检索结果-内蒙古大学图书馆

作者：赵鸿飞北方工业大学

学位级别：硕士

近年来,视频事件检测在计算机视觉领域受到了越来越多的关注,视频事件检测不仅需要识别视频中特定事件类别,还需要对事件的时空位置进行定位。在现实中,视频事件检测在自动驾驶、无人机监控和显微图像等方面的应用也越来越广泛。本文围... 详细信息

近年来,视频事件检测在计算机视觉领域受到了越来越多的关注,视频事件检测不仅需要识别视频中特定事件类别,还需要对事件的时空位置进行定位。在现实中,视频事件检测在自动驾驶、无人机监控和显微图像等方面的应用也越来越广泛。本文围绕视频事件检测进行了不确定性估计方法和自监督学习策略的研究工作。通过研究时空域不确定性,可以在输出检测结果不可靠时提醒决策系统或人员,从而减少决策失误。与推土距离相结合的自监督学习框架则缓解了医学显微图像领域中较严重的样本不足的问题。本文的主要工作如下:(1)提出了一种融合时空域不确定性的视频事件检测算法,在完成视频事件的分类及定位任务的基础上,估计网络预测结果的时域和空域不确定性。对于分类任务,构建了时域不确定性估计模块,通过计算分类预测特征向量的均值和方差表示分类预测值和时域不确定性;对于定位任务,提出了空域不确定性估计模块,为预测框的四界构建高斯分布,以方差量化空域不确定性。此外,进一步提出了一种时空域不确定性的预测框筛选策略,分别构建了基于时域不确定性的门限筛选方法和基于空域不确定性的非极大值抑制方法,利用不确定性修正预测结果。(2)构建了一种基于自监督学习策略的细胞动态视频事件检测算法框架。本文首先构建小鼠淋巴细胞动态变化视频数据集,对细胞变化剧烈程度进行标定,其标签值大小反映了剧烈程度高低。其次构建了细胞动态视频事件检测框架,在该框架中,通过细胞分割和事件分类网络完成对淋巴细胞的定位和分类任务。同时,为了缓解细胞动态数据集数据量不充足的问题,提出了一种自监督学习策略,该策略假定:以不同间隔对细胞动态视频的抽样可看作是对视频进行“快放”和“慢放”操作,由此构建了基于推土距离的自监督学习策略。

关键词：视频事件检测不确定性估计自监督学习

来源：评论

学校读者我要写书评

暂无评论

基于不确定性估计的半监督肺部CT影像新冠肺炎病灶分割方法研究

基于不确定性估计的半监督肺部CT影像新冠肺炎病灶分割方法研究

引用

作者：汪洋云南大学

学位级别：硕士

在新型冠状病毒肺炎(COVID-19)的诊疗中,专业医师通过观察患者肺部CT影像病灶情况判断病情,这和标签为分割图的医学影像分割任务类似,目的在于提取目标影像中感兴趣的区域,如病灶、组织器官等,由于CT影像数量较多,专业医师工作量较大,... 详细信息

在新型冠状病毒肺炎(COVID-19)的诊疗中,专业医师通过观察患者肺部CT影像病灶情况判断病情,这和标签为分割图的医学影像分割任务类似,目的在于提取目标影像中感兴趣的区域,如病灶、组织器官等,由于CT影像数量较多,专业医师工作量较大,因此利用计算机辅助医师诊疗有重要意义。医学影像常缺少金标准数据,从半监督学习角度出发,可以减少对金标准数据的依赖。一些半监督分割方法通过一致性正则化得到高质量伪标签,但是没有考虑估计伪标签的不确定性;协同训练是一种半监督学习方法,标准协同训练的问题在于若互相标记了质量较差的伪标签,那么基础网络的训练性能会下降。针对上述问题,本文从协同训练角度提出:(1)分析标准协同训练方法存在的不足,以协同训练框架为基础,提出一种基于不确定性估计的半监督肺部CT影像新冠肺炎病灶分割方法;(2)在本文方法中,首先提出通过集成方式减轻标准协同训练出现的伪标签质量较低问题,同时提出根据基础网络之间的训练损失动态计算集成伪标签时的加权系数;(3)一般来说,需要设定阈值将网络输出概率分布转换为伪标签,本文方法在自动阈值生成伪标签的情况下,使用JS距离对伪标签的不确定性进行建模改善伪标签的监督损失;(4)在公开和收集的私有数据集上进行实验,和现有半监督分割方法对比,在基于相似度和基于混淆矩阵的评价指标上均有所提升。

