基于深度学习模型的城市高分辨率遥感影像不透水面提取 被引量：18

1

作者 蔡博文 王树根 +1 位作者 王磊 邵振峰 《地球信息科学学报》 CSCD 北大核心 2019年第9期1420-1429,共10页

不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不... 不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不透水面提取模型。首先,利用深度卷积神经网络对影像特征进行提取;然后,根据其邻域关系构建概率图学习模型,进一步引入高阶语义信息对特征进行优化,实现不透水面的精确提取。本文选取武汉市为实验区,以高分二号卫星遥感影像作为数据源,完成了不透水面专题信息提取,其中自动提取准确率在建成区为89.02%、在城乡结合部为95.55%。与随机森林(RF)和支持向量机(SVM)等经典方法对比,结果表明深度学习不透水面提取方法有较高的提取精度和细节准确性,建成区的总体精度相比于RF和SVM算法分别提升2.18%和1.68%。最后,对武汉市各主要行政区不透水面信息进行统计和分析,结果表明其中江汉区和武昌区2个核心主城区不透水面占比超过60%,并对武汉市现状和发展规划特点进行了讨论。本文研究成果可为海绵城市和生态城市的建设提供基础技术支撑和数据参考。 展开更多

关键词 不透水面 深度学习 高分辨率遥感影像 卷积神经网络 概率图模型 武汉市

原文传递

深空探测器任务规划认知图谱及多属性约束冲突检测 被引量：2

2

作者 柳景兴 王彬 +1 位作者 毛维杨 熊新 《深空探测学报（中英文）》 CSCD 北大核心 2023年第1期88-96,共9页

针对深空探测器任务规划中多子系统协同机制中的多约束问题,提出一种深空探测任务规划认知图谱构架及多属性约束冲突检测方法。采用图表示方法实现任务规划的知识建模,将状态转移图解构为三元组实现任务规划过程中的规则匹配,并基于图... 针对深空探测器任务规划中多子系统协同机制中的多约束问题,提出一种深空探测任务规划认知图谱构架及多属性约束冲突检测方法。采用图表示方法实现任务规划的知识建模,将状态转移图解构为三元组实现任务规划过程中的规则匹配,并基于图模型推理方法提出多属性约束冲突检测算法,从而实现多子系统任务规划的认知推理和约束冲突检验。使用不同规模的深空探测任务规划算例对本文方法进行了仿真实验,实验结果显示与遗传算法、传统启发式算法、带约束的启发式算法及进化神经网络算法相比,本文方法可有效缩短规划的求解时间,缩小解空间并且降低内存消耗,有效提升了深空探测任务规划的成功率和可行性。 展开更多

关键词 深空探测 认知图谱 图模型 自主任务规划 多约束检验

下载PDF 职称材料

基于金字塔分割和时空注意力的视频行人重识别 被引量：1

3

作者 王洪元 徐志晨 +2 位作者 陈海琴 丁宗元 李鹏辉 《常州大学学报（自然科学版）》 CAS 2023年第2期66-76,共11页

针对视频行人重识别任务中存在的行人外观、遮挡等问题,研究并设计了一个基于金字塔分割和注意力机制的视频行人重识别模型。首先,为了增强图模型对行人局部特征的识别能力,提出了多个尺度的水平金字塔分割方法,将各特征分别分割成不同... 针对视频行人重识别任务中存在的行人外观、遮挡等问题,研究并设计了一个基于金字塔分割和注意力机制的视频行人重识别模型。首先,为了增强图模型对行人局部特征的识别能力,提出了多个尺度的水平金字塔分割方法,将各特征分别分割成不同大小的区域,并池化成统一尺寸后输入图模型。另外,鉴于简单的时空注意模块容易因遮挡破坏行人特征,因此使用时空相关注意力方法改进时空注意模块,逐步学习并聚合空间局部信息,同时在时序上相互作用,抑制行人干扰特征并增强判别特征。将模型在Mars和DukeMTMC-VideoReID两个数据集上进行了评估,实验结果证实了文中提出方法的有效性。 展开更多

