基于深度度量学习和语义分割的场景识别

1

作者 贾轩 张叶 +1 位作者 常旭岭 孙建波 《液晶与显示》 北大核心 2025年第5期740-750,共11页

为了应对场景图像具有类间差异细微、类内分类模糊而识别率较低的问题,本文提出了一种新型的语义分割框架。通过引入深度度量学习,关注像素间的语义关系,改善了模型识别精度。首先通过空洞空间金字塔池化模块进行特征提取,在解码过程中... 为了应对场景图像具有类间差异细微、类内分类模糊而识别率较低的问题,本文提出了一种新型的语义分割框架。通过引入深度度量学习,关注像素间的语义关系,改善了模型识别精度。首先通过空洞空间金字塔池化模块进行特征提取,在解码过程中通过采用结构融合浅层的高分辨率特征和深层的低分辨率特征更好地恢复图像中的细节和边界。然后在深度度量学习模块通过学习结构良好的像素语义嵌入空间,通过最大化不同类别像素间的欧几里得距离、最小化相同类别像素间的欧几里得距离,有效地对像素进行分类。最后采用焦点损失和对比损失的加权组合的融合损失函数,平衡不同样本之间的重要性,从而更精确地衡量模型性能,提升了场景识别的准确性和鲁棒性。实验结果表明,该模型在公开数据集ADE20K和Cityscapes上的平均交并比分别为47.6%和83.1%。与如今作为基线的先进的场景识别方法进行对比,结果显示本文所提方法具有可行性与先进性。 展开更多

关键词 深度学习 深度度量学习 语义分割 场景识别 类不平衡

在线阅读 下载PDF 职称材料

深度度量学习综述 被引量：1

2

作者 柴汶泽 范菁 +2 位作者 孙书魁 梁一鸣 刘竟锋 《计算机应用》 CSCD 北大核心 2024年第10期2995-3010,共16页

随着深度神经网络的兴起,深度度量学习(DML)引起广泛的关注。为了深入了解深度度量学习,首先,整理和分析传统度量学习方法的局限性。其次,从3个类型探讨DML,包括基于样本对、代理和分类的类型:基于样本对的类型包括散度方法、排序方法... 随着深度神经网络的兴起,深度度量学习(DML)引起广泛的关注。为了深入了解深度度量学习,首先,整理和分析传统度量学习方法的局限性。其次,从3个类型探讨DML,包括基于样本对、代理和分类的类型:基于样本对的类型包括散度方法、排序方法和基于生成对抗网络(GAN)的方法;基于代理的类型主要从代理样本、类别方面进行讨论;基于分类的类型中主要讨论了跨模态度量学习、类内类间边距问题、超图分类,以及与其他方法(如基于强化学习和基于对抗学习的方法)的结合。再次,介绍评估DML性能的各种指标,同时总结和对比DML在不同任务(包括人脸识别、图像检索和行人重识别等)中的应用。最后,探讨DML面临的挑战,并提出一些可能的解决策略。 展开更多

关键词 深度神经网络 深度度量学习 机器学习 计算机视觉 人工智能

在线阅读 下载PDF 职称材料

基于深度度量学习的异常流量检测方法 被引量：3

3

作者 张强 何俊江 +1 位作者 李汶珊 李涛 《信息网络安全》 CSCD 北大核心 2024年第3期462-472,共11页

网络异常流量识别是目前网络安全的重要任务之一。然而传统流量分类模型是依据流量数据训练得到,由于大部分流量数据分布不均导致分类边界模糊,极大限制了模型的分类性能。为解决上述问题,文章提出一种基于深度度量学习的异常流量检测... 网络异常流量识别是目前网络安全的重要任务之一。然而传统流量分类模型是依据流量数据训练得到,由于大部分流量数据分布不均导致分类边界模糊,极大限制了模型的分类性能。为解决上述问题,文章提出一种基于深度度量学习的异常流量检测方法。首先,与传统深度度量学习每个类别单一代理的算法不同,文章设计双代理机制,通过目标代理指引更新代理的优化方向,提升模型的训练效率,增强同类别流量数据的聚集能力和不同类别流量数据的分离能力,实现最小化类内距离和最大化类间距离,使数据的分类边界更清晰;然后,搭建基于1D-CNN和Bi-LSTM的神经网络,分别从空间和时间的角度高效提取流量特征。实验结果表明,NSL-KDD流量数据经过模型处理,其类内距离显著减小并且类间距离显著增大,类内距离相比原始类内距离减小了73.5%,类间距离相比原始类间距离增加了52.7%,且将文章搭建的神经网络比广泛使用的深度残差网络训练时间更短、效果更好。将文章所提模型应用在流量分类任务中,在NSL-KDD和CICIDS2017数据集上,相比传统的流量分类算法,其分类效果更好。 展开更多

