基于多特征深度学习的人脸性别识别 被引量：15

1

作者 蒋雨欣 李松斌 +1 位作者 刘鹏 戴琼兴 《计算机工程与设计》 北大核心 2016年第1期226-231,共6页

为解决人脸性别识别这一传统模式识别领域中富有挑战性的难题,提出一种联合人脸高层特征学习和低层特征学习的深层网络模型。利用卷积和下采样交替提取人脸局部的、抽象的特征,重建原始的输入人脸图像,以学习人脸全局的特征作为补充。... 为解决人脸性别识别这一传统模式识别领域中富有挑战性的难题,提出一种联合人脸高层特征学习和低层特征学习的深层网络模型。利用卷积和下采样交替提取人脸局部的、抽象的特征,重建原始的输入人脸图像,以学习人脸全局的特征作为补充。联合两类特征时,加入一个可训练的权重进行调节,利用这种多特征结构进行最终的性别分类。实验结果表明,该方法在学习能力和泛化能力上具有超越现有人脸性别识别方法的优秀性能。 展开更多

关键词 人脸性别识别 深度学习 多特征学习 学习能力 泛化能力

下载PDF 职称材料

高分辨率遥感影像的平原建成区提取 被引量：9

2

作者 温奇 王薇 +2 位作者 李苓苓 梅立琴 谭毅华 《光学精密工程》 EI CAS CSCD 北大核心 2016年第10期2557-2564,共8页

通过分析高分辨率遥感影像中平原建成区的纹理特征和局部关键点特征,提出了基于多核学习、多尺度分割以及多假设投票的平原建成区提取方法。该方法利用MR8纹理特征和尺度不变特征变换(SIFT)算法提取建成区,融合多个特征进行学习和分类,... 通过分析高分辨率遥感影像中平原建成区的纹理特征和局部关键点特征,提出了基于多核学习、多尺度分割以及多假设投票的平原建成区提取方法。该方法利用MR8纹理特征和尺度不变特征变换(SIFT)算法提取建成区,融合多个特征进行学习和分类,从而加强了分类器的鲁棒性和稳定性,提高了检测准确率。该方法还通过超像素分割和多假设投票将基于图像块的判别结果转化为基于像素的检测结果,完全消除块状效应,使得目标区域具有准确的边缘和形状。在多幅GF-1卫星遥感图像上进行测试,结果显示:提出方法的平均检测精度为80%,平均召回率高于85%,平均F值可达80%以上,综合指标高于其他方法,验证了提取平原地形建成区的可行性和准确性。由于建成区提取结果已精确到了像素级别,同时避免了漏检和误检,提取出的建成区影像很准确。 展开更多

关键词 高分辨率遥感影像 平原建成区提取 多假设投票 多特征学习 多尺度分割

下载PDF 职称材料

面向高光谱影像分类的多特征流形鉴别嵌入 被引量：7

3

作者 黄鸿 李政英 +1 位作者 石光耀 潘银松 《光学精密工程》 EI CAS CSCD 北大核心 2019年第3期726-738,共13页

鉴于传统维数约减方法对高光谱遥感影像进行降维时,往往只利用了单一的光谱特征,限制了分类性能的提升。提出一种基于多特征流形鉴别嵌入的维数约减方法,该方法首先提取高光谱数据的LBP(Local Binary Patterns)纹理特征,然后利用样本点... 鉴于传统维数约减方法对高光谱遥感影像进行降维时,往往只利用了单一的光谱特征,限制了分类性能的提升。提出一种基于多特征流形鉴别嵌入的维数约减方法,该方法首先提取高光谱数据的LBP(Local Binary Patterns)纹理特征,然后利用样本点的光谱-LBP特征联合距离及类别信息构建类内图和类间图以发现高光谱影像中的鉴别流形结构,在低维嵌入空间中不仅保持来自同一像素的光谱和纹理特征的相似性,而且使同类点尽可能紧致、不同类点远离,实现空-谱联合低维鉴别特征提取,以有效提高地物分类性能。在Indian Pines和黑河高光谱遥感数据集上的实验表明,本文算法的分类精度在不同实验条件下均优于传统的维数约减方法,其分类精度可达95.05%和96.20%,在较少训练样本条件下优势更为明显,有利于实际应用。 展开更多