关键词 视频行人重识别 深度学习 图模型 注意力机制 加权损失策略

下载PDF 职称材料

改进的自适应深层图模型

4

作者 陈威 石瑞雪 温秀梅 《河北建筑工程学院学报》 CAS 2023年第4期207-213,共7页

图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生... 图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生。为了解决这些限制,在图变换网络的基础上,提出了图跳跃知识转换网络深层图模型,该网络自适应地识别原始图上节点之间潜在的深层连接,同时以端到端的方式学习新图上有效的节点表示。为了适应局部邻域属性和任务,在跳跃知识转换层学习了边类型和复合关系的软选择,以生成有用的多跳连接,灵活利用每个节点不同的邻域范围来实现更好的结构感知表示,从而学习高阶语义信息。图跳跃知识转换网络模型可以与最先进的同构图模型进行结合,在性能上得到了很大的提升。 展开更多

关键词 消息聚合 图跳跃知识转换网络 深层图模型 元路径 高阶语义信息

下载PDF 职称材料

基于图模型与加权损失策略的视频行人重识别研究 被引量：2

5

作者 徐志晨 王洪元 +1 位作者 齐鹏宇 欣子豪 《计算机应用研究》 CSCD 北大核心 2022年第2期598-603,共6页

针对监控视频中行人外观、姿态相似等现象导致的视频行人重识别准确率低的问题进行了研究,提出了一种基于图模型的视频行人重识别方法,有效利用了视频中的时序信息,实现跨帧及帧内区域的信息交互。具体来说,利用跨帧分块区域间的关联信... 针对监控视频中行人外观、姿态相似等现象导致的视频行人重识别准确率低的问题进行了研究,提出了一种基于图模型的视频行人重识别方法,有效利用了视频中的时序信息,实现跨帧及帧内区域的信息交互。具体来说,利用跨帧分块区域间的关联信息建立区域节点间的固有关系,并进行特征传播迭代更新区域信息。另一方面,在度量学习过程中,提出了一种加权损失函数策略,这个方法将先前挖掘策略中的二进制分配法(即丢弃或保留该样本)优化为连续分数分配法,解决了可用样本未被有效利用的问题。将模型在MARS和DukeMTMC-VideoReID两个数据集上进行了评估,实验结果证实了提出方法的有效性。 展开更多

关键词 视频行人重识别 深度学习 图模型 加权损失策略 注意力机制

下载PDF 职称材料

深度图注意力聚类网络

6

作者 苏晓明 斯琴 +1 位作者 王海波 董建敏 《新一代信息技术》 2021年第18期5-9,共5页

聚类是数据分析的一个重要任务。随着深度学习思想的普及,深度聚类算法取得了突破性进展,但是目前的深度聚类算法只注重信息的整体表达能力,忽略信息的重要度以及数据的结构信息。针对此问题,本文提出了一种基于图注意力机制的深度聚类... 聚类是数据分析的一个重要任务。随着深度学习思想的普及,深度聚类算法取得了突破性进展,但是目前的深度聚类算法只注重信息的整体表达能力,忽略信息的重要度以及数据的结构信息。针对此问题,本文提出了一种基于图注意力机制的深度聚类网络,首先根据输入数据特点建立图结构数据。在此基础上,根据邻居结点重要度,采用多头注意力机制提取包含图结构的加权特征信息,利用自动编码器提取原数据的全局信息,将不同层的全局表达与对应图结构信息相连,通过随机梯度下降与反向传播来优化基于KL散度聚类损失和重建损失的加权和,学习网络表征及其簇分配,在公开数据集上的实验中验证了文中算法的优越性。 展开更多