关键词 深度度量学习 异常流量检测 流量数据分布 神经网络

在线阅读 下载PDF 职称材料

基于深度度量学习的导弹气动系数预测

4

作者 刘林 杨春明 +1 位作者 蔺佳哲 向宏辉 《南京航空航天大学学报》 CAS CSCD 北大核心 2024年第5期950-959,共10页

传统多输出深度神经网络在导弹气动性能系数预测任务中,通常采用均方误差(Mean square error,MSE)和平均绝对误差(Mean absolute error,MAE)来训练网络,但在小样本及无物理方程约束的情况下,MSE与MAE对导弹性能系数之间的约束和不同导... 传统多输出深度神经网络在导弹气动性能系数预测任务中,通常采用均方误差(Mean square error,MSE)和平均绝对误差(Mean absolute error,MAE)来训练网络,但在小样本及无物理方程约束的情况下,MSE与MAE对导弹性能系数之间的约束和不同导弹样本之间的区分就会降低。针对该问题,提出一种基于深度度量学习的K最近邻大边距损失函数(K-nearest neighbor large margin,KNNLM),它通过边距约束将大差异输出样本推开,拉近相近输出样本,以此来解决样本及样本间的约束区分问题。以导弹气动外形及工况参数作为输入,4种气动系数作为输出,在反向传播神经网络(Backpropagation neural network,BPNN)和多任务学习神经网络(Multi-task learning neural network,MTLNN)中分别采用MSE、MAE、KNNLM进行实验对比,实验结果表明:KNNLM在BPNN和MTLNN中的精度相比于MSE和MAE最大能够提升14.44%和16.35%,最少提升3.72%。KNNLM能够在少样本及无物理知识约束的情况下,能更好地对导弹样本进行约束区分,使深度神经网络模型的预测精度更高,且鲁棒性更强。 展开更多

关键词 深度度量学习 导弹 气动性能预测 K最近邻大边距 多输出

在线阅读 下载PDF 职称材料

基于深度度量学习的轴承故障诊断方法 被引量：11

5

作者 李小娟 徐增丙 +2 位作者 熊文 王志刚 谭俊杰 《振动与冲击》 EI CSCD 北大核心 2020年第15期25-31,共7页

针对机械大数据因故障类内离散度和类间相似度较大而导致诊断精度低的问题,提出一种深度度量学习故障诊断方法,采用深度神经网络(Deep Neural Network, DNN)对故障特征进行自适应提取,并利用基于欧氏距离的边际Fisher分析(Marginal Fish... 针对机械大数据因故障类内离散度和类间相似度较大而导致诊断精度低的问题,提出一种深度度量学习故障诊断方法,采用深度神经网络(Deep Neural Network, DNN)对故障特征进行自适应提取,并利用基于欧氏距离的边际Fisher分析(Marginal Fisher Analysis, MFA)方法进行了优选,在构建的深度度量网络(Deep Metric Network, DMN)顶层特征输出层添加BPNN(Back Propagation Neural Network, BPNN)分类器对网络参数进行微调,并实现故障的分类识别。通过对不同类型和严重程度的轴承故障进行了诊断分析,验证了该方法可以有效地对轴承故障进行高精度诊断,效果优于传统深度信念网络(Deep Belief Network, DBN)故障诊断方法以及常用时域统计特征结合支持向量机(Support Vector Machine, SVM)分类的故障诊断方法。 展开更多

关键词 深度度量学习 轴承 故障诊断 相似度

在线阅读 下载PDF 职称材料

深度度量学习视频指纹算法 被引量：1

6

作者 李新伟 徐良浩 +1 位作者 杨艺 费树岷 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第9期1411-1419,共9页