关键词 高光谱遥感 维数约减 纹理特征 多特征学习 流形学习

下载PDF 职称材料

基于机器视觉的运动动作多特征识别算法研究 被引量：1

4

作者 张楠 《自动化与仪器仪表》 2024年第3期82-86,共5页

针对传统特征设计方法的兴趣点泛化能力弱、可迁移性差等问题,研究首先提出一种基于多特征学习的卷积神经网络,然后引入跨模态训练对光流图改进,最后使用运动激励和时间聚合模块进行优化,最终得到基于机器视觉的舞蹈运动动作多特征识别... 针对传统特征设计方法的兴趣点泛化能力弱、可迁移性差等问题,研究首先提出一种基于多特征学习的卷积神经网络,然后引入跨模态训练对光流图改进,最后使用运动激励和时间聚合模块进行优化,最终得到基于机器视觉的舞蹈运动动作多特征识别算法。研究结果显示,在FolkDance舞蹈数据集与AIST++舞蹈数据集中研究并提出的算法融合准确率分别为98.1%与74.3%,且在仅需1.73 s就可对舞蹈动作实现精准识别。综上所述,研究提出的方法能极大减少人工与时间成本,对复杂的舞蹈运动视频中的舞蹈动作能实现精准识别,在实际应用中具有更强的适用性。 展开更多

关键词 机器视觉 多特征学习 舞蹈运动 人体动作识别 跨模态预训练 激励模块

原文传递

多特征全卷积网络的地空通话语音增强方法 被引量：7

5

作者 高登峰 杨波 +1 位作者 刘洪 杨红雨 《四川大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第2期289-296,共8页

为了研究空中交通管理领域中的语音增强问题,并且节约存储资源,提出了一个新的语音增强方法.在基于全卷积神经网络(FCN)的基础上加入了跳跃连接(Skip Connection),并引入次要特征来进行联合学习.具体而言,使用语音的对数功率谱(LPS)作... 为了研究空中交通管理领域中的语音增强问题,并且节约存储资源,提出了一个新的语音增强方法.在基于全卷积神经网络(FCN)的基础上加入了跳跃连接(Skip Connection),并引入次要特征来进行联合学习.具体而言,使用语音的对数功率谱(LPS)作为网络的主要训练特征,引入对数梅尔倒谱系数(L-MFCC)作为网络的次要训练特征,来联合优化网络参数.实验证明,相较于单个LPS特征输入的架构,结合LPS和L-MFCC的多特征网络架构具有更好的语音增强性能表现,且作为次要特征的L-MFCC还可以用作其它用途.实验还证明,跳跃连接的加入可以很好的提高FCN的网络性能,且相较于基线的深度神经网络(DNN)模型,新的网络结构在相同参数数量的情况下,要具有更好的性能. 展开更多

关键词 语音增强 语音分离 全卷积神经网络 地空通话 多特征联合学习

下载PDF 职称材料

基于空间约束多特征联合稀疏编码的遥感图像标注方法研究 被引量：5

6

作者 郑歆慰 胡岩峰 +1 位作者 孙显 王宏琦 《电子与信息学报》 EI CSCD 北大核心 2014年第8期1891-1898,共8页

针对稀疏表示分类器不能较好地适应多特征框架的问题,该文提出一种空间约束多特征联合稀疏编码模型,并以此实现遥感影像的自动标注。该方法利用l1,2混合范数正则化多特征编码系数,约束编码系数共享相同的稀疏模式,在保持多特征关联的同... 针对稀疏表示分类器不能较好地适应多特征框架的问题,该文提出一种空间约束多特征联合稀疏编码模型,并以此实现遥感影像的自动标注。该方法利用l1,2混合范数正则化多特征编码系数,约束编码系数共享相同的稀疏模式,在保持多特征关联的同时,又不添加过于严格的约束。同时,将字典学习技术扩展到多特征框架中,通过约束字典更新的变换矩阵,解决了字典学习过程丢失多特征关联的问题。另外,针对遥感影像中的空间关系常常被忽略或者利用不充分的不足,还提出了将空间一致性与多特征联合稀疏编码相结合的分类准则,提高了标注性能。在遥感公开数据集与大尺寸卫星影像上的实验证明了该方法的有效性。 展开更多

