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
共找到5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：
基于改进YOLOv5算法的复杂场景交通目标检测 被引量：15
1
作者 顾德英 罗聿伦 李文超 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第8期1073-1079,共7页
实时的交通场景目标检测是实现电子监控、自动驾驶等功能的先决条件.针对现有的目标检测算法检测效率不高,以及大多数轻量化目标检测算法模型精度较低,容易误检、漏检目标的问题,本文通过改进YOLOv5目标检测算法来进行模型训练,再使用... 实时的交通场景目标检测是实现电子监控、自动驾驶等功能的先决条件.针对现有的目标检测算法检测效率不高,以及大多数轻量化目标检测算法模型精度较低,容易误检、漏检目标的问题,本文通过改进YOLOv5目标检测算法来进行模型训练,再使用伪标签策略对训练过程进行优化,然后在KITTI交通目标数据集上将标签合并为3类,对训练出的模型进行测试.实验结果表明,改进的YOLOv5最终模型在该所有类别上的mAP达到了92.5%,对比原YOLOv5训练的模型提高了3%.最后将训练的模型部署到Jetson Nano嵌入式平台上进行推理测试,并通过TensorRT加速推理,测得平均每帧图像的推理时间为77 ms,可以实现实时检测的目标. 展开更多
关键词 深度学习 目标检测 YOLOv5算法 伪标签训练 嵌入式平台
下载PDF
半监督TS网络模型在齿轮故障诊断中的应用
2
作者 陈保家 阮宇豪 +3 位作者 陈法法 肖文荣 李公法 陶波 《机械科学与技术》 CSCD 北大核心 2024年第7期1249-1256,共8页
为解决在工业大数据条件下,有标签样本少导致机械故障诊断准确率低的问题,提出了一种半监督神经网络模型。该方法采用协同训练的方式,从时域和频域两个维度训练教师网络(T),将无标签数据转化为高质量的伪标签数据。再利用转化后的伪标... 为解决在工业大数据条件下,有标签样本少导致机械故障诊断准确率低的问题,提出了一种半监督神经网络模型。该方法采用协同训练的方式,从时域和频域两个维度训练教师网络(T),将无标签数据转化为高质量的伪标签数据。再利用转化后的伪标签数据训练学生网络(S),通过对数据进行评判和计分,避免网络过拟合。最后通过得分函数,对伪标签数据进行阶梯筛选成为有标签数据。齿轮故障诊断结果表明:TS网络在仅有少量有标签数据的情况下,故障分类准确率达90.31%,与其他半监督方法相比,准确率高出15%~20%。在信噪比(SNR)为5、0、-5的条件下,模型可以达到86.81%、78.00%、52.78%的诊断准确率。 展开更多
关键词 齿轮故障诊断 伪标签学习 抗噪性 协同训练
下载PDF
虚拟对抗训练的跨域块对比半监督细胞核分割
3
作者 陈子铭 宣士斌 《计算机技术与发展》 2024年第6期37-44,共8页
针对目前细胞核的半监督对比学习语义分割质量高度依赖于平滑、正确伪标签的预测等问题,提出了虚拟对抗训练的跨域块对比学习半监督细胞核语义分割方法。该方法将虚拟对抗训练(VAT)方法融入到跨域块对比学习半监督细胞核语义分割模型中... 针对目前细胞核的半监督对比学习语义分割质量高度依赖于平滑、正确伪标签的预测等问题,提出了虚拟对抗训练的跨域块对比学习半监督细胞核语义分割方法。该方法将虚拟对抗训练(VAT)方法融入到跨域块对比学习半监督细胞核语义分割模型中用以提升网络预测伪标签的平滑度与准确度,并使用像素自加权的一致性正则化损失替换原有的人工设置高置信度阈值的一致性正则化损失,对图像中各像素的损失自加权,正确地对网络预测的伪标签进行有效利用。实验结果表明,在有标签图片比例为1/32,1/16和1/8下,该方法在MoNuSeg数据集上的医学图像分割评估指标Dice系数和Jaccard系数分别较CDCL模型提升了0.96百分点和1.11百分点,0.74百分点和0.85百分点,1.40百分点和2.00百分点,在DSB数据集上的Dice系数和Jaccard系数分别较CDCL模型提升了1.69百分点和2.27百分点,1.47百分点和2.19百分点,1.24百分点和1.77百分点。 展开更多
