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7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：
视觉弱监督学习研究进展 被引量：8
1
作者 任冬伟 王旗龙 +2 位作者 魏云超 孟德宇 左旺孟 《中国图象图形学报》 CSCD 北大核心 2022年第6期1768-1798,共31页
视觉理解,如物体检测、语义和实例分割以及动作识别等,在人机交互和自动驾驶等领域中有着广泛的应用并发挥着至关重要的作用。近年来,基于全监督学习的深度视觉理解网络取得了显著的性能提升。然而,物体检测、语义和实例分割以及视频动... 视觉理解,如物体检测、语义和实例分割以及动作识别等,在人机交互和自动驾驶等领域中有着广泛的应用并发挥着至关重要的作用。近年来,基于全监督学习的深度视觉理解网络取得了显著的性能提升。然而,物体检测、语义和实例分割以及视频动作识别等任务的数据标注往往需要耗费大量的人力和时间成本,已成为限制其广泛应用的一个关键因素。弱监督学习作为一种降低数据标注成本的有效方式,有望对缓解这一问题提供可行的解决方案,因而获得了较多的关注。围绕视觉弱监督学习,本文将以物体检测、语义和实例分割以及动作识别为例综述国内外研究进展,并对其发展方向和应用前景加以讨论分析。在简单回顾通用弱监督学习模型,如多示例学习(multiple instance learning,MIL)和期望—最大化(expectation-maximization,EM)算法的基础上,针对物体检测和定位,从多示例学习、类注意力图机制等方面分别进行总结,并重点回顾了自训练和监督形式转换等方法;针对语义分割任务,根据不同粒度的弱监督形式,如边界框标注、图像级类别标注、线标注或点标注等,对语义分割研究进展进行总结分析,并主要回顾了基于图像级别类别标注和边界框标注的弱监督实例分割方法;针对视频动作识别,从电影脚本、动作序列、视频级类别标签和单帧标签等弱监督形式,对弱监督视频动作识别的模型与算法进行回顾,并讨论了各种弱监督形式在实际应用中的可行性。在此基础上,进一步讨论视觉弱监督学习面临的挑战和发展趋势,旨在为相关研究提供参考。 展开更多
关键词 弱监督学习 目标定位 目标检测 语义分割 实例分割 动作识别
原文传递
多视野精细分析下的弱监督目标定位算法
2
作者 张英俊 贾聪聪 谢斌红 《计算机工程与设计》 北大核心 2024年第6期1750-1756,共7页
针对多尺度目标定位精度较差,难以捕获完整目标边界的问题,设计一种多视野精细分析模块并融入通道与空间注意力机制抑制背景噪声的干扰,获取多尺度目标的高分辨率特征。利用随机特征选取模块获取特征图随机位置的组合,聚合多个位置图获... 针对多尺度目标定位精度较差,难以捕获完整目标边界的问题,设计一种多视野精细分析模块并融入通道与空间注意力机制抑制背景噪声的干扰,获取多尺度目标的高分辨率特征。利用随机特征选取模块获取特征图随机位置的组合,聚合多个位置图获取最具辨别性的位置及其它位置的信息,融合浅层生成的类激活图与聚合类激活图获取细粒度位置信息,捕获完整的目标边界。与现有的弱监督定位方法相比,在解决多尺度目标定位效果差和局部最优问题上具有一定的优势。 展开更多
关键词 弱监督学习 目标定位 多尺度特征融合 注意力机制 全局平均池化 类激活图 正则化
下载PDF
融合注意力机制的弱监督纸板表面缺陷检测
3
作者 吴维崧 涂福泉 +4 位作者 罗迎九 杨家瑜 韩天宇 汪曙峰 涂楚杰 《包装工程》 CAS 北大核心 2024年第3期201-207,共7页