关键词 遥感图像标注 多特征联合稀疏编码 多特征字典学习 空间信息

下载PDF 职称材料

一种融合多尺度特征的改进RDN图像超分辨率重建网络 被引量：5

7

作者 朱磊 李志蒙 +2 位作者 朱奇伟 樊雯雪 冯达 《西安工程大学学报》 CAS 2022年第5期61-69,共9页

针对常见单帧图像超分辨率(single image super-resolution,SISR)重建网络存在的图像特征利用不充分问题,提出了一种融合多尺度特征的改进RDN图像超分辨率重建网络(multi-scale residual dense network,MSRDN)。提取输入低分辨率图像的... 针对常见单帧图像超分辨率(single image super-resolution,SISR)重建网络存在的图像特征利用不充分问题,提出了一种融合多尺度特征的改进RDN图像超分辨率重建网络(multi-scale residual dense network,MSRDN)。提取输入低分辨率图像的浅层特征;利用卷积层和局部残差学习结构联合构建特征提取模块,并通过不同尺度的该模块多路组合结构,充分提取图像的多尺度细节特征;构建了自顶向下与自底向上相结合的特征融合模块,充分融合与关联采集的多尺度特征,以构造具有更丰富细节信息的图像特征;将提取到的多尺度特征送入图像重建模块以获得超分辨率重建图像。实验结果表明:与SMSR等网络相比,提出的MSRDN网络在Set5、Set14及BSD100等3个超分辨率基准测试集上展现出更好的视觉效果,且获得的峰值信噪比(peak signal to noise ratio,PSNR)平均提升0.8 dB,结构相似度(structural similarity,SSIM)平均提升0.02。 展开更多

关键词 图像超分辨率 多尺度特征学习 特征融合 RDN网络

下载PDF 职称材料

多尺度特征学习和边缘增强的医学图像融合 被引量：4

8

作者 肖万新 李华锋 +2 位作者 张亚飞 谢明鸿 李凡 《激光与光电子学进展》 CSCD 北大核心 2022年第6期353-362,共10页

医学图像融合作为一种对多种不同形式的医学图像所包含的信息进行整合的有效方法,被广泛用于疾病诊断和治疗规划等各种临床应用中。然而,现有的医学图像融合方法没有很好地解决不同器官之间的边界模糊问题,使得融合后的图像较难理解。... 医学图像融合作为一种对多种不同形式的医学图像所包含的信息进行整合的有效方法,被广泛用于疾病诊断和治疗规划等各种临床应用中。然而,现有的医学图像融合方法没有很好地解决不同器官之间的边界模糊问题,使得融合后的图像较难理解。为了解决这个问题,提出了一种基于多尺度特征学习和边缘增强的医学图像融合模型。具体地,首先使用多个不同空洞率的空洞卷积扩大感受野,使模型学习到源图像更具判别性的多尺度特征。然后,根据最大值融合策略融合源图像特征,得到融合特征,并通过卷积层对其进行重建,得到融合图像。同时,引入边缘增强模块,增强融合图像中的边缘信息,从而较好地解决了医学图像融合中不同器官之间的边界模糊问题。实验结果证明,所提方法得到的结果无论从主观视觉效果还是客观定量评价,均优于对比方法。 展开更多

关键词 医用光学 医学图像融合 多尺度特征学习 深度学习 空洞卷积 边缘增强

原文传递

基于多尺度特征和元学习的图像识别算法研究

9

作者 黄勇杰 高乐 杨田 《计算机应用与软件》 北大核心 2024年第8期203-209,共7页

在计算机视觉与图像识别技术中,随着输入分辨率的变化,卷积神经网络方法的识别效果也不同。多尺度特征学习可以将图像的精度和细节结合在一起,结合图像的多个尺度信息进行分析。元学习让计算机模拟人的大脑,学习如何去学习,可以更高效... 在计算机视觉与图像识别技术中,随着输入分辨率的变化,卷积神经网络方法的识别效果也不同。多尺度特征学习可以将图像的精度和细节结合在一起,结合图像的多个尺度信息进行分析。元学习让计算机模拟人的大脑,学习如何去学习,可以更高效灵活地实现图像分类。因此,结合多尺度特征和元学习进行图像识别算法研究具有较高的研究价值。通过膨胀卷积产生了不同分辨率的输入图像;使用元学习产生不同输入分辨率下神经网络的卷积权重;对于不同输入分辨率的模型使用知识蒸馏。 展开更多

