期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于自训练字典学习的单幅图像的超分辨率重建 被引量:2
1
作者 张强 张爱梅 +1 位作者 王华敏 陈鹏 《红外技术》 CSCD 北大核心 2015年第9期736-739,共4页
针对单幅低分辨率图像的超分辨率重建问题,提出了一种基于自训练字典学习的超分辨率重建算法。首先根据图像的退化模型,对输入的低分辨率图像进行降质处理,然后利用K-SVD方法训练字典,获得重建所需要的先验知识,最后根据先验知识重建高... 针对单幅低分辨率图像的超分辨率重建问题,提出了一种基于自训练字典学习的超分辨率重建算法。首先根据图像的退化模型,对输入的低分辨率图像进行降质处理,然后利用K-SVD方法训练字典,获得重建所需要的先验知识,最后根据先验知识重建高分辨率图像。仿真实验的结果表明,利用该方法获得的高分辨率图像在视觉效果和客观评价上均优于传统方法,同时算法的时间效率也有很大的提升。 展开更多
关键词 超分辨率重建 稀疏表示 自训练字典学习 K-SVD
在线阅读 下载PDF
基于原型引导与自适应特征融合的域适应语义分割
2
作者 杨宇宇 杨霄 +1 位作者 潘在宇 王军 《智能系统学报》 北大核心 2025年第1期150-161,共12页
无监督域自适应技术对于减少计算机视觉任务中的数据标注工作量具有重要意义,尤其在像素级的语义分割中。然而,目标域的特征分布离散和类别不平衡问题,如模糊的类边界和某些类别的样本过少,对无监督域自适应技术构成了挑战。针对上述挑... 无监督域自适应技术对于减少计算机视觉任务中的数据标注工作量具有重要意义,尤其在像素级的语义分割中。然而,目标域的特征分布离散和类别不平衡问题,如模糊的类边界和某些类别的样本过少,对无监督域自适应技术构成了挑战。针对上述挑战,本文提出了一种原型引导的自适应特征融合模型。其中,通过引入原型引导的双重注意力网络融合空间和通道注意力特征,增强类内紧凑性。此外,本文提出自适应特征融合模块,灵活调整各特征的重要性,使网络能够在不同的空间位置和通道上捕捉到更加具有类别区分性的特征,进一步提升语义分割性能。在两个具有挑战性的合成-真实基准GTA5-to-Cityscape和SYNTHIA-to-Cityscape上的实验结果证明了本文方法的有效性,展现出模型对复杂场景和不平衡数据的处理应对能力。 展开更多
关键词 深度学习 无监督学习 域适应 语义分割 注意力机制 自训练学习 自适应 迁移学习 原型引导
在线阅读 下载PDF
基于对抗自学习的跨域绝缘子检测算法 被引量:4
3
作者 李凡 高瞻 +4 位作者 王红斌 李爽 庞健 徐开雄 余正涛 《南京理工大学学报》 EI CAS CSCD 北大核心 2020年第6期651-659,共9页
为实现在海量线路巡检图像中对绝缘子的自动识别,提出一种基于对抗自学习的跨域绝缘子识别方法。该方法由对抗学习和自训练学习2个阶段组成。在对抗学习阶段,通过特征提取器和分类器之间的对抗学习,使模型分别获得对玻璃绝缘子和复合绝... 为实现在海量线路巡检图像中对绝缘子的自动识别,提出一种基于对抗自学习的跨域绝缘子识别方法。该方法由对抗学习和自训练学习2个阶段组成。在对抗学习阶段,通过特征提取器和分类器之间的对抗学习,使模型分别获得对玻璃绝缘子和复合绝缘子具有鲁棒性的分类特征。在自训练学习阶段,首先,采用有标签的玻璃绝缘子样本对模型进行预训练;然后,将无标签的复合绝缘子样本输入网络,并选择置信度高的样本赋予软标签对模型进行再次训练,使模型最终获得在不同域上的泛化能力。与现有方法相比,该文方法采用分属不同材质的绝缘子样本对深度神经网络进行2个阶段的训练,在有效降低模型训练过程中样本标注量的同时,解决了跨域识别不同材质的绝缘子的问题。 展开更多
关键词 对抗学习 绝缘子 线路巡检 图像 自训练学习 特征提取器 玻璃绝缘子 复合绝缘子
在线阅读 下载PDF
ES-ID3算法及其在中医辨症中的应用 被引量:6
4
作者 廖晓威 马利庄 王彦 《计算机工程与应用》 CSCD 北大核心 2008年第32期191-193,共3页
提出了一种具备自训练学习能力的ES-ID3决策树算法。该算法克服了传统ID3算法要求所有训练样本必须事先进行分类处理的约束,通过充分利用已采集但未进行分类的"准训练样本"进行自训练学习过程,非常适用于获取训练样本代价较... 提出了一种具备自训练学习能力的ES-ID3决策树算法。该算法克服了传统ID3算法要求所有训练样本必须事先进行分类处理的约束,通过充分利用已采集但未进行分类的"准训练样本"进行自训练学习过程,非常适用于获取训练样本代价较高的环境,如医学病例样本采集等。对肝病中医辨症问题应用该算法,实验证明,无论从分类的准确性及对关键决策属性的提取能力,较之于传统ID3算法,该算法均有显著提高;算法结论能对医疗工作提供有效帮助。 展开更多
关键词 决策树算法 ID3算法 自训练学习 中医辨症
在线阅读 下载PDF
基于分层伪标签的图像聚类方法 被引量:1
5
作者 蔡少填 陈小军 +1 位作者 陈龙腾 邱莉萍 《计算机科学》 CSCD 北大核心 2023年第6期225-235,共11页
图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要... 图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要求的样本生成one-hot的标签,同时利用生成的标签来更新模型。但是,这种简单的伪标签生成方法难以获得足够数量的高质量伪标签。为了解决以上问题,提出了一种基于分层伪标签的图像聚类方法,它旨在利用结构化信息与伪标签信息对分类模型进行训练和精炼。引入3个假设来指导聚类方法的设计,包括局部平滑假设、自训练假设及低密度分离假设。新方法包含两个阶段:1)基于流形的一致性学习,利用近邻一致性学习来初始化聚类模型;2)基于分层伪标签的模型精炼,基于第一阶段的结果生成伪标签,并利用其来提升聚类模型的鲁棒性。首先,将基于第一阶段的结果生成强伪标签数据集及弱伪标签数据集;然后,提出了基于标签传播及分层混合的伪标签提升技术来提升弱伪标签数据集的质量;最后,同时利用强伪标签数据集及弱伪标签数据集来提升分类模型的泛化能力。相较于最优结果,SPC算法在STL10和Cifar100-20基准数据集上,ACC平均结果分别提升了7.6%和5.0%。 展开更多
关键词 深度聚类 一致性学习 伪标签 标签传播 自训练学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部