关键词：半监督学习医学影像分割协同训练伪标签不确定性估计

来源：评论

学校读者我要写书评

暂无评论

基于不确定性估计的类增量学习方法研究

基于不确定性估计的类增量学习方法研究

引用

作者：彭博天津理工大学

学位级别：硕士

增量学习是指在现有知识的基础上,通过学习新的任务和数据,不断更新和优化旧模型的过程。本文主要聚焦类增量学习当前存在的问题和挑战。为了解决上述问题,本文首先提出了一种基于不确定性校正的类增量学习方法。该方法首先针对新任务... 详细信息

增量学习是指在现有知识的基础上,通过学习新的任务和数据,不断更新和优化旧模型的过程。本文主要聚焦类增量学习当前存在的问题和挑战。为了解决上述问题,本文首先提出了一种基于不确定性校正的类增量学习方法。该方法首先针对新任务分类器对旧数据过分自信地情况进行约束,缓解可能出现的过拟合问题。其次,本文还提出了一种基于证据理论的类增量学习方法,该方法对新旧模型的输出的不确定性估计进行知识蒸馏,以充分利用旧模型输出的分布信息提升模型的增量学习能力。具体来说,本文的主要内容如下: 在类增量学习的设置下,新任务分类器对大量的旧样本错误地输出了一个较小的不确定性;较小的不确定性估计意味着分类器对其预测结果非常确定,这导致模型错误地将旧样本识别为新任务数据。为了解决这一问题,本文提出了一种基于不确定性校正的类增量学习方法。对新任务分类器将旧数据错误的输出较高的不确定性估计的情况进行校正,以此来减轻新任务分类器对旧数据过分自信的情况。目前,现有基于知识蒸馏的类增量学习方法未充分利用旧任务模型输出的分布信息,特别是预测的不确定性估计。因此,本文还提出了一个基于证据理论的知识蒸馏算法。通过对分类器输出的不确定性估计进行知识蒸馏,使得新任务模型能够充分利用旧任务模型输出的分布信息。同时,在模型的分类阶段,同时考虑分类器输出的概率和不确定性,以减少模型错误地将旧样本分类为新任务的情况。

关键词：类增量学习不确定性估计计算机视觉图像分类

来源：评论

学校读者我要写书评

暂无评论

面向自动驾驶感知的快速不确定性估计方法

引用

汽车工程学报 2024年第5期14卷 772-780页

作者：王潇赵洋程洪电子科技大学自动化工程学院成都611731

在自动驾驶的视觉感知任务中,准确且快速提取认知不确定性和偶然不确定性对有效解决自动驾驶的预期功能安全问题至关重要。传统方法中,如Monte-Carlo Dropout和Deep Ensembles,通过采样不同子模型的预测结果来估计不确定性,这使在模型... 详细信息

在自动驾驶的视觉感知任务中,准确且快速提取认知不确定性和偶然不确定性对有效解决自动驾驶的预期功能安全问题至关重要。传统方法中,如Monte-Carlo Dropout和Deep Ensembles,通过采样不同子模型的预测结果来估计不确定性,这使在模型推理阶段不确定性估计速度很慢且容易占用处理器大量内存。针对Monte-Carlo Dropout不确定性估计速度较慢及其后续检测结果选取的问题,提出了一种快速Monte-Carlo Dropout方法及后续检测结果校正的方法。此方法使用多头机制替换了Monte-Carlo Dropout传统的多次采样机制,节省了采样时间,进而节省了整个不确定性估计阶段的推理时间。

