-
题名挖掘高层语义信息的电力设备图像显著性检测
被引量：4
- 1
-
-
作者
周金
-
机构
天津财经大学理工学院
-
出处
《电力信息与通信技术》
2021年第1期20-26,共7页
-
基金
国家自然科学基金项目(61502331)
2019年天津市智能制造专项基金“基于工业物联网的中低压电网智能运管云平台”(20191002)
+1 种基金
天津市自然科学基金(18JCYBJC85100)
教育部人文社会科学研究规划基金(19YJA630046)。
-
文摘
针对现有电力图像识别准确率有待提高的问题,文章提出一种电力设备图像显著性检测框架。首先提取图像的低层语义信息,选择关键特征;其次利用神经网络对超像素分割图像训练得到表征显著度的概率矩阵;然后根据图像内部结构化特性提出基于惩罚因子的结构化稀疏约束:对大概率成为显著目标的像素块用小因子惩罚,反之用大因子惩罚;最后利用判别字典实现目标背景分离。利用电网平台监控数据进行对比实验,结果表明文章的框架能够高效提取目标。
-
关键词
智能电网
低秩稀疏分解
结构稀疏化
全卷积神经网络
-
Keywords
smart grid
low rank and sparsity decomposition
structured sparsity
full convolutional neural network
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于结构稀疏化的红外图像超分辨率重建算法
- 2
-
-
作者
祁伟
李伟
陈钱
-
机构
苏州长风航空电子有限公司
南京理工大学
-
出处
《电子技术与软件工程》
2020年第3期130-131,共2页
-
文摘
本文在稀疏编码的基础上,对红外图像特性进行分析,提出了一种基于结构稀疏化的红外图像超分辨率重建算法。该算法将稀疏作为先验知识,通过对稀疏进行结构化编组,学习字典中高能量的区域,通过纹理代价函数和结构代价函数来实现图像的超分辨率重建。实验结果表明,本文算法较传统的稀疏编码方法在PSNR方面提高4-5dB,重建后的图像更加清晰,背景层次感更强。
-
关键词
稀疏编码方法
红外图像超分辨率重建算法
结构稀疏化
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN21
[自动化与计算机技术—计算机科学与技术]
-
-
题名结构稀疏模型
被引量：5
- 3
-
-
作者
刘建伟
崔立鹏
罗雄麟
-
机构
中国石油大学(北京)自动化系
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第6期1309-1337,共29页
-
基金
supported by the Basic Scientific Research Foundation of China University of Petroleum(JCXK-2011-07)
-
文摘
由于生物信息学、心理学诊断、计算语言与语音学、计算机视觉、门户网站、电子商务、移动互联网、物联网中处理高维和超高维数据的需求不断涌现,迫切需要研究具有变量选择和特征降维功能的回归和分类模型,所以以Lasso、自适应Lasso和elastic net等为代表的稀疏模型近年来在机器学习领域中非常流行.然而,这些稀疏模型没有考虑变量中存在的组结构、重叠组结构、双层稀疏结构、多层稀疏结构、树结构和图结构等结构化信息.结构稀疏模型考虑了这些结构先验信息,改善了模型对特征选择的结果和稀疏模型在相应结构稀疏化数据背景下的统计特性.结构稀疏化模型是当前稀疏学习领域的研究方向,近几年来涌现出很多研究成果,文中对主流的结构稀疏模型,如组结构稀疏模型、结构稀疏字典学习、双层结构稀疏模型、树结构稀疏模型和图结构稀疏模型进行了总结,对结构稀疏模型目标函数中包含非可微、非凸和不可分离变量的结构稀疏模型目标函数近似转换为可微、凸和可分离变量的近似目标函数的技术如控制-受控不等式(Majority-Minority,MM),Nesterov双目标函数近似方法,一阶泰勒展开和二阶泰勒展开技术,对求解结构稀疏化模型近似目标函数的优化算法如最小角回归算法、组最小角回归算法(Group Least Angle Regression,Group LARS)、块坐标下降算法(block coordinate descent algorithm)、分块坐标梯度下降算法(block coordinate gradient descent algorithm)、局部坐标下降算法(local coordinate descent algorithm)、谱投影梯度法(Spectral Projected Gradient algorithm)、主动集算法(active set algrithm)和交替方向乘子算法(Alternating Direction Method of Multipliers,ADMM)进行了比较分析,并且对结构稀疏模型未来的研究方向进行了探讨.
-
关键词
稀疏化模型
结构稀疏化模型
组结构稀疏模型
多层稀疏结构模型
树结构稀疏化模型
图结构稀疏化模型
结构稀疏字典
结构稀疏码
人工智能
-
Keywords
sparsity model
structured sparsity model
group structure sparsity model
multi-layer Sparse structure model
tree structure sparse model
graph structure sparse model
structured sparse dictionary learning
structured sparse coding
artificial intelligence
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
