像分类。因此,结合多尺度特征和元学习进行图像识别算法研究具有较高的研究价值。通过膨胀卷积产生了不同分辨率的输入图像;使用元学习产生不同输入分辨率下神经网络的卷积权重;对于不同输入分辨率的模型使用知识蒸馏。 展开更多

关键词 图像识别 多尺度特征学习 元学习 知识蒸馏 人工智能

在线阅读 下载PDF 职称材料

基于多尺度选择性学习和探测-收缩机制的PSO算法 被引量：7

8

作者 夏学文 桂凌 +2 位作者 戴志锋 谢承旺 魏波 《电子学报》 EI CAS CSCD 北大核心 2016年第5期1090-1100,共11页

针对粒子群算法逃离局部最优能力差、易早熟收敛、求解精度低等缺点,提出了一种具有多尺度选择性学习和探测-收缩机制的PSO算法.在多尺度选择性学习机制中,粒子根据其自身进化状态在拓扑结构、邻居个体、目标变量维等多个尺度上进行选... 针对粒子群算法逃离局部最优能力差、易早熟收敛、求解精度低等缺点,提出了一种具有多尺度选择性学习和探测-收缩机制的PSO算法.在多尺度选择性学习机制中,粒子根据其自身进化状态在拓扑结构、邻居个体、目标变量维等多个尺度上进行选择性学习,提升粒子个体的学习效率;在探测-收缩机制中,算法利用历史信息指导种群最优解进行探测,提高其逃离局部最优的能力,当判断种群历史最优解处于全局最优解附近时,执行空间收缩策略,将种群的搜索空间限定在较小的一个区域,增强算法的开采能力,提高算法的求解精度.通过和其它PSO算法在22个典型测试函数的实验对比表明,本算法能有效克服早熟收敛、加快收敛速度、提高求解精度. 展开更多

关键词 粒子群算法 早熟收敛 多尺度学习 探测策略

在线阅读 下载PDF 职称材料

GRACE降尺度重构数据分析2002-2022年中国大陆干旱

9

作者 张东 李琼 +1 位作者 苏勇 安章源 《中国农村水利水电》 北大核心 2025年第3期44-54,共11页

GRACE及其后继卫星GRACE Follow-On提供的时变重力场模型数据空间分辨率较低,限制了其在高分辨率长期干旱监测中的应用。为解决这一问题,研究结合多种水文气象数据,利用XGBoost机器学习方法对中国大陆2002-2022年陆地水储量变化进行降... GRACE及其后继卫星GRACE Follow-On提供的时变重力场模型数据空间分辨率较低,限制了其在高分辨率长期干旱监测中的应用。为解决这一问题,研究结合多种水文气象数据,利用XGBoost机器学习方法对中国大陆2002-2022年陆地水储量变化进行降尺度重构,生成中国九大流域0.1°分辨率的GRACE TWSA,并对比了不同流域的建模效果,然后利用基于GRACE数据的干旱指数GRACE-DSI与传统干旱指数scPDSI和SPEI进行比较,分析了中国九大流域不同等级干旱的空间分布特征,最后监测了中国九大流域干旱事件以及2022年干旱空间分布。结果表明:除内陆河外,其余八大流域降尺度重构模型性能较好,降尺度重构后GRACE TWSA与NOAH TWSA一致性进一步提高。降尺度重构后的GRACE-DSI与scPDSI和SPEI干旱指数的相关性也显著增强;黄河流域中下游、海河流域和珠江流域的干旱频率较高且主要为轻旱,相似的松辽河流域南部干旱频率也较高,但主要表现为中旱和轻旱;此外,九大流域轻旱、中旱的占比接近,重旱和特旱存在差异,淮河流域和松辽河流域的重旱占比最高,分别为14%和13.4%,长江流域特旱占比最高为16.5%,而海河流域的特旱比例最低仅6.1%;2002-2022年间,严重干旱事件大多发生在北方流域,严重程度排名前6的干旱事件中有3次发生于松辽河流域;相比scPDSI和SPEI,GRACE-DSI监测到的干旱空间变化与实际情况更加一致,但由于GRACE数据代表了所有水分的变动,冰川融水可能导致对GRACE-DSI的低估。 展开更多

