检索结果-内蒙古大学图书馆

作者：白苗君东南大学

学位级别：硕士

本文主要研究的是深度学习中高度非凸非线性损失函数的优化问题,介绍了平滑网络并将其应用到如今非常火热的人脸识别技术中。平滑网络通过给网络加入噪声的方法来训练非凸的损失函数,继承了延拓法和退火法的主要思想,先训练较简单的凸... 详细信息

本文主要研究的是深度学习中高度非凸非线性损失函数的优化问题,介绍了平滑网络并将其应用到如今非常火热的人脸识别技术中。平滑网络通过给网络加入噪声的方法来训练非凸的损失函数,继承了延拓法和退火法的主要思想,先训练较简单的凸的目标函数,再渐渐增加目标函数的复杂度直到最后训练原始的高度非凸非线性的目标函数。本文首先介绍了平滑网络的构成,阐述了平滑子、弱梯度的概念以及通过加入噪声来对函数进行平滑的训练方法,随后引出了用于人脸识别的Siamese网络的对比损失函数,其通过距离来描述图像间的相似性。本文将平滑网络优化法用于对比损失函数的优化问题中,利用MUCT面部数据库中的人脸图片进行实证分析,通过交叉验证的方法对数据进行训练和测试,并将平滑网络方法与传统的Siamese网络的优化方法在损失函数、分类准确率以及ROC曲线这三个方面进行了学习效果对比,最终发现平滑网络优化法在高度非凸非线性损失函数的优化问题中更加高效可行,并且拥有更高的分类准确率。

关键词：平滑网络 Siamese网络对比损失函数人脸识别

来源：评论

学校读者我要写书评

暂无评论

零故障样本下小波知识驱动的工业机器人故障检测

引用

仪器仪表学报 2024年第9期45卷 166-176页

作者：黎国强魏美容吴德烽吴军段超群集美大学轮机工程学院厦门361021 集美大学航海学院厦门361021 华中科技大学船舶与海洋工程学院武汉430074 上海大学机电工程与自动化学院上海200444

针对零故障样本问题,现有方法大多从迁移学习、样本生成等开展研究,然而该类方法依赖相近故障样本,难以保证训练样本与真实故障信号在数据分布上保持对齐,导致模型泛化性不足。针对上述问题,提出了基于连续小波变换知识库和ViT网络的故... 详细信息

针对零故障样本问题,现有方法大多从迁移学习、样本生成等开展研究,然而该类方法依赖相近故障样本,难以保证训练样本与真实故障信号在数据分布上保持对齐,导致模型泛化性不足。针对上述问题,提出了基于连续小波变换知识库和ViT网络的故障检测方法。采用了多种母小波函数构建连续小波变换知识库,从不同时-频角度对机械装备监测数据进行分析;设计了一种基于多模态时-频特征的对比损失函数,实现了ViT的有效训练;开发了基于余弦相似性分析的故障检测算法,检测机械装备各类异常状态。使用工业机器人实验平台对方法进行验证。结果表明,所提方法能够在零故障样本下构建高性能的特征提取网络,并能对各类故障状态进行准确检测。

关键词：零故障样本连续小波变换知识库对比损失函数故障检测

来源：评论

学校读者我要写书评

暂无评论

融合空洞卷积与多尺度注意力的说话人确认

引用

电子测量技术 2025年

作者：李嘉麒郑展恒曾庆宁王健桂林电子科技大学信息与通信学院 “认知无线电与信息处理”教育部重点实验室(桂林电子科技大学)

针对复杂语音环境下CAM++模型在特征提取与识别性能方面存在的不足，本文提出了一种融合空洞卷积与时频多尺度注意力机制的说话人确认模型TF-DCAM。该模型首先利用空洞残差卷积与时频重聚焦机制增强特征提取能力，提升对冗余信息的抑制... 详细信息

针对复杂语音环境下CAM++模型在特征提取与识别性能方面存在的不足，本文提出了一种融合空洞卷积与时频多尺度注意力机制的说话人确认模型TF-DCAM。该模型首先利用空洞残差卷积与时频重聚焦机制增强特征提取能力，提升对冗余信息的抑制效果；其次引入时频多尺度注意力模块，通过通道注意力与跨纬度交互机制提升模型对关键信息的感知能力；再通过自适应掩码时序卷积模块强化长时依赖建模；最后采用对比损失函数联合优化嵌入空间结构。实验在CN-Celeb数据集上表明，TF-DCAM在EER和minDCF上分别相较基线模型降低了14.98%和10.98%；在VoxCeleb1上亦展现出良好的跨语种泛化能力。结果证明所提方法在保证轻量化的同时显著提升了说话人确认性能与鲁棒性。