关键词：自动驾驶不确定性估计目标检测预期功能安全

来源：评论

学校读者我要写书评

暂无评论

结合不确定性估计的轻量级人体关键点检测算法

引用

电子技术应用 2023年第10期49卷 40-45页

作者：王亚东秦会斌杭州电子科技大学新型电子器件与应用研究所浙江杭州310018

人体关键点检测在智能视频监控、人机交互等领域有重要应用。针对基于热图的人体关键点检测算法依赖高分辨率热图、计算资源消耗大的问题,提出一种结合不确定性估计的轻量级算法。使用低分辨率热图,结合不确定性估计预测误差分布的尺度... 详细信息

人体关键点检测在智能视频监控、人机交互等领域有重要应用。针对基于热图的人体关键点检测算法依赖高分辨率热图、计算资源消耗大的问题,提出一种结合不确定性估计的轻量级算法。使用低分辨率热图,结合不确定性估计预测误差分布的尺度参数,提高了预测结果的可信度;利用尺度参数监督和约束热图,缓解梯度消失,增强了网络的鲁棒性。COCO数据集上实验结果表明,与积分姿态回归算法相比,改进后算法的平均精度提高了3.3%,降低了资源占用。

关键词：人体关键点检测不确定性估计轻量级积分姿态回归

来源：评论

学校读者我要写书评

暂无评论

基于不确定性估计的医学影像标志点定位

引用

计算机系统应用 2023年第10期32卷 1-9页

作者：叶子杨余海洋复旦大学计算机科学技术学院上海200438

基于热力图的方法是当前医学影像标志点定位算法中的主流方法,然而,现有方法几乎都使用预定义的热力图作为标签,不能很好地表示真实的标志点位置分布,从而限制了模型的性能.为此,本文提出基于不确定性估计的医学影像标志点定位算法,同... 详细信息

基于热力图的方法是当前医学影像标志点定位算法中的主流方法,然而,现有方法几乎都使用预定义的热力图作为标签,不能很好地表示真实的标志点位置分布,从而限制了模型的性能.为此,本文提出基于不确定性估计的医学影像标志点定位算法,同时预测标志点位置及其分布.模型利用多分支空洞卷积提取多尺度的上下文信息,同时使用自注意力机制强化重要特征,从而在预测分布的同时提高算法的定位能力.在公开数据集上的结果表明,本文提出的算法整体上提升了标志点定位的性能,在大部分指标上优于现有算法,并且其预测出的标志点分布与真实标注下的标志点分布相符.

关键词：医学影像分析标志点定位不确定性估计热力图深度学习

来源：评论

学校读者我要写书评

暂无评论

基于形状引导和不确定性估计的半监督三维医学图像分割

引用

计算技术与自动化 2024年第4期43卷 110-116页

作者：宋文彪许叶彤王毅杜晓刚雷涛陕西科技大学电子信息与人工智能学院陕西西安710021 陕西科技大学陕西省人工智能联合实验室陕西西安710021

在基于深度学习方法的医学图像分割任务中,通常需要大量的标记数据。然而,获得可靠的标注是昂贵且耗时的。为此,提出了一种新的框架,采用具有形状约束和不确定性估计的双一致性正则化半监督方法,用于3D医学图像分割。首先,引入了一种基... 详细信息

在基于深度学习方法的医学图像分割任务中,通常需要大量的标记数据。然而,获得可靠的标注是昂贵且耗时的。为此,提出了一种新的框架,采用具有形状约束和不确定性估计的双一致性正则化半监督方法,用于3D医学图像分割。首先,引入了一种基于学习目标区域的形状约束,通过联合学习两个网络的输出,加强几何形状约束,从而学习更可靠的信息。其次,设计了一种分割网络,以生成不同尺度的特征图,并引入了多尺度一致性损失来增强其稳定性。然而,由于这些特征图的空间分辨率不同,直接在每个像素上强制一致性可能导致不可靠的结果和信息丢失。因此,进一步提出了一种基于不确定性估计的多尺度一致性学习,以逐步学习有意义和可靠的特征区域,并增强模型的鲁棒性。实验结果表明,由于强大的无标记数据的知识挖掘能力,本文所提出的方法优于流行的半监督医学图像分割方法。