目的 针对目前表面缺陷检测方法因缺少实例级标签,使深度神经网络在工业检测上的应用受到限制的问题。本文面向实际的纸板表面缺陷检测任务,提出弱监督学习下融合卷积和注意力机制的神经网络算法。方法 该网络通过将通道注意力模块和梯... 目的 针对目前表面缺陷检测方法因缺少实例级标签,使深度神经网络在工业检测上的应用受到限制的问题。本文面向实际的纸板表面缺陷检测任务,提出弱监督学习下融合卷积和注意力机制的神经网络算法。方法 该网络通过将通道注意力模块和梯度类激活映射模块相结合,进一步提高类激活图的精细度,实现纸板表面缺陷的精确定位;同时通过倒残缺结构和上采样层的组合操作,进一步细化浅层特征提升网络的特征提取能力,加快网络收敛速度。结果 通过在公开的纸板缺陷数据集上进行实验,本文提出的算法在使用图像级标签训练的情况下,分类正确率与定位正确率分别达到99.0%和92.2%,验证了该算法的有效性。结论 避免了实例级标签数量较少和过于主观的缺点,为基于机器人的缺陷纸板剔除奠定了基础。 展开更多
关键词 弱监督学习 对象定位 深度学习 纸板表面缺陷检测 自注意力
下载PDF
基于对抗擦除的细粒度图像数据增强方法
4
作者 蒋海浪 刘建明 王明文 《计算机与数字工程》 2024年第5期1482-1487,1545,共7页
不同于常规图像识别,细粒度图像识别中不同类别的视觉差异往往只取决对象的细微部件,因此对于细粒度图像识别任务而言,发现对象具有判别力的细微部件发挥了重要作用。为此,文中提出了基于对抗擦除的数据增强方法(AEDA),在训练阶段首先... 不同于常规图像识别,细粒度图像识别中不同类别的视觉差异往往只取决对象的细微部件,因此对于细粒度图像识别任务而言,发现对象具有判别力的细微部件发挥了重要作用。为此,文中提出了基于对抗擦除的数据增强方法(AEDA),在训练阶段首先通过特征图定位对象最具有判别力的细微部件作为增强的部件图像,然后擦除对象最具有判别力的细微部件作为增强的互补图像。通过输入部件图像可以使网络学习对象最具有判别力的细微部件,通过输入互补图像可以迫使网络发现对象其他具有判别力的细微部件。在细粒度图像识别领域的三个经典公开数据集上的实验结果表明文中所提数据增强方法可以大幅提升模型性能且全面优于基于擦除的经典数据增强方法Cutout。此外引入定位模块(AOLM),使文中所提方法识别性能进一步提升,在CUB、Aircraft、Car数据集上分别达到了88.7%、94.2%、95.3%的识别精度。同时该方法还大幅度提升了定位性能,表明其在弱监督目标定位视觉任务的潜力。 展开更多
关键词 细粒度图像识别 数据增强 弱监督目标定位 对抗擦除
下载PDF
基于注意力机制及类别层次结构的弱监督目标定位
5
作者 冯迅 杨健 +1 位作者 周涛 宫辰 《软件学报》 EI CSCD 北大核心 2023年第10期4916-4929,共14页
弱监督目标定位是指仅利用图像级的类别标注信息来训练目标定位器,而不需要使用精确的目标位置标注信息来进行算法训练.当前的一些方法往往只能定位出目标对象中最具鉴别性的部分而无法准确地标识出完整的目标对象,或者易受背景无关信... 弱监督目标定位是指仅利用图像级的类别标注信息来训练目标定位器,而不需要使用精确的目标位置标注信息来进行算法训练.当前的一些方法往往只能定位出目标对象中最具鉴别性的部分而无法准确地标识出完整的目标对象,或者易受背景无关信息干扰从而导致定位结果不精确.为了解决上述问题,提出一种基于注意力机制和类别层次结构的弱监督目标定位方法.该方法通过对卷积神经网络的注意力图进行均值分割提取更完整的目标区域.进一步,通过类别层次结构网络实现对背景区域注意力的削弱,从而提高对感兴趣目标的定位精度.基于多个网络结构和公共数据集上的大量实验结果表明,相比目前已有的弱监督定位方法,所提方法在多个评价指标下均能够获得更好的定位效果. 展开更多