关键词 GRACE时变重力场模型 陆地水储量变化 中国九大流域干旱 机器学习降尺度

在线阅读 下载PDF 职称材料

多尺度注意力学习的Faster R-CNN口罩人脸检测模型 被引量：22

10

作者 李泽琛 李恒超 +2 位作者 胡文帅 杨金玉 华泽玺 《西南交通大学学报》 EI CSCD 北大核心 2021年第5期1002-1010,共9页

针对在佩戴口罩等有遮挡条件下的人脸检测问题,提出了多尺度注意力学习的Faster R-CNN(MSAF R-CNN)人脸检测模型.首先,为充分考虑人脸目标多尺度信息,相较于原始Faster R-CNN框架,引入Res2Net分组残差结构,获取更细粒度的特征表征;其次... 针对在佩戴口罩等有遮挡条件下的人脸检测问题,提出了多尺度注意力学习的Faster R-CNN(MSAF R-CNN)人脸检测模型.首先,为充分考虑人脸目标多尺度信息,相较于原始Faster R-CNN框架,引入Res2Net分组残差结构,获取更细粒度的特征表征;其次,基于空间-通道注意力结构改进的Res2Net模块,结合注意力机制自适应学习目标不同尺度特征;最后,为学习目标的全局信息并减轻过拟合现象,在模型顶端嵌入加权空间金字塔池化网络,采用由粗到细的方式进行特征尺度划分.在AIZOO和FMDD两个人脸数据集上的实验结果表明:所提出MSAF R-CNN模型对佩戴口罩的人脸检测准确率分别达到90.37%和90.11%,验证了模型的可行性和有效性. 展开更多

关键词 口罩人脸 深度学习 注意力机制 多尺度学习 特征融合 目标检测

在线阅读 下载PDF 职称材料

基于多通道融合多尺度自适应残差学习的行星齿轮箱故障诊断研究 被引量：2

11

作者 陈奇 陈长征 安文杰 《机电工程》 CAS 北大核心 2023年第7期1031-1038,共8页

针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态... 针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态调整,自适应提取了单通道数据的局部和全局特征;其次,通过将MSDAC与残差学习结合,提升了模型的学习能力;最后,采用MC-MSDAR将多通道数据的多尺度特征进行了融合,输入到SoftMax层,实现了故障识别与分类。研究结果表明:基于MC-MSDAR的方法进行行星齿轮箱故障诊断的准确率为97%,验证了该方法的有效性;通过与其他深度学习方法进行对比,该方法具有更好的泛化能力。 展开更多

关键词 故障诊断 风电机组 行星齿轮箱 残差学习 多尺度学习 多尺度动态自适应卷积神经网络

在线阅读 下载PDF 职称材料

基于多尺度字典学习的图像融合方法 被引量：4

12

作者 王珺 彭进业 +1 位作者 何贵青 冯晓毅 《西北工业大学学报》 EI CAS CSCD 北大核心 2013年第5期793-797,共5页

将小波域多尺度分析的思想和图像域单尺度稀疏表示的思想有效结合,提出基于多尺度字典学习的图像融合方法。首先将训练图像变换到小波域,分别对各个子带系数训练字典;根据训练的字典求解并融合源图像各个子带的稀疏表示系数;经过逆小波... 将小波域多尺度分析的思想和图像域单尺度稀疏表示的思想有效结合,提出基于多尺度字典学习的图像融合方法。首先将训练图像变换到小波域,分别对各个子带系数训练字典;根据训练的字典求解并融合源图像各个子带的稀疏表示系数;经过逆小波变换重构融合图像。提出的方法综合了学习字典的稀疏特性和小波分析的多分辨率特性。实验结果表明较现有基于图像域字典学习的融合方法和基于小波域多尺度分析的融合方法均具有更优的融合效果。 展开更多

关键词 图像融合 多尺度字典学习 稀疏表示 K—SVD

在线阅读 下载PDF 职称材料

基于RFB和超网络的跨尺度多层次真实失真图像质量评价方法

13

作者 周怀博 贾惠珍 王同罕 《现代电子技术》 北大核心 2024年第9期47-52,共6页

为了能在真实失真图像质量领域实现高效的跨尺度学习,提出一种双分支特征提取方法。首先,利用对比学习方法自监督地提取跨尺度、跨颜色空间的图像内容感知特征;随后,采用基于扩张感受野和超网络的策略,将多层次特征信息与跨尺度信息进... 为了能在真实失真图像质量领域实现高效的跨尺度学习,提出一种双分支特征提取方法。首先,利用对比学习方法自监督地提取跨尺度、跨颜色空间的图像内容感知特征;随后,采用基于扩张感受野和超网络的策略,将多层次特征信息与跨尺度信息进行循环交互融合,以获取更贴近人类感知的图像质量特征。基于公开真实失真数据库的实验结果表明,所提算法在真实失真图像质量评价上取得了优越性能,而且,通过两个尺度的实验结果展示了该算法实现了更高效的跨尺度学习,从而为图像多尺度深度网络的应用提供了较好基础。 展开更多

