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
基于样本类不确定性抽样的端到端语音关键词检测训练方法
1
作者
贺前华
陈永强
+1 位作者
郑若伟
黄金鑫
《电子学报》
EI
CAS
CSCD
北大核心
2024年第10期3482-3492,共11页
当前语音关键词检测主流技术为端到端的深度学习方法,研究重点为网络结构优化、建模单元选取及搜索策略等,并取得较快进展,但对模型训练效率的关注相对较少.本文针对深度学习模型训练效率问题,提出了一种样本类不确定性抽样(Class Uncer...
当前语音关键词检测主流技术为端到端的深度学习方法,研究重点为网络结构优化、建模单元选取及搜索策略等,并取得较快进展,但对模型训练效率的关注相对较少.本文针对深度学习模型训练效率问题,提出了一种样本类不确定性抽样(Class Uncertainty Sampling,CUS)的样本应用策略加速收敛进程.其核心思想是在模型训练中后期,利用网络的前向输出层对样本评价信息进行样本类不确定性度量,并转化成样本选用概率,随机抽取训练样本子集用于后续训练.由于简单样本的类确定度高,它们参与后续训练的概率降低,但不影响模型的区分能力,增强对判决边界样本的关注,达到提高模型训练效率的目标.基于AISHELL-1普通话数据集的实验结果表明,相对常规训练策略,平均训练时长缩短60%,收敛时长缩短47.5%.虚警率(False Alarm Rate,FAR)为0.5 FP/h时,该方法的错误拒绝率(False Reject Rate,FRR)从4.75%降至3.65%,相对下降30.1%,最大关键词加权值(Maximum Term Weighted Value,MTWV)由0.8374升至0.8531.通过分析错标样本参与训练的行为,证实了该方法具有屏蔽掉大部分错误标注样本的能力,减少错标样本对训练的损害.基于大规模AISHELL-2普通话数据集的实验进一步证实了提出方法的有效性.
展开更多
关键词
检测
深度学习
端到端
类不确定性
抽样
在线阅读
下载PDF
职称材料
基于多尺度区域与类不确定性理论的局部阈值分割方法
被引量：
8
2
作者
周力凯
江雨洋
+3 位作者
冯亚春
梁国远
吴新宇
王琼
《计算机应用》
CSCD
北大核心
2020年第S02期66-72,共7页
医学图像受成像原理的限制,存在图像灰度分布不均匀、噪声大、组织间边界模糊等问题,传统的阈值分割方法通常难以获得精准的分割结果。针对这一问题,提出一种基于多尺度区域与类不确定性理论的阈值分割方法。首先,利用多层金字塔结构将...
医学图像受成像原理的限制,存在图像灰度分布不均匀、噪声大、组织间边界模糊等问题,传统的阈值分割方法通常难以获得精准的分割结果。针对这一问题,提出一种基于多尺度区域与类不确定性理论的阈值分割方法。首先,利用多层金字塔结构将原始图像分割成一组不同尺度的子区域;然后,基于类不确定性与区域均匀性度量构建带不等式约束的能量函数,并逐层迭代求解各子区域的最优局部阈值;最终,得到局部最优阈值掩膜,从而实现图像分割。通过仿真实验可得所提方法能有效克服噪声、局部灰度分布不均匀以及模糊边界等因素的干扰,算法性能显著优于经典的基于受限的目标灰度频率范围求解最优分割阈值方法(RCOtsu)和基于类不确定性及区域均匀性的能量最小化(MHUE)方法以及近年来提出的一些基于阈值分割方法。所提方法分割结果平均误分率(ME)为1.1%,与上述对比算法的平均误分率相比下降了2.1%;峰值信噪比(PSNR)为17.1 dB,比对比算法的平均指标下降了2.7 dB。实验结果表明,所提方法可以稳定、清晰地分割灰度不均和高噪声图像。
展开更多
关键词
图像分割
局部阈值
类不确定性
医学影像
区域均匀性
在线阅读
下载PDF
职称材料
题名
基于样本类不确定性抽样的端到端语音关键词检测训练方法
1
作者
贺前华
陈永强
郑若伟
黄金鑫
机构
华南理工大学电子与信息学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第10期3482-3492,共11页
基金
广东省科技计划项目(No.2023A0505050116,No.2022A1515011687)
国家自然科学基金(No.62371195)。
文摘