关键词：深度学习说话人确认时频多尺度注意力空洞卷积对比损失函数

来源：评论

学校读者我要写书评

暂无评论

基于自注意力机制的图对比学习推荐算法

引用

计算机科学 2024年

作者：胡金涛冼广铭华南师范大学人工智能学院

随着互联网数据的爆炸性增长，推荐系统已成为解决信息过载问题的关键。基于图对比学习的推荐模型通过增强用户-项目交互图，在提升模型性能方面展现出了显著的优势。尽管这些模型取得了一定成功，大多数现有方法是通过扰动图结构来进... 详细信息

随着互联网数据的爆炸性增长，推荐系统已成为解决信息过载问题的关键。基于图对比学习的推荐模型通过增强用户-项目交互图，在提升模型性能方面展现出了显著的优势。尽管这些模型取得了一定成功，大多数现有方法是通过扰动图结构来进行数据增强。然而，这种方式在保持内在语义结构时表现不佳，且容易受到噪声干扰的影响。因此，为了进一步提升推荐模型的性能，本文提出了一种新颖的基于自注意力的图对比学习推荐算法（AttGCL）。一方面，集成的自注意力机制能够增强用户与项目之间的联系，从而更精确地捕捉用户偏好和个体差异性。另一方面，采用的ICL损失函数有效控制正样本和负样本的重要性，从而更好地对齐全局和局部的表示。该方法保留了关键的用户-项目交互语义，使得模型不仅更准确地反映用户偏好，还提升了推荐效果。在三个真实数据集上的实验结果表明，AttGCL在性能上显著优于现有的图对比学习方法，展示了其在高效性和鲁棒性上的优势。

关键词：推荐系统图对比学习自注意力机制图卷积网络对比损失函数

来源：评论

学校读者我要写书评

暂无评论

基于轻量化视觉Transformer的花卉识别

引用

图学学报 2023年第2期44卷 271-279页

作者：熊举举徐杨范润泽孙少聪贵州大学大数据与信息工程学院贵州贵阳550025 贵阳铝镁设计研究院有限公司贵州贵阳550025

由于不同种类花卉之间的相似性以及同种花卉的差异性,提取局部特征信息的卷积神经网络(CNN)在花卉图像的识别上取得的结果不够理想。在Swin Transformer(Swin-T)网络的基础上,提出了一种轻量型的Transformer网络LWFormer。首先,该网络... 详细信息

由于不同种类花卉之间的相似性以及同种花卉的差异性,提取局部特征信息的卷积神经网络(CNN)在花卉图像的识别上取得的结果不够理想。在Swin Transformer(Swin-T)网络的基础上,提出了一种轻量型的Transformer网络LWFormer。首先,该网络将基于移动窗口的PoolFormer模块引入Swin-T网络的第一、二阶段,对网络进行轻量化。其次,引入了双通道注意力机制,2个独立的通道分别关注了特征图的“位置”和“内容”,提高网络提取全局特征信息的能力。最后,使用了对比损失函数,进一步优化了网络的性能。在Oxford 102 Flower Dataset和104 Flowers Garden of Eden这2个公开的数据集上对改进的模型进行评估,并与其他方法进行对比,在这2个数据集上,分别得到了88.1%与87.3%的准确率。与Swin-T网络相比,该网络参数量降低了33.45%,FLOPs降低了28.89%,throughtput提高了91.45%,准确率提高了1.8%。实验结果表明,该网络在提升了准确率的同时降低了参数量,得到了速度与精度地提升。

关键词：花卉识别轻量化注意力机制双通道注意力对比损失函数

来源：评论

学校读者我要写书评

暂无评论

结合对比监督和排序树的轨迹数据差分隐私保护方案

引用

计算机工程与科学 2023年第10期45卷 1797-1805页

作者：王辉陈宇申自浩刘沛骞河南理工大学软件学院河南焦作454000 河南理工大学计算机科学与技术学院河南焦作454000

随着各种具有位置定位服务设备的普及,用户享受设备带来便利的同时,也会引发位置隐私泄露的问题。针对这一问题,提出了一种结合对比监督和排序树的轨迹数据差分隐私保护方案(SDTS)。首先,利用监督学习模型对轨迹数据进行预处理,使用模... 详细信息