在满足鲁棒性、独特性前提下,为了提高视频指纹系统紧凑性,提出一种端到端的深度度量学习视频指纹算法.网络整体框架由权值共享的三分支网络组成,分支网络采用改进的3D残差网络将多层特征融合并进行压缩,实现视频数据到指纹的端到端映射... 在满足鲁棒性、独特性前提下,为了提高视频指纹系统紧凑性,提出一种端到端的深度度量学习视频指纹算法.网络整体框架由权值共享的三分支网络组成,分支网络采用改进的3D残差网络将多层特征融合并进行压缩,实现视频数据到指纹的端到端映射.网络目标函数由度量和分类双损失函数组成,其中,设计的边界约束三元组角度度量损失函数克服了普通三元组损失函数对特征相关性表达不足的问题;分类损失函数弥补了度量损失对样本特征整体分布不敏感的问题.在公开数据集FCVID上对文中算法、传统方法和深度方法进行了大量实验.结果表明,深度度量学习视频指纹算法在鲁棒性、独特性提高的同时紧凑性显著提高. 展开更多

关键词 深度度量学习 多层特征融合 端到端 双损失函数

在线阅读 下载PDF 职称材料

基于跨模态深度度量学习的甲骨文字识别 被引量：11

7

作者 张颐康 张恒 +1 位作者 刘永革 刘成林 《自动化学报》 EI CAS CSCD 北大核心 2021年第4期791-800,共10页

甲骨文字图像可以分为拓片甲骨文字与临摹甲骨文字两类.拓片甲骨文字图像是从龟甲、兽骨等载体上获取的原始拓片图像,临摹甲骨文字图像是经过专家手工书写得到的高清图像.拓片甲骨文字样本难以获得,而临摹文字样本相对容易获得.为了提... 甲骨文字图像可以分为拓片甲骨文字与临摹甲骨文字两类.拓片甲骨文字图像是从龟甲、兽骨等载体上获取的原始拓片图像,临摹甲骨文字图像是经过专家手工书写得到的高清图像.拓片甲骨文字样本难以获得,而临摹文字样本相对容易获得.为了提高拓片甲骨文字识别的性能,本文提出一种基于跨模态深度度量学习的甲骨文字识别方法,通过对临摹甲骨文字和拓片甲骨文字进行共享特征空间建模和最近邻分类,实现了拓片甲骨文字的跨模态识别.实验结果表明,在拓片甲骨文字识别任务上,本文提出的跨模态学习方法比单模态方法有明显的提升,同时对新类别拓片甲骨文字也能增量识别. 展开更多

关键词 甲骨文字识别 深度度量学习 最近邻分类 跨模态学习

在线阅读 下载PDF 职称材料

一种基于深度度量学习的视频分类方法 被引量：5

8

作者 智洪欣 于洪涛 +2 位作者 李邵梅 高超 王艳川 《电子与信息学报》 EI CSCD 北大核心 2018年第11期2562-2569,共8页

针对视频分类中普遍面临的类内离散度和类间相似性较大而制约分类性能的问题,该文提出一种基于深度度量学习的视频分类方法。该方法设计了一种深度网络,网络包含特征学习、基于深度度量学习的相似性度量,以及分类3个部分。其中相似性度... 针对视频分类中普遍面临的类内离散度和类间相似性较大而制约分类性能的问题,该文提出一种基于深度度量学习的视频分类方法。该方法设计了一种深度网络,网络包含特征学习、基于深度度量学习的相似性度量,以及分类3个部分。其中相似性度量的工作原理为:首先,计算特征间的欧式距离作为样本之间的语义距离;其次,设计一个间隔分配函数,根据语义距离动态分配语义间隔;最后,根据样本语义间隔计算误差并反向传播,使网络能够学习到样本间语义距离的差异,自动聚焦于难分样本,以充分学习难分样本的特征。该网络在训练过程中采用多任务学习的方法,同时学习相似性度量和分类任务,以达到整体最优。在UCF101和HMDB51上的实验结果表明,与已有方法相比,提出的方法能有效提高视频分类精度。 展开更多