关键词 细胞核语义分割 半监督跨域块对比学习 伪标签 虚拟对抗训练 不确定性估计
下载PDF
基于对抗训练的伪标签约束自编码器 被引量：1
4
作者 富坤 孙明磊 +1 位作者 郝玉涵 刘赢华 《计算机工程》 CAS CSCD 北大核心 2023年第11期123-130,共8页
社会网络的节点经常存在标注缺失、标注错误和人工标注成本高的现象,这种现象对监督或半监督的网络表示学习效果产生了不利的影响。提出一个自监督学习的网络表示学习模型——基于对抗训练的伪标签约束自编码器(AT-PLCAE)。设计一个伪... 社会网络的节点经常存在标注缺失、标注错误和人工标注成本高的现象,这种现象对监督或半监督的网络表示学习效果产生了不利的影响。提出一个自监督学习的网络表示学习模型——基于对抗训练的伪标签约束自编码器(AT-PLCAE)。设计一个伪标签约束自编码器,通过缩短原始图的伪标签和网络表示的伪标签之间的距离,减少编码过程中产生的信息损失,约束和引导模型有效学习。同时,设计与伪标签约束自编码器相适应的对抗网络,组织表示的潜在空间结构。将潜在表示后验分布与输入的特定先验分布相匹配后,该模型能够缓解过拟合问题并提升模型的泛化能力。在Cora、Citeseer、Wiki和Pubmed这4个公开数据集上进行节点分类实验,结果表明,AT-PLCAE模型在分类准确率方面学习效果优于基准方法,与基准方法的最高分类准确率相比,在Cora数据集上提升0.018,在Citeseer和Pubmed数据集上均提升0.011。同时消融实验结果表明,针对伪标签约束自编码器的对抗训练增强了模型的泛化能力。 展开更多
关键词 自监督学习 网络表示学习 伪标签 自编码器 对抗训练 泛化
下载PDF
基于不确定性加权混合训练的无源域自适应
5
作者 关新宇 孙涵 《计算机技术与发展》 2023年第11期135-142,共8页
针对无源域数据的域自适应问题中源模型中的源知识得不到充分利用以及目标数据内在结构信息会被忽略的问题,提出了一种基于不确定性指导的加权混合训练的无源域数据的域自适应框架。首先在通道级对源模型预测的不确定性进行量化,将目标... 针对无源域数据的域自适应问题中源模型中的源知识得不到充分利用以及目标数据内在结构信息会被忽略的问题,提出了一种基于不确定性指导的加权混合训练的无源域数据的域自适应框架。首先在通道级对源模型预测的不确定性进行量化,将目标数据同时输入到源特征提取器和目标特征提取器,在通道级计算目标特征与源模型之间的不确定性距离,衡量源知识对目标模型的可迁移的不确定性,并利用它来指导对目标数据的适应过程。同时考虑到目标数据的内在结构信息,从源知识和目标数据两个方面考虑伪标签的置信度,以降低噪声伪标签的影响。最后对目标样本进行混合训练,并根据置信度得分对目标样本进行加权,以提高目标模型的鲁棒性。在Office-31,Office-Home和VisDA-C 3个域自适应基准数据集上分别取得了90.5%,72.8%,85.9%的分类效果,大量的对比实验及消融分析都证明了所提出的基于不确定性指导加权混合训练的框架具备良好的迁移能力。 展开更多
关键词 域自适应 无源域数据 不确定性 伪标签 混合训练
下载PDF
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
使用帮助 返回顶部