随着各种具有位置定位服务设备的普及,用户享受设备带来便利的同时,也会引发位置隐私泄露的问题。针对这一问题,提出了一种结合对比监督和排序树的轨迹数据差分隐私保护方案(SDTS)。首先,利用监督学习模型对轨迹数据进行预处理,使用模型中的损失函数对轨迹数据进行轨迹相似度计算;其次,基于二叉排序树结构对轨迹数据进行存储,提高轨迹查询效率;最后,利用差分隐私技术和等比隐私预算分配方式对排序树节点中移动用户的统计值进行加噪处理,保护节点中存储的敏感信息,保证数据隐私安全的同时提高数据的可用性。实验结果表明,该方案能有效保护用户的数据隐私安全,并能保证轨迹数据的可用性。

关键词：对比损失函数差分隐私二叉排序树轨迹数据等比分配

来源：评论

学校读者我要写书评

暂无评论

基于混合网络的异源遥感图像变化检测

引用

北京航空航天大学学报 2021年第3期47卷 451-460页

作者：周圆李祥瑞杨晶天津大学电气自动化与信息工程学院天津300072 天津大学国际工程师工程学院天津300072

为了更加准确地进行异源遥感图像的变化检测任务,提出了一种基于混合网络的异源遥感图像变化检测算法。利用伪孪生网络提取异源遥感图像块间空间维度的变化特征,利用早期融合网络提取异源遥感图像块间光谱维度的变化特征,将2支网络提取... 详细信息

为了更加准确地进行异源遥感图像的变化检测任务,提出了一种基于混合网络的异源遥感图像变化检测算法。利用伪孪生网络提取异源遥感图像块间空间维度的变化特征,利用早期融合网络提取异源遥感图像块间光谱维度的变化特征,将2支网络提取的特征进行融合,并将融合后的变化特征输入到sigmoid层进行二分类检测。同时,在伪孪生网络中加入对比损失函数,通过优化对比损失函数,使得在特征空间中,未变化图像对的空间特征差异更小,变化图像对的空间特征差异更大,以提升网络的区分能力和收敛速度。

关键词：变化检测异源伪孪生网络早期融合网络对比损失函数

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的翻译洗稿抄袭检测算法

引用

建模与仿真 2024年第4期13卷 4279-4288页

作者：贺小玲周元鼎上海理工大学光电信息与计算机工程学院上海

为应对多媒体技术和互联网快速发展带来的多样化和新型化洗稿抄袭问题,本文提出了一种基于深度学习的翻译洗稿的抄袭检测算法,该算法通过融合多轮翻译后的特征来增强翻译文本的特征,从而得到高质量的文本表示,并利用对比学习架构拉近原... 详细信息

为应对多媒体技术和互联网快速发展带来的多样化和新型化洗稿抄袭问题,本文提出了一种基于深度学习的翻译洗稿的抄袭检测算法,该算法通过融合多轮翻译后的特征来增强翻译文本的特征,从而得到高质量的文本表示,并利用对比学习架构拉近原文本在语义向量空间中与翻译文本的距离,同时保持其与负样本的距离。此外,本文通过改进的对比损失函数增强模型检测洗稿文本的能力。最后利用所构建的多元组翻译洗稿数据集来进行训练和验证,使之达到检测翻译洗稿抄袭的能力。实验结果表明,本文所提出的算法产生了质量更高的文本表示,从而在翻译洗稿抄袭检测任务上优于先前的方法,Spearman相关系数的结果也证明了所构建模型的优越性。

关键词：翻译洗稿语义向量空间对比损失函数 Spearman相关系数

来源：评论

学校读者我要写书评

暂无评论

基于对比学习算法的图像风格迁移方法研究

引用

软件 2025年第3期46卷 28-30页

作者：李佳瑶黄凌霄任煜瀛姚新波宁夏大学信息工程学院宁夏银川750021 宁夏“东数西算”人工智能与信息安全重点实验室宁夏银川750021 宁夏大数据与人工智能省部共建协同创新中心宁夏银川750021

图像风格迁移是一种在艺术创作、设计、娱乐等领域具有广泛应用前景的新兴图像处理技术。针对传统方法中细节丢失的问题,本研究提出了一种基于对比学习算法的图像风格迁移方法。该方法无需标注数据即可比较图像风格差异,从而提高学习效... 详细信息