关键词 视频分类 深度学习 自适应间隔 深度度量学习 多任务学习

在线阅读 下载PDF 职称材料

基于深度度量学习的茶叶相似性评价方法 被引量：5

9

作者 宋彦 赵磊 +2 位作者 宁井铭 戴前颖 程福寿 《农业工程学报》 EI CAS CSCD 北大核心 2023年第2期260-269,共10页

在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集。采集茶样... 在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集。采集茶样的高光谱数据并获取光谱特征与图像特征,分别以光谱数据、图像数据、图谱融合数据3种数据类型作为模型的输入。为了构建距离特征空间,该研究提出了基于三元组损失的深度特征提取网络,并设计了Center Anchor Triplet Loss损失函数,通过样本在特征空间的距离,表征相似程度,达到定性判断相似性和定量度量相似度的目的。结果表明:图谱融合数据结合Center Anchor Triplet Loss的方法精度最高,相似性判断准确率为98.89%,相似度度量准确率为100%。该研究采用未经训练的独立样本评价模型,可以获得较好的结果,说明算法具有较好的泛化能力。研究结果为眉茶的相似性评价提供了理论依据。 展开更多

关键词 图像处理 高光谱 茶叶拼配 相似性评价 深度度量学习 数据融合

在线阅读 下载PDF 职称材料

深度度量学习综述 被引量：21

10

作者 刘冰 李瑞麟 封举富 《智能系统学报》 CSCD 北大核心 2019年第6期1064-1072,共9页

深度度量学习已成为近年来机器学习最具吸引力的研究领域之一,如何有效的度量物体间的相似性成为问题的关键。现有的依赖成对或成三元组的损失函数,由于正负样本可组合的数量极多,因此一种合理的解决方案是仅对训练有意义的正负样本采样... 深度度量学习已成为近年来机器学习最具吸引力的研究领域之一,如何有效的度量物体间的相似性成为问题的关键。现有的依赖成对或成三元组的损失函数,由于正负样本可组合的数量极多,因此一种合理的解决方案是仅对训练有意义的正负样本采样,也称为“难例挖掘”。为减轻挖掘有意义样本时的计算复杂度,代理损失设置了数量远远小于样本集合的代理点集。该综述按照时间顺序,总结了深度度量学习领域比较有代表性的算法,并探讨了其与softmax分类的联系,发现两条看似平行的研究思路,实则背后有着一致的思想。进而文章探索了许多致力于提升softmax判别性能的改进算法,并将其引入到度量学习中,从而进一步缩小类内距离、扩大类间距,提高算法的判别性能。 展开更多

关键词 深度度量学习 深度学习 机器学习 对比损失 三元组损失 代理损失 softmax分类 温度值

在线阅读 下载PDF 职称材料

图像生成和深度度量学习的身份感知面部表情识别方法 被引量：5

11

作者 章思远 肖世明 +1 位作者 张蓬 黄伟 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第5期724-732,共9页

为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其... 为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其结构中对抗生成网络,目标在于学习表情信息并生成表情组;特征提取网络用于将图像转化成为可进行度量学习的特征向量;马氏度量学习网络能够有效地对一对特征值进行比较与分类.该方法在常用面部表情识别数据集CK+和Oulu-CASIA上取得了98.6532%和99.8248%的平均分类准确率,并在Oulu-CASIA数据集上超过当前最好方法10%以上.通过与目前最新方法的比较,证实了该方法在面部表情识别中的有效性和进步性. 展开更多

关键词 深度度量学习 图像生成 身份感知 面部表情识别

在线阅读 下载PDF 职称材料

雾环境下基于度量学习的两阶段入侵检测系统

12

作者 王伟飞 李晋国 +1 位作者 赵娜 刘丽建 《计算机应用与软件》 北大核心 2025年第8期333-341,397,共10页

随着数十亿物联网设备的部署,针对此类设备的网络攻击越来越普遍。但是现有的一些研究只专注于二分类测试,未考虑最新的物联网数据集,不能适应新的需求,因此提出一种两阶段的高效和准确的入侵检测系统。该系统结合了深度度量学习和集成... 随着数十亿物联网设备的部署,针对此类设备的网络攻击越来越普遍。但是现有的一些研究只专注于二分类测试,未考虑最新的物联网数据集,不能适应新的需求,因此提出一种两阶段的高效和准确的入侵检测系统。该系统结合了深度度量学习和集成学习,在一个两层的雾架构中运行,基于改进三元组网络的异常检测模型部署在雾节点中,对捕获的流量执行二元分类,同时由决策树、梯度提升树和随机森林分类器构成的攻击识别模块部署在云平台中,对第一层识别为入侵的活动进行分析,以便管理员作出相应对策。使用最新的物联网数据集IOT-23和UNSW-NB15进行评估,实验结果表明,该模型优于一些先进模型,能够有效解决雾环境下的入侵检测问题。 展开更多