关键词： 3D医学图像分割半监督学习形状约束不确定性估计

来源：评论

学校读者我要写书评

暂无评论

自动驾驶目标检测不确定性估计方法综述

引用

汽车工程学报 2024年第5期14卷 760-771页

作者：赵洋王潇蔡柠泽程洪电子科技大学自动化工程学院成都611731

随着自动驾驶技术的发展,目标检测的准确性和可靠性变得至关重要。深度学习作为自动驾驶系统中的核心组成部分,其预测结果的不确定性估计对于系统的安全性和稳定性具有显著影响。总结了深度学习不确定性估计理论在自动驾驶目标检测中的... 详细信息

随着自动驾驶技术的发展,目标检测的准确性和可靠性变得至关重要。深度学习作为自动驾驶系统中的核心组成部分,其预测结果的不确定性估计对于系统的安全性和稳定性具有显著影响。总结了深度学习不确定性估计理论在自动驾驶目标检测中的应用,并探讨了有效的不确定性评价体系的重要性。介绍了深度学习不确定性估计的基本理论,包括贝叶斯神经网络、蒙特卡洛方法以及集成学习方法等。这些方法通过不同的途径量化模型预测的不确定性,为自动驾驶系统提供了更丰富的信息。深入探讨了自动驾驶目标检测中不确定性估计的应用。通过案例分析,展示了如何利用不确定性信息来提高目标检测的准确性,特别是在面对复杂环境和极端条件时,不确定性估计可以作为决策支持,帮助系统避免潜在的风险。总结了自动驾驶目标检测不确定性估计评价指标,同时,考虑了模型的预测性能、不确定性估计的准确性。

关键词：自动驾驶目标检测深度学习不确定性估计

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的碳酸盐岩测井相识别及不确定性估计方法

基于机器学习的碳酸盐岩测井相识别及不确定性估计方法

引用

作者：蓝茜茜邹长春中国地质大学(北京)

1引言测井相识别是碳酸盐岩储层精细描述和含油气评价中至关重要的一步,为后期油田进行开发决策及调整开发方案提供有力支撑。近年来,随着计算机运行能力的提高及大量地质资料的获取,以机器学习为代表的评价算法使得测井相自动化解释成... 详细信息

1引言测井相识别是碳酸盐岩储层精细描述和含油气评价中至关重要的一步,为后期油田进行开发决策及调整开发方案提供有力支撑。近年来,随着计算机运行能力的提高及大量地质资料的获取,以机器学习为代表的评价算法使得测井相自动化解释成为可能。其中,监督式机器学习方法通过建立多种测井参数与测井相之间的非线性映射关系,取得了较好的应用效果;基于无监督式、半监督式机器学习方法也被相继提出(Horrocks et al., 2015;Massiot et al., 2017;Lan et al., 2021)。

关键词：测井相识别 Monte Carlo 碳酸盐岩不确定性估计机器学习

来源：评论

学校读者我要写书评

暂无评论

基于输入扰动的多模态大语言模型不确定性估计

基于输入扰动的多模态大语言模型不确定性估计

引用

首届全国大模型与决策智能大会

作者：荆诗雨陈炜龚闪闪张星辉崔星中兵智能创新研究院有限公司

针对多模态模型输入特点,提出了基于视觉-语言输入扰动的不确定性估计算法。通过模型对应输出波动判断模型对该输出的置信度,从而有效探测模型属性。针对视觉输入,提出利用自然噪声扰动视觉图像来增强预测熵对不确定性估计的性能。从语... 详细信息

针对多模态模型输入特点,提出了基于视觉-语言输入扰动的不确定性估计算法。通过模型对应输出波动判断模型对该输出的置信度,从而有效探测模型属性。针对视觉输入,提出利用自然噪声扰动视觉图像来增强预测熵对不确定性估计的性能。从语言输入角度提出反问重写策略,生成验证性问题对预测熵进行矫正。该算法在三个先进的多模态大语言模型上利用视觉问答任务进行评估,实验结果表明该算法对模型输出的正确性预测超过基线方法。

关键词：多模态大语言模型不确定性估计扰动探测可信大语言模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：