当前语音关键词检测主流技术为端到端的深度学习方法,研究重点为网络结构优化、建模单元选取及搜索策略等,并取得较快进展,但对模型训练效率的关注相对较少.本文针对深度学习模型训练效率问题,提出了一种样本类不确定性抽样(Class Uncertainty Sampling,CUS)的样本应用策略加速收敛进程.其核心思想是在模型训练中后期,利用网络的前向输出层对样本评价信息进行样本类不确定性度量,并转化成样本选用概率,随机抽取训练样本子集用于后续训练.由于简单样本的类确定度高,它们参与后续训练的概率降低,但不影响模型的区分能力,增强对判决边界样本的关注,达到提高模型训练效率的目标.基于AISHELL-1普通话数据集的实验结果表明,相对常规训练策略,平均训练时长缩短60%,收敛时长缩短47.5%.虚警率(False Alarm Rate,FAR)为0.5 FP/h时,该方法的错误拒绝率(False Reject Rate,FRR)从4.75%降至3.65%,相对下降30.1%,最大关键词加权值(Maximum Term Weighted Value,MTWV)由0.8374升至0.8531.通过分析错标样本参与训练的行为,证实了该方法具有屏蔽掉大部分错误标注样本的能力,减少错标样本对训练的损害.基于大规模AISHELL-2普通话数据集的实验进一步证实了提出方法的有效性.
关键词
检测
深度学习
端到端
类不确定性
抽样
Keywords
speech keyword spotting
deep learning
end-to-end
class uncertainty sampling
分类号
TN912 [电子电信—通信与信息系统]
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
基于多尺度区域与类不确定性理论的局部阈值分割方法
被引量：
8
2
作者
周力凯
江雨洋
冯亚春
梁国远
吴新宇
王琼
机构
广东省机器人与智能系统重点实验室(中国科学院深圳先进技术研究院)
中国科学院人机智能协同系统重点实验室(中国科学院深圳先进技术研究院)
中国科学院大学
中山大学数学学院
出处
《计算机应用》
CSCD
北大核心
2020年第S02期66-72,共7页
基金
国家自然科学基金资助项目(81601576)
国家自然科学基金与深圳市联合基金资助项目(U1813209)
+1 种基金
广东省科技计划项目(2016A020220013)
深圳市孔雀科技创新项目(KQJSCX20170731164301774)。
文摘
医学图像受成像原理的限制,存在图像灰度分布不均匀、噪声大、组织间边界模糊等问题,传统的阈值分割方法通常难以获得精准的分割结果。针对这一问题,提出一种基于多尺度区域与类不确定性理论的阈值分割方法。首先,利用多层金字塔结构将原始图像分割成一组不同尺度的子区域;然后,基于类不确定性与区域均匀性度量构建带不等式约束的能量函数,并逐层迭代求解各子区域的最优局部阈值;最终,得到局部最优阈值掩膜,从而实现图像分割。通过仿真实验可得所提方法能有效克服噪声、局部灰度分布不均匀以及模糊边界等因素的干扰,算法性能显著优于经典的基于受限的目标灰度频率范围求解最优分割阈值方法(RCOtsu)和基于类不确定性及区域均匀性的能量最小化(MHUE)方法以及近年来提出的一些基于阈值分割方法。所提方法分割结果平均误分率(ME)为1.1%,与上述对比算法的平均误分率相比下降了2.1%;峰值信噪比(PSNR)为17.1 dB,比对比算法的平均指标下降了2.7 dB。实验结果表明,所提方法可以稳定、清晰地分割灰度不均和高噪声图像。
关键词
图像分割
局部阈值
类不确定性
医学影像
区域均匀性
Keywords
image segmentation
local threshold
class uncertainty
medical imaging
region homogeneity
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
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
基于样本类不确定性抽样的端到端语音关键词检测训练方法
贺前华
陈永强
郑若伟
黄金鑫
《电子学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于多尺度区域与类不确定性理论的局部阈值分割方法
周力凯
江雨洋
冯亚春
梁国远
吴新宇
王琼
《计算机应用》
CSCD
北大核心
2020
8
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