关键词 物联网 入侵检测 深度度量学习 集成学习 IOT-23

在线阅读 下载PDF 职称材料

基于Yu范数深度迁移度量学习的夹送辊剩余寿命预测 被引量：1

13

作者 孟飞 徐增丙 王志刚 《农业装备与车辆工程》 2024年第1期157-161,共5页

针对夹送辊历史数据少和相关寿命预测方法匮乏的问题,提出基于Yu范数深度迁移度量学习的夹送辊剩余寿命预测方法。首先使用Yu范数深度度量学习(DMN-Yu)对振动信号提取深层特征,并以主成分分析法(PCA)和自组织映射神经网络(SOM)相结合对... 针对夹送辊历史数据少和相关寿命预测方法匮乏的问题,提出基于Yu范数深度迁移度量学习的夹送辊剩余寿命预测方法。首先使用Yu范数深度度量学习(DMN-Yu)对振动信号提取深层特征,并以主成分分析法(PCA)和自组织映射神经网络(SOM)相结合对特征进行约简,构建一维健康因子(HI);再结合长短时记忆网络(LSTM)模型,通过迁移策略利用共享隐含层的方法对目标夹送辊进行预测分析。实验验证,经过深度迁移学习的LSTM模型预测效果更好,对夹送辊设备的健康状态评估及剩余使用寿命预测具有一定的指导意义。 展开更多

关键词 夹送辊 寿命预测 Yu范数 深度度量学习 共享隐含层迁移

在线阅读 下载PDF 职称材料

基于多域信息融合的深度学习轴承故障诊断方法

14

作者 葛卓 夏华猛 +2 位作者 王凯亮 徐增丙 丁改革 《振动与冲击》 EI CSCD 北大核心 2024年第23期47-55,共9页

针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信... 针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信号分解为多个本征模态函数(intrinsic mode function,IMF)分量,同时对每个IMF分量进行快速傅里叶变换(fast Fourier transformation,FFT)转化为频域样本;然后将多个IMF分量和其对应频域样本分别输入至多个深度度量学习(deep metric learning,DML)模型和深度置信网络(deep belief network,DBN)模型分别进行初步诊断分析,并利用简单软投票法对这些初步诊断结果进行融合从而获取最终诊断结果。最后通过对不同轴承故障的诊断试验分析,结果表明,该研究提出的方法不仅具有较好的诊断效果,而且诊断性能分别优于基于时域和基于频域的信息融合诊断方法。 展开更多

关键词 信息融合 深度度量学习(DML) 深度置信网络(DBN) 软投票法

在线阅读 下载PDF 职称材料

基于类中心优化辅助三元组损失的遥感图像检索

15

作者 郑宗生 霍志俊 +3 位作者 高萌 王政翰 周文睆 张月维 《计算机工程》 北大核心 2025年第5期305-313,共9页

遥感图像检索的关键是从海量图像中高效、准确地检索出目标样本。遥感图像类内样本分散、方差大,依靠有限样本的传统遥感图像检索不能很好地学习类内样本差异特征,现有的跨批处理内存(XBM)方法的三元组配对冗余、计算复杂。针对这些问题... 遥感图像检索的关键是从海量图像中高效、准确地检索出目标样本。遥感图像类内样本分散、方差大,依靠有限样本的传统遥感图像检索不能很好地学习类内样本差异特征,现有的跨批处理内存(XBM)方法的三元组配对冗余、计算复杂。针对这些问题,提出一种基于类中心优化辅助的三元组损失(CCO-TL)的遥感图像检索方法。CCO-TL使用类中心特征限制类内正样本之间的距离以辅助优化三元组损失,实现类间相互分离,同时类内的样本更加聚集紧凑,得到优化的样本特征;通过改进XBM模块得到批次特征队列(BFQ),用于存储先前训练批次的特征向量,通过改变三元组配对方式,充分挖掘样本信息并解决数据冗余问题,减少训练时间。同时使用BFQ模块进行类中心点特征的实时计算,用计算值取代传统方法的估计值。实验结果表明,基于真实类中心特征辅助优化的三元组损失函数训练的网络模型学习样本间的能力更强,类内更加聚集,类间区分也更明显。最后结合Recall@K等指标进行评估,在UCMD、AID、PN、OP 4个遥感数据集上进行实验,所提算法的精度分别达到93.1%、87.2%、97.1%、82.2%,优于其他研究方法。 展开更多