关键词 图像识别 多尺度特征学习 元学习 知识蒸馏 人工智能

下载PDF 职称材料

基于多尺度特征和元学习的智能预测找矿靶区实验研究 被引量：4

10

作者 黄勇杰 高乐 +1 位作者 杨田 张鑫 《计算机应用研究》 CSCD 北大核心 2022年第6期1772-1778,共7页

当前智能找矿靶区预测方法大多依赖于人工采样和专家的知识经验,然而,对于现实世界中区域小、数量少的矿区区域,这些方法将面临巨大的挑战。为了迎接这个挑战,提出一种新颖的深度智能找矿靶区预测框架——多尺度特征交互框架。具体地,... 当前智能找矿靶区预测方法大多依赖于人工采样和专家的知识经验,然而,对于现实世界中区域小、数量少的矿区区域,这些方法将面临巨大的挑战。为了迎接这个挑战,提出一种新颖的深度智能找矿靶区预测框架——多尺度特征交互框架。具体地,首先定义两个网络,即多尺度特征映射网络和多尺度特征分类网络;在此基础上,通过膨胀卷积捕获多尺度特征映射网络中不同地球化学元素的特征,并且利用多尺度分类网络处理这些特征;其次,使用元网络为多尺度分类网络生成卷积权重;最后使用自蒸馏挖掘多尺度分类网络中的隐知识用于预测。整个模型采用端到端的训练方式,大量的实验结果表明,多尺度特征交互框架与当前最先进的方法比较具有显著的竞争力。 展开更多

关键词 元学习 多尺度特征学习 知识蒸馏 找矿靶区预测

下载PDF 职称材料

结合特征学习与注意力机制的服装图像分割 被引量：3

11

作者 顾梅花 刘杰 +1 位作者 李立瑶 崔琳 《纺织学报》 EI CAS CSCD 北大核心 2022年第11期163-171,共9页

针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩... 针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩小不同层级之间的语义差距,引入残差特征增强模块减少高层特征损失,采用软感兴趣区域选择自适应地获取最优感兴趣区域特征;然后在分类预测分支引入通道注意力模块,在边界框回归与掩膜预测分支分别引入空间注意力模块,提取图像中需要重点关注的服装区域特征。结果表明,与其他方法相比,本文方法改善了小尺寸服装图像和遮挡服装图像分割中存在的漏检、漏分割现象,提取出的服装实例更精确,其平均精度均值比原模型提升了3.8%。 展开更多

关键词 服装图像分割 多尺度特征学习 一致监督策略 残差特征增强 软感兴趣区域选择 注意力机制

下载PDF 职称材料

融合多视角和多标签学习的RNA结合蛋白识别 被引量：1

12

作者 杨海涛 邓赵红 王士同 《计算机科学与探索》 CSCD 北大核心 2021年第11期2193-2205,共13页

RNA结合蛋白(RBP)是一类伴随RNA调控代谢过程与RNA结合的蛋白质的总称。一种RBP可能存在多种靶标RNA,其表达缺陷会造成多种疾病。现有的方法大都是针对某种特定的RBP设计二分类模型,预测一条RNA是否可以与之结合。但这些方法没有考虑到... RNA结合蛋白(RBP)是一类伴随RNA调控代谢过程与RNA结合的蛋白质的总称。一种RBP可能存在多种靶标RNA,其表达缺陷会造成多种疾病。现有的方法大都是针对某种特定的RBP设计二分类模型,预测一条RNA是否可以与之结合。但这些方法没有考虑到不同RBP之间的结合相似性和关联性。对此,iDeepM利用多标签深度学习法进行了改进。此方法使用多标签技术和长短时记忆网络(LSTM),学习到不同RBP之间的结合相似性,预测一条给定的RNA与多种RBP的结合情况,但是该方法未能对RNA序列进行充分的特征学习和多标签学习,预测精度较低。延续iDeepM多标签的研究方法,提出新方法RRMVL,首次使用RNA序列视角、氨基酸序列视角、RNA序列语义视角和多间隙二肽成分视角组成多视角数据来处理多标签RBP识别问题。为了利用多视角数据的不同学习优势,融合四种视角提取到的深度特征,使用逻辑回归原理对它们进行多标签特征学习,将学习后的加权特征向量输入至链式多标签分类器中训练,使之达到最优多标签链式学习的效果。实验研究表明,融合多视角和多标签学习的RNA结合蛋白识别模型预测精度较之前使用单视角方法有了明显的提升。 展开更多