关键词 图像质量评价 无参考 真实失真 跨尺度学习 多特征融合 双分支特征提取

在线阅读 下载PDF 职称材料

基于多尺度特征和元学习的智能预测找矿靶区实验研究 被引量：4

14

作者 黄勇杰 高乐 +1 位作者 杨田 张鑫 《计算机应用研究》 CSCD 北大核心 2022年第6期1772-1778,共7页

当前智能找矿靶区预测方法大多依赖于人工采样和专家的知识经验,然而,对于现实世界中区域小、数量少的矿区区域,这些方法将面临巨大的挑战。为了迎接这个挑战,提出一种新颖的深度智能找矿靶区预测框架——多尺度特征交互框架。具体地,... 当前智能找矿靶区预测方法大多依赖于人工采样和专家的知识经验,然而,对于现实世界中区域小、数量少的矿区区域,这些方法将面临巨大的挑战。为了迎接这个挑战,提出一种新颖的深度智能找矿靶区预测框架——多尺度特征交互框架。具体地,首先定义两个网络,即多尺度特征映射网络和多尺度特征分类网络;在此基础上,通过膨胀卷积捕获多尺度特征映射网络中不同地球化学元素的特征,并且利用多尺度分类网络处理这些特征;其次,使用元网络为多尺度分类网络生成卷积权重;最后使用自蒸馏挖掘多尺度分类网络中的隐知识用于预测。整个模型采用端到端的训练方式,大量的实验结果表明,多尺度特征交互框架与当前最先进的方法比较具有显著的竞争力。 展开更多

关键词 元学习 多尺度特征学习 知识蒸馏 找矿靶区预测

在线阅读 下载PDF 职称材料

结合多尺度特征学习与特征对齐的行人重识别 被引量：1

15

作者 金子丰 卞春江 陈实 《计算机工程与应用》 CSCD 北大核心 2022年第20期132-140,共9页

利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的... 利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的分支学习局部信息,忽略了人体各部分特征间的相关性,限制模型的性能提升。在此背景下,提出了一种新的多尺度特征学习算法,结合全局与局部特征学习得到更好的行人表示,提升复杂场景下模型的识别能力。对骨干网络不同深度输出的行人特征图,通过特征对齐模块对其执行空间变换,实现行人特征在空间上的矫正和对齐,进一步增强模型的泛化性能。在公开的大型行人重识别数据集上,与当前一些流行的方法进行了比较,验证了所提方法的有效性。 展开更多

关键词 深度学习 卷积神经网络 行人重识别 多尺度特征学习 行人对齐

在线阅读 下载PDF 职称材料

基于字典尺度自适应学习的欠定盲语音重构算法 被引量：1

16

作者 李嘉新 魏爽 +1 位作者 俞守庚 刘睿 《电讯技术》 北大核心 2023年第9期1411-1418,共8页

针对欠定盲语音分离传统字典学习算法不能优化字典尺寸的问题,提出了一种尺度自适应同步码字优化(Scale Adaptive Simultaneous Codeword Optimization,SASimCO)算法。设计了一种迭代调整字典尺寸的自适应字典学习策略,将训练的字典用... 针对欠定盲语音分离传统字典学习算法不能优化字典尺寸的问题,提出了一种尺度自适应同步码字优化(Scale Adaptive Simultaneous Codeword Optimization,SASimCO)算法。设计了一种迭代调整字典尺寸的自适应字典学习策略,将训练的字典用于语音盲分离中,以提高语音源信号的恢复性能。所提算法依据设计的候选矩阵,计算候选矩阵中的原子重要性,按照原子重要性准则对字典进行添加与删除原子操作,最后迭代训练得到一个稀疏表示误差最优的字典,用于语音源信号的恢复。使用SiSEC(Signal Separation Evaluation Campaign)数据集对所提算法进行的仿真实验表明,相较于传统字典学习算法,所提算法提高了1~3 dB语音源分离性能,证明了该算法的优势。 展开更多

关键词 欠定盲源分离 语音重构 尺度自适应字典学习 稀疏表示

在线阅读 下载PDF 职称材料

面向多尺度目标检测的改进Faster R-CNN算法 被引量：34

17

作者 李晓光 付陈平 +1 位作者 李晓莉 王章辉 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第7期1095-1101,共7页

由于多尺度目标检测中图像目标尺度差异性大,基于单层次特征提取的目标检测算法或者导致小目标特征提取丢失、扭曲,或者导致大目标特征提取冗余度过高,检测效果不理想.为此,基于Faster R-CNN 思想,提出一种多尺度目标检测算法.首先采用... 由于多尺度目标检测中图像目标尺度差异性大,基于单层次特征提取的目标检测算法或者导致小目标特征提取丢失、扭曲,或者导致大目标特征提取冗余度过高,检测效果不理想.为此,基于Faster R-CNN 思想,提出一种多尺度目标检测算法.首先采用多层次提取特征策略提取多尺度目标特征;然后统计目标真实框大小与纵横比,设置锚点规格;最后采用多通道方法生成多尺度目标候选框.基于PASCAL VOC 数据集的实验结果表明,该算法总体漏检率为9.7%,平均精度的均值为75.2%,检测性能较当前主流的多尺度目标检测算法有一定的提高. 展开更多