图像风格迁移是一种在艺术创作、设计、娱乐等领域具有广泛应用前景的新兴图像处理技术。针对传统方法中细节丢失的问题,本研究提出了一种基于对比学习算法的图像风格迁移方法。该方法无需标注数据即可比较图像风格差异,从而提高学习效率并增强模型的泛化能力。该方法通过数据增强技术生成正负样本对,利用图神经网络中的编码器和投影头,采用对比损失函数来最小化负样本相似度并最大化正样本相似度。在GrumpifyCat数据集上的实验结果表明,本方法取得了PSNR值为28.117、SSIM值为0.363的优异性能,生成的图像细节丰富且逼真,效果均优于其他算法模型。

关键词：对比学习算法风格迁移投影头对比损失函数

来源：评论

学校读者我要写书评

暂无评论

基于可变形Transformer和多尺度注意力的细粒度图像识别

基于可变形Transformer和多尺度注意力的细粒度图像识别

引用

作者：马瑶内蒙古师范大学

学位级别：硕士

近年来,深度学习和计算机技术的飞速发展推动了图像分类技术,这项技术已经广泛应用于各个领域,受到工业界和学术界的广泛关注。而细粒度图像分类是图像分类中的一个重要分支,相对于粗粒度图像识别技术,它更具挑战性,需要更深入的研究。... 详细信息

近年来,深度学习和计算机技术的飞速发展推动了图像分类技术,这项技术已经广泛应用于各个领域,受到工业界和学术界的广泛关注。而细粒度图像分类是图像分类中的一个重要分支,相对于粗粒度图像识别技术,它更具挑战性,需要更深入的研究。通常,图像分类是指对不同的类别进行识别,不同种类的图像之间存在明显的区别。而细粒度图像分类则需要对同一类别中的不同子类进行识别。由于细粒度图像之间的差异比较小,而同一类别内部的差异较大,因此,细粒度图像分类的关键在于定位具有区分度的区域,并提取特征以提高识别的准确性。简而言之,细粒度图像分类需要解决的问题是如何准确定位区分不同类别的重要区域,并从这些区域中提取出有用的特征作为分类依据。本文基于深度学习方法,对细粒度图像分类算法展开研究,所研究方法在相关数据集上通过实验验证了识别效果,而且作了全面的对比分析,证明了所提方法的有效性和实用性。本文的主要工作包括:(1)视觉Transformer(Vision Transformer,ViT)相比于卷积神经网络(Convolutional Neural Networks,CNN)的优势在于对全局信息的捕捉更好,能弥补CNN对于图像全局依赖性的不足,CNN可以捕获局部信息,但结构固定且建模几何信息的能力有限。为解决这一问题,本文采用可变形卷积和Swin Transformer叠加的思想,构成可变形Transformer结构。通过可变形卷积自适应调整卷积核形状,从而更好的适应不同尺度和形状的特征,减少背景信息的干扰以捕捉判别性区域,通过ViT捕获图像的长距离依赖关系,将二者叠加可以提高识别精度。在此过程中,将每个阶段得到的特征图进行融合,通过结合底层特征和高层特征来丰富信息。本文方法还运用了交叉熵损失函数和对比损失函数,并在三种常用细粒度图像数据集分别进行了实验。通过与其他算法进行对比实验,分析结果可知,基于可变形Transformer的细粒度图像识别提高了精度。(2)ViT中的自注意力机制需要将二维图像转为一维序列输入,这破坏了图像的关键二维结构且本身的二次计算复杂度对高分辨率图像较为复杂。为了解决这一问题,本文提出了一个DD3-MSANet,该网络的核心内容是构造了一个多尺度注意力模块(Multi-Scale Attention,MSA)。MSA模块包含深度卷积组件、膨胀卷积组件和3D卷积组件。首先,通过深度卷积获取局部信息且减少参数量。其次,通过膨胀卷积,在保持参数个数不变的情况下增大卷积核的感受野,让每个卷积输出较大范围的信息,以获取上下文信息。然后,通过3D卷积将不同膨胀率的多尺度特征相加,丰富特征信息。最后,通过通道注意力,突出感兴趣区域。该方法在三种常用细粒度图像数据集分别进行了实验,结果表明,DD3-MSANet可以有效提高分类的精度,同时减少了参数数量和计算复杂度,该方法的实用价值可以应用于各种需要处理高分辨率图像的任务中。

关键词：细粒度图像识别卷积网络 Transformer 对比损失函数多尺度注意力

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：