关键词 多视角深度特征学习 多标签特征学习 最优多标签链式学习 RNA结合蛋白识别

下载PDF 职称材料

非限定条件下的基于全卷积神经网络的人脸检测算法研究 被引量：2

13

作者 余胜 谢莉 《韶关学院学报》 2021年第9期11-15,共5页

人脸检测是从给定的图像或视频中准确定位人脸的位置和尺度大小,是人工智能领域重点研究内容之一.针对当前人脸检中人脸尺度多样性问题,特别是小尺寸人脸检测困难问题,提出了一种基于全卷积神经网络的人脸检测模型,并设计了多尺度特征... 人脸检测是从给定的图像或视频中准确定位人脸的位置和尺度大小,是人工智能领域重点研究内容之一.针对当前人脸检中人脸尺度多样性问题,特别是小尺寸人脸检测困难问题,提出了一种基于全卷积神经网络的人脸检测模型,并设计了多尺度特征学习网络结构用于细粒度特征的学习,从而提升小尺度人脸检测的准确率.实验结果表明该算法有较高的检测准确率,在FDDB测试集中的检测准确率达到96.6%,在大大提升了人脸检测效率的同时,提高了对小尺度人脸检测的鲁棒性,具有很好的人脸检测性能. 展开更多

关键词 人脸检测 卷积神经网络 多尺度特征学习

下载PDF 职称材料

结合多尺度特征学习与特征对齐的行人重识别 被引量：1

14

作者 金子丰 卞春江 陈实 《计算机工程与应用》 CSCD 北大核心 2022年第20期132-140,共9页

利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的... 利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的分支学习局部信息,忽略了人体各部分特征间的相关性,限制模型的性能提升。在此背景下,提出了一种新的多尺度特征学习算法,结合全局与局部特征学习得到更好的行人表示,提升复杂场景下模型的识别能力。对骨干网络不同深度输出的行人特征图,通过特征对齐模块对其执行空间变换,实现行人特征在空间上的矫正和对齐,进一步增强模型的泛化性能。在公开的大型行人重识别数据集上,与当前一些流行的方法进行了比较,验证了所提方法的有效性。 展开更多

关键词 深度学习 卷积神经网络 行人重识别 多尺度特征学习 行人对齐

下载PDF 职称材料

面向图像识别的测地局部典型相关分析方法 被引量：1

15

作者 许欢 苏树智 +2 位作者 颜文婧 邓瀛灏 谢军 《电子与信息学报》 EI CSCD 北大核心 2020年第11期2813-2818,共6页

典型相关分析(CCA)是一种经典的多模态特征学习方法,能够从不同模态同时学习相关性最大的低维特征,然而难以发现隐藏在样本空间中的非线性流形结构。该文提出一种基于测地流形的多模态特征学习方法,即测地局部典型相关分析(GeoLCCA)。... 典型相关分析(CCA)是一种经典的多模态特征学习方法,能够从不同模态同时学习相关性最大的低维特征,然而难以发现隐藏在样本空间中的非线性流形结构。该文提出一种基于测地流形的多模态特征学习方法,即测地局部典型相关分析(GeoLCCA)。该方法利用测地距离构建了低维相关特征的测地散布,并进一步通过最大化模态间的相关性和最小化模态内的测地散布学习更具鉴别力的非线性相关特征。该文不仅在理论上对提出的方法进行了分析,而且在真实的图像数据集上验证了方法的有效性。 展开更多

关键词 图像识别 典型相关分析 多模态特征学习 流形学习

下载PDF 职称材料

基于多尺度特征蒸馏的轻量化图像超分辨率网络研究

16

作者 王子建 《现代电视技术》 2023年第3期132-136,共5页

大多数轻量化图像超分辨率网络采用信息蒸馏的方式进行低分辨率图像特征提取。尽管它们取得了不错的超分辨率图像重建结果,但是信息蒸馏的方式忽略了对图像内容尺度变化的建模,导致网络在处理有明显尺度变化内容时性能下降。为了解决上... 大多数轻量化图像超分辨率网络采用信息蒸馏的方式进行低分辨率图像特征提取。尽管它们取得了不错的超分辨率图像重建结果,但是信息蒸馏的方式忽略了对图像内容尺度变化的建模,导致网络在处理有明显尺度变化内容时性能下降。为了解决上述问题,本文提出了一种基于级联尺度蒸馏的轻量化图像超分辨率网络(MSDNet),并在常用的图像超分辨率数据集上进行了大量实验。定量与定性的实验结果表明了MSDNet的有效性。 展开更多