关键词 目标检测 多尺度学习 深度学习 卷积神经网络

在线阅读 下载PDF 职称材料

基于动态加权的多尺度残差网络旋转机械故障诊断算法 被引量：11

18

作者 史红梅 郑畅畅 +1 位作者 司瑾 陈晶城 《振动与冲击》 EI CSCD 北大核心 2022年第23期67-74,93,共9页

针对传统的机械故障诊断方法特征提取困难问题,提出一种新颖的基于特征通道重标定的动态加权多尺度残差网络旋转机械故障诊断方法。将原始数据作为网络的输入,设计宽卷积层进行信息初步融合扩大模型的感受野;再分别构建三个独立的以残... 针对传统的机械故障诊断方法特征提取困难问题,提出一种新颖的基于特征通道重标定的动态加权多尺度残差网络旋转机械故障诊断方法。将原始数据作为网络的输入,设计宽卷积层进行信息初步融合扩大模型的感受野;再分别构建三个独立的以残差块为基础的并行分支网络,通过设计多尺度卷积核分别从并行分支网络提取深度特征;接着设计动态加权层建立全局信息建模特征通道之间的动态非线性关系,对每个尺度的特征通道进行重标定,提高网络对故障信息的敏感性;将三个尺度的特征进行特征融合,通过分类器实现故障诊断。在多个数据集上进行试验,验证了该算法的有效性。 展开更多

关键词 旋转机械故障诊断 动态加权 一维残差网络 多尺度学习

在线阅读 下载PDF 职称材料

一种多尺度卷积神经网络道路提取方法 被引量：9

19

作者 戴激光 杜阳 +1 位作者 金光 陶德志 《遥感信息》 CSCD 北大核心 2020年第1期28-37,共10页

针对神经网络训练过程存在分辨率不断降低和梯度消失的共性问题,提出一种基于多尺度卷积神经网络的遥感影像道路提取方法。首先,针对网络前向传播过程分辨率逐渐降低的问题,采用子影像训练网络模型,增强网络对细节信息的获取,然后应用... 针对神经网络训练过程存在分辨率不断降低和梯度消失的共性问题,提出一种基于多尺度卷积神经网络的遥感影像道路提取方法。首先,针对网络前向传播过程分辨率逐渐降低的问题,采用子影像训练网络模型,增强网络对细节信息的获取,然后应用多尺度卷积学习获取不同维度的分层特征,解决由分辨率下降导致的信息缺失问题;其次针对网络在反向传播阶段中出现的梯度消失问题,融入残差连接限制梯度过度更新,改善网络的深度受限问题;最后,针对网络深度和宽度的挖掘导致的网络训练效率问题,使用全局均值池化优化全连接层中大量的冗余数据。大量遥感影像实验结果表明,相对于U-Net网络和经典卷积网络,该方法在Accuracy和F 1值上均具有较大优势。 展开更多

关键词 神经网络 残差连接 多尺度学习 道路提取 全局均值池化

在线阅读 下载PDF 职称材料

一种基于多尺度LBPH特征的快速人脸识别算法 被引量：9

20

作者 朱峰 《计算机应用与软件》 CSCD 2015年第8期315-319,共5页

人脸探测和相似度比较的相关算法经过十几年的发展,目前已经进入实用的阶段。在目前先进研究成果的基础上,侧重考虑处理速度和识别性能的均衡性,实现实时的人脸识别系统。首先基于Haar特征快速提取人脸轮廓,然后基于形变组件模型训练、... 人脸探测和相似度比较的相关算法经过十几年的发展,目前已经进入实用的阶段。在目前先进研究成果的基础上,侧重考虑处理速度和识别性能的均衡性,实现实时的人脸识别系统。首先基于Haar特征快速提取人脸轮廓,然后基于形变组件模型训练、提取脸部关键部位的landmark,并根据landmark采用多尺度LBPH(Local Binary Patterns Histogram)表示人脸特征,采用距离尺度学习算法训练尺度模型并进行人脸识别。系统人脸识别时间接近实时,识别性能接近实用水平。 展开更多

关键词 人脸探测 脸部landmark提取 距离尺度学习 人脸识别 形变组件模型

在线阅读 下载PDF 职称材料