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
基于渐进多粒度训练深度学习的矿物图像识别
被引量：
3
1
作者
万成舟
季晓慧
+4 位作者
杨眉
何明跃
张招崇
曾姗
王玉柱
《地学前缘》
EI
CAS
CSCD
北大核心
2024年第4期112-118,共7页
近年来,随着深度学习在地学领域中的应用,矿物图像识别变得越来越重要。虽然已经有研究将深度学习应用于矿物图像识别,并取得了一定的成果,但在大规模矿物数据集上的识别准确率仍然有待进一步提高。不同矿物之间可能存在细微的形态、纹...
近年来,随着深度学习在地学领域中的应用,矿物图像识别变得越来越重要。虽然已经有研究将深度学习应用于矿物图像识别,并取得了一定的成果,但在大规模矿物数据集上的识别准确率仍然有待进一步提高。不同矿物之间可能存在细微的形态、纹理和颜色差异,符合细粒度识别算法特征,但以往的研究中很少有人采用细粒度方法进行矿物识别。所以本文提出了一种基于Next-ViT模型的细粒度矿物识别方法,通过引入渐进式多粒度训练拼图技术,实现对矿物图像的精确分类。首先采用Next-ViT模型作为特征提取器,该模型结合了Transformer结构和卷积神经网络的优势,能够提取到丰富的图像特征;接下来利用随机拼图生成器创建不同粒度级别的矿物拼图,这些拼图包含从细节到整体的多种信息。训练过程中采用渐进式多粒度训练策略,在训练的早期阶段,模型主要关注细粒度的特征,通过学习拼图中的细节信息来区分不同的矿物,随着训练的深入,模型逐渐将注意力转移到更大粒度级别的特征上,学习更加抽象和全局的信息。通过这种方式,模型能够充分利用不同粒度级别的信息,提高矿物识别的准确性。实验结果表明,该模型在常见的36种矿物数据集上取得了86.5%的准确率,有效地提高了矿物识别的准确率。这表明,细粒度识别方法对于矿物识别是有效的。
展开更多
关键词
矿物识别
深度学习
Next-ViT
细
粒度
识别
渐进式多粒度训练
在线阅读
下载PDF
职称材料
渐进式多粒度ResNet车型识别网络
被引量：
4
2
作者
徐胜军
荆扬
+3 位作者
李海涛
段中兴
刘福友
李明海
《光电工程》
CAS
CSCD
北大核心
2023年第7期32-46,共15页
针对车辆因姿态、视角等成像差异造成车型难以识别问题,提出一种基于渐进式多粒度ResNet车型识别网络。首先,以ResNet网络作为主干网络,提出渐进式多粒度局部卷积模块,对不同粒度级别的车辆图像进行局部卷积操作,使网络重构时能够关注...
针对车辆因姿态、视角等成像差异造成车型难以识别问题,提出一种基于渐进式多粒度ResNet车型识别网络。首先,以ResNet网络作为主干网络,提出渐进式多粒度局部卷积模块,对不同粒度级别的车辆图像进行局部卷积操作,使网络重构时能够关注到不同粒度级别的车辆局部特征;其次,对多粒度局部特征图利用随机通道丢弃模块进行随机通道丢弃,抑制网络对车辆显著性区域特征的注意力,提高非显著性特征的关注度;最后,提出一种渐进式多粒度训练模块,在每个训练步骤中增加分类损失,引导网络提取更具辨别力和多样性的车辆多尺度特征。实验结果表明,在Stanford cars数据集、Compcars网络数据集和真实场景下的车型数据集VMRURS上,所提网络的识别准确率分别达到了95.7%、98.8%和97.4%,和对比网络相比,所提网络不仅具有较高的识别准确率,而且具有更好的鲁棒性。
展开更多
关键词
车型识别
ResNet网络
渐进式
多粒度
局部卷积
随机通道丢弃
渐进式多粒度训练
在线阅读
下载PDF
职称材料
题名
基于渐进多粒度训练深度学习的矿物图像识别
被引量：
3
1
作者
万成舟
季晓慧
杨眉
何明跃
张招崇
曾姗
王玉柱
机构
中国地质大学(北京)信息工程学院
中国地质大学(北京)国家岩矿化石标本资源库
中国地质大学(北京)地球科学与资源学院
出处
《地学前缘》
EI
CAS
CSCD
北大核心
2024年第4期112-118,共7页
基金
国家科技资源共享服务平台——国家岩矿化石标本资源库子项目(NCSTI-RMF20230107)。
文摘