关键词 图像超分辨率 轻量化神经网络 多尺度特征学习

下载PDF 职称材料

面向多模态图像的柯西相关特征学习方法

17

作者 苏树智 谢军 +2 位作者 高鹏连 邓瀛灏 郑苹 《重庆理工大学学报（自然科学）》 CAS 北大核心 2019年第9期118-124,共7页

协方差矩阵在特征学习中至关重要,但在实际应用中难以获得真实协方差矩阵,通常是利用基于样本数据的样本协方差矩阵来逼近真实协方差矩阵,然而采集的样本数据经常是带有冗余和噪声信息的高维数据,这将导致样本协方差矩阵严重偏离真实协... 协方差矩阵在特征学习中至关重要,但在实际应用中难以获得真实协方差矩阵,通常是利用基于样本数据的样本协方差矩阵来逼近真实协方差矩阵,然而采集的样本数据经常是带有冗余和噪声信息的高维数据,这将导致样本协方差矩阵严重偏离真实协方差矩阵,进而影响特征学习方法的性能。为了解决该问题,利用柯西估计对样本协方差矩阵的奇异值进行纠正,进而形成更加接近真实协方差矩阵的柯西协方差矩阵,然后借助相关分析理论,提出面向多模态图像的柯西相关特征学习方法,即柯西典型相关分析。该方法能够同时从不同的模态学习具有强鉴别力的相关特征。实验结果显示该方法在图像识别中具有一定优越性。 展开更多

关键词 多模态特征学习 柯西协方差矩阵 相关分析 图像识别

下载PDF 职称材料

融合局部和全局特征的多视角深度学习多功能酶预测

18

作者 钟灵茜 《中文科技期刊数据库（全文版）工程技术》 2023年第4期145-149,共5页

多功能酶是一种特殊类型的酶,具有催化各种基本化学反应的能力。研究表明,多功能酶能够以不同形式催化不同的化学反应,这使得多功能酶比普通的单功能酶更具有研究和使用价值。随着机器学习的发展,人们尝试借助深度学习等计算方法来处理... 多功能酶是一种特殊类型的酶,具有催化各种基本化学反应的能力。研究表明,多功能酶能够以不同形式催化不同的化学反应,这使得多功能酶比普通的单功能酶更具有研究和使用价值。随着机器学习的发展,人们尝试借助深度学习等计算方法来处理酶功能分类问题,本文提出了一种融合局部和全局特征的多视角深度学习多功能酶分类预测模型mlCBiGCnet。在该方法中,使用卷积神经网络(CNN)和双向门控递归单元(BiGRU)组成的混合网络对酶序列深度特征进行学习,其中CNN模块用于学习酶序列的深度局部特征,BiGRU模块用于学习深度全局特征,并进一步融合为新的复合特征输入到全连接层,最后由多标签分类器得到多功能酶分类结果。此外,使用图卷积网络学习酶EC类标签相关性深度特征,用以指导酶序列多视角深度特征的学习过程。在CNN-BiGRUs模块中,利用多头注意力机制对提取的酶序列深度特征进行特征增强,以加速训练过程,提升模型性能。实验结果表明,与现有方法相比,mlCBiGCnet在子集精度、 Micro_F1_score等指标上都有了更好的表现。 展开更多

关键词 深度学习 多功能酶分类 多视角深度特征学习 局部和全局特征 多标签分类

下载PDF 职称材料

基于自适应多分辨率特征学习的CNV分型网络

19

作者 许传臻 袭肖明 +2 位作者 李维翠 孙仪 杨璐 《山东大学学报（工学版）》 CAS CSCD 北大核心 2022年第4期69-75,共7页

为解决不同脉络膜新生血管(choroidal neovascularization,CNV)类型间较小区分性带来的分型难度和光学相干断层扫描(optical coherence tomography,OCT)图像中噪声对分型精度的影响,提出自适应多分辨率特征学习的CNV分型方法,其包含多... 为解决不同脉络膜新生血管(choroidal neovascularization,CNV)类型间较小区分性带来的分型难度和光学相干断层扫描(optical coherence tomography,OCT)图像中噪声对分型精度的影响,提出自适应多分辨率特征学习的CNV分型方法,其包含多分辨率特征学习和自适应特征选择模块。在多分辨率特征学习模块中,融合具有不同类型CNV细节信息的底层特征和具有语义信息的高层特征,同时引入渐进式的训练方式增强特征表示能力。在自适应特征选择模块中,通过引入注意力机制,对最后分型起关键作用的特征进行增强,进一步提升特征的区分性。在自建的CNV数据集上进行试验,试验结果表明,评价指标上的测试评分分别为91.3%、86.6%、89.2%和90.6%。提出的自适应多分辨率特征学习的CNV分型方法优于现有的其他分类方法。 展开更多

关键词 CNV分型 自适应多分辨率特征学习 光学相干断层扫描图像 自适应特征选择 多分辨率特征学习

原文传递