关键词 图像检索 深度度量学习 三元组损失 类中心 批次

在线阅读 下载PDF 职称材料

基于八元组损失的跨分辨率说话人验证优化

16

作者 宁美玲 齐佳音 《计算机工程》 北大核心 2025年第7期111-118,共8页

声纹识别中说话人验证在人机交互、医疗诊断和线上会议等现实领域起关键作用。基于深度神经网络(DNN)的说话人嵌入技术在说话人验证任务中变得越来越流行。Open-Set下的说话人验证是一个多分类任务,本质上是度量学习。现有的度量学习性... 声纹识别中说话人验证在人机交互、医疗诊断和线上会议等现实领域起关键作用。基于深度神经网络(DNN)的说话人嵌入技术在说话人验证任务中变得越来越流行。Open-Set下的说话人验证是一个多分类任务,本质上是度量学习。现有的度量学习性能高度依赖于大批量具有标签信息的高分辨率语音样本。为了解决这个问题,提出一个基于度量学习的最小化相同类距离目标算法。该算法在三元组损失的基础上,引入八元组损失,利用4个三元组损失项捕捉高分辨率和低分辨率语音之间的关系,并运用困难样本挖掘技术来选择合适的数据三元组,使得模型分类更加准确。其次,为提升噪声干扰场景中低分辨率语音信号的分类鲁棒性,引入在线数据增强策略,使用RIR和MUSAN数据集对模型数据进行增强,利用数据增强后的数据和引入八元组损失对ECAPA-TDNN预模型进行微调训练,使得该微调网络能在噪声环境下处理低分辨率语音信息,提高模型性能。该方法在不影响模型对高分辨率语音的处理性能的同时,可以在多个数据集上显著提高跨分辨率语音的识别性能。在VoxCeleb1数据集和CN-Celeb1数据集上,等错误率(EER)的数值达到最优值,分别为1.20%和1.61%。 展开更多

关键词 说话人验证 说话人嵌入 深度度量学习 八元组损失 三元组损失

在线阅读 下载PDF 职称材料

基于联合对抗训练的鲁棒度量迁移

17

作者 杨乾成 罗勇 +3 位作者 胡晗 周昕 杜博 陶大程 《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第1期1-9,共9页

迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移... 迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移的源域度量,然后设计了一种通用的深度异质迁移算法来进行高效的迁移学习.值得注意的是,将源域度量以联合对抗学习的方式进行训练,再以深度神经网络的方式将其参数化表示并对其进行迁移.迁移中通过表征模仿的方式来学习源域度量中的知识,这种方式允许源域和目标域中的知识来自于异质域.此外,严格限制目标度量网络的大小,使得目标网络更够进行高效的推理计算.在人脸识别数据集上的实验展现了本方法的有效性. 展开更多