关键词 深度聚类网络 图模型 结构信息 多头注意力机制

下载PDF 职称材料

一种新颖的深度因果图建模及其故障诊断方法 被引量：6

7

作者 唐鹏 彭开香 董洁 《自动化学报》 EI CAS CSCD 北大核心 2022年第6期1616-1624,共9页

为了实现复杂工业过程故障检测和诊断一体化建模,提出了一种新颖的深度因果图建模方法.首先,利用循环神经网络建立深度因果图模型,将Group Lasso稀疏惩罚项引入到模型训练中,自动地检测过程变量间的因果关系.其次,利用模型学习到的条件... 为了实现复杂工业过程故障检测和诊断一体化建模,提出了一种新颖的深度因果图建模方法.首先,利用循环神经网络建立深度因果图模型,将Group Lasso稀疏惩罚项引入到模型训练中,自动地检测过程变量间的因果关系.其次,利用模型学习到的条件概率预测模型对每个变量建立监测指标,并融合得到综合指标进行整体工业过程故障检测.一旦检测到故障,对故障样本构建变量贡献度指标,隔离故障相关变量,并通过深度因果图模型的局部因果有向图诊断故障根源,辨识故障传播路径.最后,通过田纳西-伊斯曼过程进行仿真验证,实验结果验证了所提方法的有效性. 展开更多

关键词 深度因果图模型 故障检测 根源诊断 传播路径辨识 Group Lasso

下载PDF 职称材料

基于姿态估计的人体异常行为识别算法 被引量：3

8

作者 李建更 谢海征 《北京工业大学学报》 CAS CSCD 北大核心 2022年第7期710-720,共11页

为了及时、准确地检测视频监控下人体异常行为的发生,提出一种基于姿态估计的人体异常行为识别算法.该算法首先利用基于深度学习的人体姿态估计算法提取人体的骨骼关键点坐标,组成包含空间信息和时间序列信息的时空图模型,模型中每个节... 为了及时、准确地检测视频监控下人体异常行为的发生,提出一种基于姿态估计的人体异常行为识别算法.该算法首先利用基于深度学习的人体姿态估计算法提取人体的骨骼关键点坐标,组成包含空间信息和时间序列信息的时空图模型,模型中每个节点对应于人体的一个关节,同时包含2种类型的边,一种是符合人体关节自然连通性的空间边,另一种是跨越连续时间的时序边;然后,对时空图进行多阶段的时空图卷积操作,提取高级特征;最后,用Softmax分类器进行行为分类,得到行为结果并判断是否为异常行为.在KTH单人数据集和HMDB51多人交互数据集上进行对比实验,与当前先进的方法相比,在准确率方面取得了较好的结果.对实时视频进行测试,实时检测识别帧率达到25帧/s,可实现实时处理监控视频. 展开更多

关键词 人体异常行为 人体姿态估计 深度学习 时空图模型 时空图卷积网络 实时检测识别

下载PDF 职称材料

融合图神经网络模型与强化学习的综合能源系统优化调度 被引量：2

9

作者 王新 张良 +5 位作者 任晓龙 曾逸舟 司恒斌 陈曦 杨乐 张志宏 《电力系统保护与控制》 EI CSCD 北大核心 2023年第24期102-110,共9页

随着人工智能技术特别是强化学习在能源优化调度领域的深入研究,将系统状态表示为向量用于学习的模式,其训练效率与信息利用率较低。针对这一问题,提出了一种融合图神经网络模型与强化学习的综合能源系统优化调度方法。首先,将电-热-气... 随着人工智能技术特别是强化学习在能源优化调度领域的深入研究,将系统状态表示为向量用于学习的模式,其训练效率与信息利用率较低。针对这一问题,提出了一种融合图神经网络模型与强化学习的综合能源系统优化调度方法。首先,将电-热-气综合能源系统建模为图结构数据,充分利用系统的拓扑信息。其次,提出了基于图神经网络架构的强化学习模型,使其可以充分利用图结构信息实现更快的训练速度,获得更大的探索空间。最后,将表示系统状态的图结构信息送入该模型进行训练,算例仿真验证了该方法的训练效率与探索能力。 展开更多