近年来,随着深度学习在地学领域中的应用,矿物图像识别变得越来越重要。虽然已经有研究将深度学习应用于矿物图像识别,并取得了一定的成果,但在大规模矿物数据集上的识别准确率仍然有待进一步提高。不同矿物之间可能存在细微的形态、纹理和颜色差异,符合细粒度识别算法特征,但以往的研究中很少有人采用细粒度方法进行矿物识别。所以本文提出了一种基于Next-ViT模型的细粒度矿物识别方法,通过引入渐进式多粒度训练拼图技术,实现对矿物图像的精确分类。首先采用Next-ViT模型作为特征提取器,该模型结合了Transformer结构和卷积神经网络的优势,能够提取到丰富的图像特征;接下来利用随机拼图生成器创建不同粒度级别的矿物拼图,这些拼图包含从细节到整体的多种信息。训练过程中采用渐进式多粒度训练策略,在训练的早期阶段,模型主要关注细粒度的特征,通过学习拼图中的细节信息来区分不同的矿物,随着训练的深入,模型逐渐将注意力转移到更大粒度级别的特征上,学习更加抽象和全局的信息。通过这种方式,模型能够充分利用不同粒度级别的信息,提高矿物识别的准确性。实验结果表明,该模型在常见的36种矿物数据集上取得了86.5%的准确率,有效地提高了矿物识别的准确率。这表明,细粒度识别方法对于矿物识别是有效的。
关键词
矿物识别
深度学习
Next-ViT
细
粒度
识别
渐进式多粒度训练
Keywords
mineral identification
deep learning
Next-ViT
fine-grained identification
progressive multi-granularity-level training
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
P57 [天文地球—矿物学]
在线阅读
下载PDF
职称材料
题名
渐进式多粒度ResNet车型识别网络
被引量：
4
2
作者
徐胜军
荆扬
李海涛
段中兴
刘福友
李明海
机构
西安建筑科技大学信息与控制工程学院
西安市建筑制造智能化技术重点实验室
江苏省交通工程建设局
中交隧道工程局有限公司
出处
《光电工程》
CAS
CSCD
北大核心
2023年第7期32-46,共15页
基金
国家自然科学基金资助项目(51678470,61803293)
陕西省教育厅专项科研项目资助(18JK0477,2017JM6106)
+2 种基金
陕西省自然科学基础研究计划资助项目(2020JM-472,2020JM-473,2019JQ-760)
西安建筑科技大学基础研究基础资助项目(JC1703,JC1706)
陕西省科技厅社发攻关项目(2021SF-429)。
文摘
针对车辆因姿态、视角等成像差异造成车型难以识别问题,提出一种基于渐进式多粒度ResNet车型识别网络。首先,以ResNet网络作为主干网络,提出渐进式多粒度局部卷积模块,对不同粒度级别的车辆图像进行局部卷积操作,使网络重构时能够关注到不同粒度级别的车辆局部特征;其次,对多粒度局部特征图利用随机通道丢弃模块进行随机通道丢弃,抑制网络对车辆显著性区域特征的注意力,提高非显著性特征的关注度;最后,提出一种渐进式多粒度训练模块,在每个训练步骤中增加分类损失,引导网络提取更具辨别力和多样性的车辆多尺度特征。实验结果表明,在Stanford cars数据集、Compcars网络数据集和真实场景下的车型数据集VMRURS上,所提网络的识别准确率分别达到了95.7%、98.8%和97.4%,和对比网络相比,所提网络不仅具有较高的识别准确率,而且具有更好的鲁棒性。
关键词
车型识别
ResNet网络
渐进式
多粒度
局部卷积
随机通道丢弃
渐进式多粒度训练
Keywords
vehicle model recognition
ResNet network
progressive multi-granularity local convolution block
random channel drop block
progressive multi-granularity training
分类号
TP391.4 [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
基于渐进多粒度训练深度学习的矿物图像识别
万成舟
季晓慧
杨眉
何明跃
张招崇
曾姗
王玉柱
《地学前缘》
EI
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
渐进式多粒度ResNet车型识别网络
徐胜军
荆扬
李海涛
段中兴
刘福友
李明海
《光电工程》
CAS
CSCD
北大核心
2023
4
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
