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
基于无源领域自适应的低光照显著性目标检测
1
作者
李书玮
黄正翔
+5 位作者
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
《计算机工程》
北大核心
2025年第4期75-84,共10页
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题...
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题,提出一种无源领域自适应(SFDA)方法,将正常光照图像(源域)下训练的模型知识迁移至低光照条件图像(目标域)。该方法采用两阶段策略:在第一阶段,利用源域模型生成低光照图像的伪标签,为提高伪标签生成的质量,提出集合熵最小化损失抑制高熵区域,同时引入选择性投票方法来增强伪标签的生成;在第二阶段,采用基于增强引导一致性的教师-学生网络自训练方法对显著图进行精细化,进一步提高检测结果的精度。在SOD-LL数据集上的实验结果表明,所提出的方法在低光照场景下总体性能优于其他图像显著性检测方法,相较于正常光照的SOD方法,其平均绝对误差(MAE)降低15.15%,加权F1值(wFm)提高4.73%。
展开更多
关键词
显著性目标检测
低光照场景
无源领域自适应
伪标签
教师-学生网络
集合熵最小化
选择性投票
在线阅读
下载PDF
职称材料
SSD联合邻域伪标签的无源域旋转机械迁移诊断研究
被引量：
1
2
作者
杨汶金
刘韬
+1 位作者
王振亚
王贵勇
《振动与冲击》
EI
CSCD
北大核心
2024年第23期329-336,共8页
针对迁移诊断中存在的源域和目标域分布差异导致的负迁移以及过分依赖源域样本带来的数据隐私问题,提出一种利用邻域信息优化伪标签监督训练的无源域自适应(source-free domain adaptation,SFDA)迁移诊断方法以实现在无源域样本情况下...
针对迁移诊断中存在的源域和目标域分布差异导致的负迁移以及过分依赖源域样本带来的数据隐私问题,提出一种利用邻域信息优化伪标签监督训练的无源域自适应(source-free domain adaptation,SFDA)迁移诊断方法以实现在无源域样本情况下的迁移诊断。首先,通过奇异谱分解(singular spectrum decomposition,SSD)方法对数据进行降噪处理,使得样本具有更丰富的故障信息,然后,基于一维卷积神经网络构建特征提取器以提取域不变特征;其次,采用对比学习框架拉近同一类样本特征,利用聚合邻域信息精炼后的伪标签进行自监督学习;最后,基于智能诊断模型完成跨设备变工况下滚动轴承健康状态的识别。通过两个滚动轴承数据集间的跨设备迁移诊断验证所提方法的有效性。试验结果表明:所提方法能够充分挖掘不同设备间故障特征信息,提高无源无监督跨域条件下的迁移诊断精度。
展开更多
关键词
无源域自适应(
sfda
)
伪标签
迁移学习
故障诊断
奇异谱分解(SSD)
在线阅读
下载PDF
职称材料
题名
基于无源领域自适应的低光照显著性目标检测
1
作者
李书玮
黄正翔
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
机构
湖南师范大学工程与设计学院
智能传感与康复机器人湖南省高校重点实验室
江西省通讯终端产业技术研究院有限公司
出处
《计算机工程》
北大核心
2025年第4期75-84,共10页
基金
国家自然科学基金(62007007,62277004)
湖南省学位与研究生教学改革研究重点项目(2022JGZD026)
+2 种基金
湖南省自然科学基金(2023JJ30415,2022JJ30395)
江西省重大科技研发专项项目(20232ACC01007,20232ABC03A09)
吉安市科技计划“揭榜挂帅”项目(20233TGV06020)。
文摘
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题,提出一种无源领域自适应(SFDA)方法,将正常光照图像(源域)下训练的模型知识迁移至低光照条件图像(目标域)。该方法采用两阶段策略:在第一阶段,利用源域模型生成低光照图像的伪标签,为提高伪标签生成的质量,提出集合熵最小化损失抑制高熵区域,同时引入选择性投票方法来增强伪标签的生成;在第二阶段,采用基于增强引导一致性的教师-学生网络自训练方法对显著图进行精细化,进一步提高检测结果的精度。在SOD-LL数据集上的实验结果表明,所提出的方法在低光照场景下总体性能优于其他图像显著性检测方法,相较于正常光照的SOD方法,其平均绝对误差(MAE)降低15.15%,加权F1值(wFm)提高4.73%。
关键词
显著性目标检测
低光照场景
无源领域自适应
伪标签
教师-学生网络
集合熵最小化
选择性投票
Keywords
Salient Object Detection(SOD)
low-light scenes
source-free
domain
adaption
(
sfda
)
pseudolabel
teacher-student network
ensemble entropy minimization
selective voting
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
SSD联合邻域伪标签的无源域旋转机械迁移诊断研究
被引量：
1
2
作者
杨汶金
刘韬
王振亚
王贵勇
机构
昆明理工大学机电工程学院
云南省先进装备智能制造技术重点实验室
内蒙古第一机械集团有限公司
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第23期329-336,共8页
基金
国家自然科学基金资助项目(52065030)
云南省重大科技专项计划(202202AC080008)
+1 种基金
云南省教育厅科学研究基金项目研究生类(2024Y128)
云南省教育厅重点项目(KKDA202001003)。
文摘
针对迁移诊断中存在的源域和目标域分布差异导致的负迁移以及过分依赖源域样本带来的数据隐私问题,提出一种利用邻域信息优化伪标签监督训练的无源域自适应(source-free domain adaptation,SFDA)迁移诊断方法以实现在无源域样本情况下的迁移诊断。首先,通过奇异谱分解(singular spectrum decomposition,SSD)方法对数据进行降噪处理,使得样本具有更丰富的故障信息,然后,基于一维卷积神经网络构建特征提取器以提取域不变特征;其次,采用对比学习框架拉近同一类样本特征,利用聚合邻域信息精炼后的伪标签进行自监督学习;最后,基于智能诊断模型完成跨设备变工况下滚动轴承健康状态的识别。通过两个滚动轴承数据集间的跨设备迁移诊断验证所提方法的有效性。试验结果表明:所提方法能够充分挖掘不同设备间故障特征信息,提高无源无监督跨域条件下的迁移诊断精度。
关键词
无源域自适应(
sfda
)
伪标签
迁移学习
故障诊断
奇异谱分解(SSD)
Keywords
source-free
domain
adapt
ation(
sfda
)
pseudo-label
transfer learning
fault diagnosis
singular spectral decomposition(SSD)
分类号
TH212 [机械工程—机械制造及自动化]
TH213.3 [机械工程—机械制造及自动化]
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
基于无源领域自适应的低光照显著性目标检测
李书玮
黄正翔
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
SSD联合邻域伪标签的无源域旋转机械迁移诊断研究
杨汶金
刘韬
王振亚
王贵勇
《振动与冲击》
EI
CSCD
北大核心
2024
1
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
