检索结果-维普期刊中文期刊服务平台

一种适合弱标签数据集的图像语义标注方法被引量：3: 1; 作者田枫沈旭昆《软件学报》 EI CSCD 北大核心 2013年第10期2405-2418,共14页; 真实环境下数据集中广泛存在着标签噪声问题,数据集的弱标签性已严重阻碍了图像语义标注的实用化进程.针对弱标签数据集中的标签不准确、不完整和语义分布失衡现象,提出了一种适用于弱标签数据集的图像语义标注方法.首先,在视觉内容与... 展开更多; 关键词图像语义标注弱标签数据集测度学习非负稀疏编码语义近邻; 在线阅读下载PDF 职称材料

智能物探技术的过去、现在与未来被引量：6: 2; 作者杨午阳魏新建李海山《岩性油气藏》 CAS CSCD 北大核心 2024年第2期170-188,共19页; 通过梳理国内外人工智能技术在地球物理勘探(物探)领域中的发展历程、主要研究进展以及发展方向,总结了智能物探的优势和面临的难题,并提出了解决方案。研究结果表明:(1)物探技术在人工智能发展的第2次浪潮中开始与人工智能技术相结合,... 展开更多; 关键词智能物探大数据人工智能机器学习深度学习标签数据集深度学习框架智能处理与解释地震资料; 在线阅读下载PDF 职称材料

基于机器学习的PVDF基复合介质储能特性数据分析与预测被引量：3: 3; 作者冯宇唐文昕 +2 位作者张天栋迟庆国陈庆国《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1997-2004,共8页; 近年来,机器学习作为一种新型数据分析方式,在电气、材料、化学等领域都取得了优异的成果。对储能介质材料而言,以聚偏氟乙烯(polyvinylidenefluoride,PVDF)材料作为基体,向其中加入纳米填料能够极大地增加复合介质最大储能密度。该研... 展开更多; 关键词复合介质最大储能密度纳米填料机器学习数据集标签; 在线阅读下载PDF 职称材料

多尺度特征融合网络的遥感图像林地检测被引量：2: 4; 作者宦海朱蓉蓉 +1 位作者张浩谢勇《现代电子技术》 2022年第4期165-170,共6页; 针对现存方法对林地检测结果细节丢失严重、边缘不够精细的问题,文中提出一种基于多尺度特征融合的网络结构,使用Labelme手动对数据集进行标签,并通过翻转、加噪、颜色调整等操作增强图像。网络结构主要包括将低层空间信息和高层语义信... 展开更多; 关键词林地检测图像分割特征融合图像增强跳跃连接数据集标签区域分割; 在线阅读下载PDF 职称材料

题名一种适合弱标签数据集的图像语义标注方法被引量：3: 1; 作者田枫沈旭昆; 机构虚拟现实技术与系统国家重点实验室(北京航空航天大学) 东北石油大学计算机与信息技术学院; 出处《软件学报》 EI CSCD 北大核心 2013年第10期2405-2418,共14页; 基金国家自然科学基金(61170132 60533070) 国家高技术研究发展计划(863)(2009AA012103); 文摘真实环境下数据集中广泛存在着标签噪声问题,数据集的弱标签性已严重阻碍了图像语义标注的实用化进程.针对弱标签数据集中的标签不准确、不完整和语义分布失衡现象,提出了一种适用于弱标签数据集的图像语义标注方法.首先,在视觉内容与标签语义的一致性约束、标签相关性约束和语义稀疏性约束下,通过直推式学习填充样本标签,构建样本的近似语义平衡邻域.鉴于邻域中存在噪声干扰,通过多标签语义嵌入的邻域最大边际学习获得距离测度和图像语义的一致性,使得近邻处于同一语义子空间.然后,以近邻为局部坐标基,通过邻域非负稀疏编码获得目标图像和近邻的部分相关性,并构建局部语义一致邻域.以邻域内的语义近邻为指导并结合语境相关信息,进行迭代式降噪与标签预测.实验结果表明了方法的有效性.; 关键词图像语义标注弱标签数据集测度学习非负稀疏编码语义近邻; Keywords image semantic annotation weakly labeled dataset metric learning nonnegative sparse coding semantic nearest neighbor; 分类号 TP391 [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