关键词 弱监督目标定位 网络注意力 背景干扰 层次结构网络 卷积神经网络(CNN)
下载PDF
一种基于区域权重平滑的弱监督目标定位方法
6
作者 刘富 罗冰 裴峥 《西华大学学报（自然科学版）》 CAS 2022年第3期1-7,共7页
由于图像类别标签的弱监督目标定位方法存在定位区域仅覆盖目标最具有显著性类别信息部位的问题,同时,区域的类别信息响应受到关键权重的影响,且关键权重的不均衡导致了定位区域响应的稀疏性,因此,提出一种基于区域权重平滑的弱监督目... 由于图像类别标签的弱监督目标定位方法存在定位区域仅覆盖目标最具有显著性类别信息部位的问题,同时,区域的类别信息响应受到关键权重的影响,且关键权重的不均衡导致了定位区域响应的稀疏性,因此,提出一种基于区域权重平滑的弱监督目标定位方法。文章设计了自适应标准差正则项,以缩小关键权重差异,从而在保留网络分类能力的同时平滑定位区域。在多个数据集上实验的结果表明,采用该方法所得的定位区域覆盖面更广,定位精度更高。 展开更多
关键词 弱监督目标定位 正则化 类别激活谱 图像分类
下载PDF
融合弱监督目标定位的细粒度小样本学习 被引量：2
7
作者 贺小箭 林金福 《中国图象图形学报》 CSCD 北大核心 2022年第7期2226-2239,共14页
目的小样本学习旨在通过一幅或几幅图像来学习全新的类别。目前许多小样本学习方法基于图像的全局表征,可以很好地实现常规小样本图像分类任务。但是,细粒度图像分类需要依赖局部的图像特征,而基于全局表征的方法无法有效地获取图像的... 目的小样本学习旨在通过一幅或几幅图像来学习全新的类别。目前许多小样本学习方法基于图像的全局表征,可以很好地实现常规小样本图像分类任务。但是,细粒度图像分类需要依赖局部的图像特征,而基于全局表征的方法无法有效地获取图像的局部特征,导致很多小样本学习方法不能很好地处理细粒度小样本图像分类问题。为此,提出一种融合弱监督目标定位的细粒度小样本学习方法。方法在数据量有限的情况下,目标定位是一个有效的方法,能直接提供最具区分性的区域。受此启发,提出了一个基于自注意力的互补定位模块来实现弱监督目标定位,生成筛选掩膜进行特征描述子的筛选。基于筛选的特征描述子,设计了一种语义对齐距离来度量图像最具区分性区域的相关性,进而完成细粒度小样本图像分类。结果在mini Image Net数据集上,本文方法在1-shot和5-shot下的分类精度相较性能第2的方法高出0.56%和5.02%。在细粒度数据集Stanford Dogs和Stanford Cars数据集上,本文方法在1-shot和5-shot下的分类精度相较性能第2的方法分别提高了4.18%,7.49%和16.13,5.17%。在CUB 200-2011(Caltech-UCSD birds)数据集中,本文方法在5-shot下的分类精度相较性能第2的方法提升了1.82%。泛化性实验也显示出本文方法可以更好地同时处理常规小样本学习和细粒度小样本学习。此外,可视化结果显示出所提出的弱监督目标定位模块可以更完整地定位出目标。结论融合弱监督目标定位的细粒度小样本学习方法显著提高了细粒度小样本图像分类的性能,而且可以同时处理常规的和细粒度的小样本图像分类。 展开更多
关键词 弱监督目标定位(WSOL) 小样本学习(FSL) 细粒度图像分类 细粒度小样本学习 特征描述子
原文传递
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