关键词 迁移度量学习 深度度量学习 联合对抗训练 异质域

在线阅读 下载PDF 职称材料

面向电力生产精细化风险解译的高度相似防护工具智能检测技术研究 被引量：3

18

作者 马富齐 王波 +2 位作者 董旭柱 冯磊 贾嵘 《中国电机工程学报》 EI CSCD 北大核心 2024年第3期971-980,I0010,共11页

电力生产通常面临高低电压、强弱电流等复杂工作环境转换,不同作业场景有严格的防护工具使用标准,因此,研究生产作业过程防护工具的精细辨识对保障人员安全及电网安全意义重大。已有研究可实现安全帽、工作服等基础着装类检测,而实际生... 电力生产通常面临高低电压、强弱电流等复杂工作环境转换,不同作业场景有严格的防护工具使用标准,因此,研究生产作业过程防护工具的精细辨识对保障人员安全及电网安全意义重大。已有研究可实现安全帽、工作服等基础着装类检测,而实际生产中存在大量形态高度相似的实体防护工具,如绝缘手套与线手套、绝缘杆与验电杆等。为此,该文提出一种基于深度代表性度量学习的相似防护工具智能检测方法。将目标类别特征学习转换为以差异化表达不同目标特征距离为目的的嵌入式空间特征学习,得到表征不同目标的深度代表性特征向量,通过计算未知目标与代表性特征向量的距离进行类别判断,最后以现场图像进行试验验证。试验结果表明:所提方法实现了对形态相似防护工具的特征差异表达和精准辨识,相比于常见目标检测模型具有更优越的辨识性能,从而提高电力生产安全风险辨识的精细化水平。 展开更多

关键词 生产安全防护 安全影像解译 电力深度视觉 高度相似目标 深度度量学习 嵌入特征空间

在线阅读 下载PDF 职称材料

基于孪生网络与多重通道融合的脱机笔迹鉴别 被引量：1

19

作者 林超群 王大寒 +4 位作者 肖顺鑫 池雪可 王驰明 张煦尧 朱顺痣 《自动化学报》 EI CAS CSCD 北大核心 2024年第8期1660-1670,共11页

脱机签名验证模型因其具有判断签名是否伪造的能力而备受关注.当今大多数脱机签名验证模型可分为深度度量学习方法和双通道判别方法.大部分深度度量学习方法利用孪生网络生成每张图片的细节特征向量,采用欧氏距离法判断相似度,但是欧氏... 脱机签名验证模型因其具有判断签名是否伪造的能力而备受关注.当今大多数脱机签名验证模型可分为深度度量学习方法和双通道判别方法.大部分深度度量学习方法利用孪生网络生成每张图片的细节特征向量,采用欧氏距离法判断相似度,但是欧氏距离仅考虑两个点之间的绝对距离,而容易忽视点的方向、缩放的信息,不会考虑数据之间的相关性,因此无法捕获特征向量内部之间的关系;而双通道判别方法在网络训练前就进行特征的判别,更能判断不同图像的相似性,但此时图像的细节特征不够清晰,大量特征丢失.针对双通道判别方法中特征消失过多的问题,提出了一种面向独立于书写者场景的手写签名离线验证模型MCFFN(Multi-channel feature fusion network).在CEDAR、BHSig-B、BHSig-H和ChiSig四个不同语言的签名数据集上测试了所提出的方法,实验证明了所提方法的优势和潜力. 展开更多

关键词 脱机手写签名验证 深度度量学习 孪生网络 通道融合 ACMix

在线阅读 下载PDF 职称材料

一种基于Triplet loss的齿轮箱复合故障识别方法 被引量：8

20

作者 赵晓平 王逸飞 +2 位作者 张永宏 吴家新 王丽华 《振动与冲击》 EI CSCD 北大核心 2021年第5期46-54,共9页

随着设备检测点的数量与采样频率的增加,机械健康监测进入了"大数据"时代。深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。在故障诊断领域,目前深度学习方法的研究对象均集中于单一故... 随着设备检测点的数量与采样频率的增加,机械健康监测进入了"大数据"时代。深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。在故障诊断领域,目前深度学习方法的研究对象均集中于单一故障,而复合故障却鲜有人涉足。复合故障因为其各类故障信号间有耦合,变化的工况(负载,转速)也会对信号产生较大影响,所以难以准确诊断。面对复杂的复合故障,传统的Softmax分类器已不能精确高效的完成故障诊断。提出了一种基于Triplet loss的深度度量学习模型的诊断方法,对齿轮箱的轴承及齿轮这两种目标的故障同时进行诊断。其优势在于通过该模型提取故障信号的特征,再利用Triplet loss度量各类故障之间的距离,使得同类故障特征间的距离很近,异类故障特征间的距离很远,从而高效完成诊断任务。试验结果表明,该方法实现了在多种工况,大量样本下对齿轮箱内轴承和齿轮不同故障的准确诊断。 展开更多

关键词 机械故障诊断 深度度量学习 齿轮箱 轴承 齿轮

在线阅读 下载PDF 职称材料