关键词 电-热-气综合能源系统 优化调度 深度强化学习 图神经网络模型

下载PDF 职称材料

深度强化学习结合图注意力模型求解TSP问题 被引量：3

10

作者 王扬 陈智斌 +1 位作者 杨笑笑 吴兆蕊 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第3期420-429,共10页

旅行商问题(Traveling Salesman Problem,TSP)是组合最优化问题(Combinatorial Optimization Problem,COP)中的经典问题,多年以来一直被反复研究.近年来深度强化学习(Deep Reinforcement Learning,DRL)在无人驾驶、工业自动化、游戏等... 旅行商问题(Traveling Salesman Problem,TSP)是组合最优化问题(Combinatorial Optimization Problem,COP)中的经典问题,多年以来一直被反复研究.近年来深度强化学习(Deep Reinforcement Learning,DRL)在无人驾驶、工业自动化、游戏等领域的广泛应用,显示了强大的决策力和学习能力.结合DRL和图注意力模型,通过最小化路径长度求解TSP问题.改进REINFORCE算法,训练行为网络参数,可以有效地减小方差,防止局部最优;在编码结构中采用位置编码(Positional Encoding,PE),使多重的初始节点在嵌入的过程中满足平移不变性,可以增强模型的稳定性;进一步结合图神经网络(Graph Neural Network,GNN)和Transformer架构,首次将GNN聚合操作处理应用到Transformer的解码阶段,有效捕捉图上的拓扑结构及点与点之间的潜在关系.实验结果显示,模型在100-TSP问题上的优化效果超越了目前基于DRL的方法和部分传统算法. 展开更多

关键词 深度强化学习 旅行商问题 图注意力模型 图神经网络 组合最优化

下载PDF 职称材料

基于新分区策略的ST-GCN人体动作识别

11

作者 杨世强 李卓 +3 位作者 王金华 贺朵 李琦 李德信 《计算机集成制造系统》 EI CSCD 北大核心 2023年第12期4040-4050,共11页

人体动作识别是智能监控、人机交互、机器人等领域的一项重要技术,基于人体骨架序列的动作识别方法在面对复杂背景以及人体尺度、视角和运动速度等变化时具有先天优势。时空图卷积神经网络模型(ST-GCN)在人体行为识别中具有卓越的识别性... 人体动作识别是智能监控、人机交互、机器人等领域的一项重要技术,基于人体骨架序列的动作识别方法在面对复杂背景以及人体尺度、视角和运动速度等变化时具有先天优势。时空图卷积神经网络模型(ST-GCN)在人体行为识别中具有卓越的识别性能,针对ST-GCN网络模型中的分区策略只关注局部动作的问题,设计了一种新的分区策略,通过关联根节点与更远节点,加强身体各部分信息联系和局部运动之间的联系,将根节点的相邻区域划分为根节点本身、向心群、远向心群、离心群和远离心群等5个区域,同时为各区域赋予不同的权重,提升了模型对整体动作的感知能力。最后,分别在公开数据集和真实场景下进行实验测试,结果表明,在大规模数据集Kinetics-skeleton上获得了31.1%的Top-1分类准确率,相比原模型提升了0.4%;在NTU-RGB+D的两个子数据集上分别获得了83.7%和91.6%的Top-1性能指标,相比原模型提升了2.3%和3.3%;在真实场景下,所提模型对动作变化明显且区别大的动作如俯卧撑和慢跑识别率高,对局部运动和动作变化相近的动作如鼓掌和摇头识别率偏低,尚有进一步提高的空间。 展开更多

关键词 动作识别 深度学习 时空图卷积神经网络模型 分区策略 骨架序列

下载PDF 职称材料