题名智能物探技术的过去、现在与未来被引量：6: 2; 作者杨午阳魏新建李海山; 机构中国石油勘探开发研究院西北分院; 出处《岩性油气藏》 CAS CSCD 北大核心 2024年第2期170-188,共19页; 基金中国石油天然气集团公司前瞻性基础性项目“物探采集处理解释关键技术研究”(编号:2021DJ37)资助。; 文摘通过梳理国内外人工智能技术在地球物理勘探(物探)领域中的发展历程、主要研究进展以及发展方向,总结了智能物探的优势和面临的难题,并提出了解决方案。研究结果表明:(1)物探技术在人工智能发展的第2次浪潮中开始与人工智能技术相结合,得益于物探领域数据量的指数级增长、硬件算力的高速发展以及不断出现的新深度学习框架,智能物探技术从早期的机器学习发展为目前的深度学习,在地震资料处理、解释等方面的应用中取得了大量研究成果。(2)目前智能物探技术被广泛应用于标签集的构建、去噪、断裂检测、层位与层序解释、地震相分类和异常体检测、岩性识别与油气藏开发、地震反演成像等方面,大幅提高了工作效率,降低了工作成本,克服了人工交互操作和人工经验的主观性和不可靠性,助力打破传统物探技术瓶颈。(3)智能物探技术的发展面临着缺少公开的标签数据集、缺少解决地球物理领域问题的智能化框架及尚未形成适用于地球物理领域共享的智能化开发平台等难题,可以从解决数据基础、构建智能平台、开展网络架构基础性研究及与应用场景结合等方面着手解决;此外,智能物探技术的发展方向还包含智能地震成像方法研究,储层成像方法研究,油气大数据挖掘、智能风险评估与智能决策以及超算软件装备研发等方面。; 关键词智能物探大数据人工智能机器学习深度学习标签数据集深度学习框架智能处理与解释地震资料; Keywords intelligent geophysical exploration big data artificial intelligence machine learning deep learning labeled datasets deep learning framework intelligent processing and interpretation seismic data; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] P618.13 [天文地球—矿床学]; 在线阅读下载PDF 职称材料

题名基于机器学习的PVDF基复合介质储能特性数据分析与预测被引量：3: 3; 作者冯宇唐文昕张天栋迟庆国陈庆国; 机构哈尔滨理工大学工程电介质及其应用教育部重点实验室; 出处《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1997-2004,共8页; 基金国家自然科学基金(51807041 51977050) +2 种基金清华大学电力系统国家重点实验室开放课题(SKLD20M13)。; 文摘近年来,机器学习作为一种新型数据分析方式,在电气、材料、化学等领域都取得了优异的成果。对储能介质材料而言,以聚偏氟乙烯(polyvinylidenefluoride,PVDF)材料作为基体,向其中加入纳米填料能够极大地增加复合介质最大储能密度。该研究利用机器学习探索并建立复合介质所含填料(微观信息)-复合介质储能性能(宏观性能)的对应关系。首先,收集165组复合介质储能特性参数建立数据库,以填充相材料的特征作为输入描述符(包括固有描述符和选择描述符);其次,对原始数据进行处理,根据复合介质的最大储能密度提升倍数划分数据集标签。为达到兼顾预测精度和准确率的目的,分别设置二分类、三分类和四分类数据集,使用3种机器学习算法对数据集进行训练;最后,将11组全新的数据输入训练模型进行验证,其中7组数据可以正确预测分类,证明机器学习方法应用在高储能密度复合介质研究中的可靠性。该研究将交叉学科的前沿成果运用在复合介质的研究领域,所建数据库与训练模型将加速高性能复合介质的发现。; 关键词复合介质最大储能密度纳米填料机器学习数据集标签; Keywords composite maximum energy density nanofillers machine learning dataset labels; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TM53 [电气工程—电器] TQ317 [化学工程—高聚物工业]; 在线阅读下载PDF 职称材料

题名多尺度特征融合网络的遥感图像林地检测被引量：2: 4; 作者宦海朱蓉蓉张浩谢勇; 机构南京信息工程大学电子与信息工程学院南京信息工程大学长望学院南京信息工程大学地理科学学院遥感卫星应用国家工程实验室南京研究中心; 出处《现代电子技术》 2022年第4期165-170,共6页; 基金国家自然科学基金项目(41671345)。; 文摘针对现存方法对林地检测结果细节丢失严重、边缘不够精细的问题,文中提出一种基于多尺度特征融合的网络结构,使用Labelme手动对数据集进行标签,并通过翻转、加噪、颜色调整等操作增强图像。网络结构主要包括将低层空间信息和高层语义信息进行特征融合的密集跳跃连接,以及可以增大网络感受野并从多个角度对特征进行提取的空洞空间金字塔池化模块。文中利用编码器提取全局信息,通过解码器恢复图像空间分辨率,最后用分类器进行林地与非林地的分割。实验结果表明,文中算法与现有算法相比,图像检测能力有一定的提升,能较为准确地检测出林地区域。; 关键词林地检测图像分割特征融合图像增强跳跃连接数据集标签区域分割; Keywords forestland detection image segmentation feature fusion image enhancement jump connection dataset labeling region segmentation; 分类号 TN911.73-34 [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	一种适合弱标签数据集的图像语义标注方法	田枫沈旭昆	《软件学报》 EI CSCD 北大核心	2013	3	在线阅读下载PDF 职称材料
2	智能物探技术的过去、现在与未来	杨午阳魏新建李海山	《岩性油气藏》 CAS CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
3	基于机器学习的PVDF基复合介质储能特性数据分析与预测	冯宇唐文昕张天栋迟庆国陈庆国	《高电压技术》 EI CAS CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
4	多尺度特征融合网络的遥感图像林地检测	宦海朱蓉蓉张浩谢勇	《现代电子技术》	2022	2	在线阅读下载PDF 职称材料