检索结果-内蒙古大学图书馆

中南林业科技大学学报 2022年第8期42卷 101-110页

作者：叶铭亮周慧英李建军中南林业科技大学计算机与信息工程学院湖南长沙410004

【目的】森林火灾常常会对人类的财产和生态多样性造成巨大损害,传统的森林火灾检测技术存在可靠性低、造价过高等不足。目前基于卷积神经网络的深度学习算法在处理图像型数据上具有准确性高、成本低、速度快等优势,但是其处理视觉要素... 详细信息

【目的】森林火灾常常会对人类的财产和生态多样性造成巨大损害,传统的森林火灾检测技术存在可靠性低、造价过高等不足。目前基于卷积神经网络的深度学习算法在处理图像型数据上具有准确性高、成本低、速度快等优势,但是其处理视觉要素和物体之间关系的能力不如Transformer。因此,本研究提出一种改进Swin Transformer网络的方法应用于森林火灾检测。【方法】Transformer是一种基于自注意机制的深度神经网络,其强大的表现能力使得其能够在计算机视觉领域大放异彩。Swin Transformer提出将Transformer应用于计算机视觉任务,构建了一种名为Swin Transformer Blocks的骨干网络,并且提出了一种滑动窗口多头自注意力机制。本文结合Transformer与深度学习算法并应用于森林火灾检测领域,在Swin Transformer网络结构中对窗口自注意力机制进行改进,采用了knn自注意力提高对小块噪声的识别,使用Augmentation数据增强方法增加模型的泛化能力。【结果】数据集为自建的森林火灾图像数据集,通过旋转、裁剪、模糊以及色彩调节等数据增广的方法将300张不同环境下的森林火灾图像数据扩充到1900张图像,最后对Swin Transformer以及改进后的模型进行对比实验,改进后的算法准确率可达98.1%,bbox_mAP、bbox_mAP_50和bbox_mAP_75分别达到了66.7%、96.4%和81.3%。【结论】本文提出一种改进Swin Transformer应用于森林火灾检测的方法。研究结果表明,改进的Swin Transformer模型能够有效检测不同环境下的森林火灾。

关键词：森林火灾深度神经网络 Swin Transformer 目标检测

来源：评论

学校读者我要写书评

暂无评论

基于密集连接的高分辨率遥感图像分类

引用

广西师范大学学报（自然科学版） 2022年第3期40卷 88-94页

作者：陈知明张江邱汉清戴颖成吴宇鑫李建军中南林业科技大学计算机与信息工程学院湖南长沙410004

高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足... 详细信息

高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足、限制分类精度进一步提高的问题。本文提出一种基于密集连接的轻量级高分辨率遥感图像分类模型Dspp,采用密集卷积网络连接结构,将Deeplab的空洞卷积金字塔结构替换成密集连接结构,以提高信息利用率且增强模型的泛化能力,并与当前经典的FCN、FCN8S、Deeplab分类网络模型进行实验对比。结果表明,Dspp模型相较于FCN模型、FCN-8S模型和Deeplab模型的整体精度分别提高16.8、11.7和7.7个百分点,验证了本模型的有效性。

关键词：高分辨率遥感图像分类模型空洞卷积密集连接结构全连接条件随机场

来源：评论

学校读者我要写书评

暂无评论

基于无人机红外影像的森林火灾燃烧点检测方法

引用

中南林业科技大学学报 2022年第9期42卷 102-114页

作者：戴颖成陈知明刘峰李建军吴毅吴若南中南林业科技大学计算机与信息工程学院湖南长沙410004

【目的】森林火灾对生态环境的破坏巨大,各种火灾探测方法近年来备受关注,但不同的检测载体与检测数据在森林火灾检测的应用中仍具有各自的局限性。为此,提出一种基于深度学习与无人机红外影像的森林火灾燃烧点检测模型,旨在减少无人机... 详细信息

【目的】森林火灾对生态环境的破坏巨大,各种火灾探测方法近年来备受关注,但不同的检测载体与检测数据在森林火灾检测的应用中仍具有各自的局限性。为此,提出一种基于深度学习与无人机红外影像的森林火灾燃烧点检测模型,旨在减少无人机森林火灾检测的延迟和丢失,提升森林火灾检测效率和检测能力。【方法】采集中国北部亚干旱地区森林火灾巡护数据,增加北亚利桑那大学无人机森林燃点数据提升模型的学习范围,同时对数据进行数据增广,提升模型学习的数据量。利用红外影像的成像特点对森林火灾燃烧点进行特征放大,降低检测数据的复杂度。引入计算量适当的目标检测算法,减少无人机森林火灾检测系统的检测时延。【结果】1)红外影像下的森林火灾燃烧点检测模型在非极大抑制IoU阈值为0.3的条件下,其检测AP(Average precision)值达到了0.9616,检测精度(Precision)达到了0.9293。2)红外影像森林火灾检测模型在40 fps的实时视频中的检测速度平均达到了31 fps。3)在图像翻转、图像旋转与图像仿射变换3种数据增广模式下,模型的检测性能达到最高。【结论】基于红外影像的森林火灾燃烧点检测模型对森林火灾更敏感,减少了森林火灾检测的计算量,减轻了地面站计算机的计算负担。图像的色域变换对红外数据下的森林火灾燃烧点检测模型提升效果不明显。

关键词：目标检测森林火灾检测无人机巡护红外影像深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的Webshell检测

引用

计算机工程与科学 2022年第6期44卷 994-1002页

作者：车生兵张光琳中南林业科技大学计算机与信息工程学院湖南长沙410004

以AWD攻防中Webshell检测为背景,在超空间利用模糊C均值聚类分析发现了攻击向量全局稀疏、局部紧密的特点,提出了2种深度学习模型。由于GitHub收集的攻击行为多为随机获取,没有很好的针对性,所以对训练数据的长度进行了限制,并保留了有... 详细信息

以AWD攻防中Webshell检测为背景,在超空间利用模糊C均值聚类分析发现了攻击向量全局稀疏、局部紧密的特点,提出了2种深度学习模型。由于GitHub收集的攻击行为多为随机获取,没有很好的针对性,所以对训练数据的长度进行了限制,并保留了有限的相关样本数量。由于一次攻击与相邻的2~4次操作紧密相关,而且攻击向量垂直方向关联特征明显,水平方向相对稳定,考虑到特征向量在传递过程中规模会减小,增加了卷积层的补零选项。针对深度学习训练曲线中的锯齿振荡现象,证明了Adam优化算法的快速计算公式,并修正了学习参数,不断消除了训练的Loss曲线中的锯齿,使得训练曲线按照指数规律平滑下降,迅速得到需要的训练结果。将目前已有的类似工作与提出的2种深度学习模型进行对比。实验结果表明,提出的的深度学习模型能够很好地检测出AWD中的Webshell攻击。

关键词：深度学习 Web安全 Webshell

来源：评论

学校读者我要写书评

暂无评论

基于群体智能的森林火灾蔓延仿真模型

引用

系统仿真学报 2022年第7期34卷 1439-1448页

作者：陈爱斌丁福博周国雄周波中南林业科技大学计算机与信息工程学院湖南长沙410004 湖南林科达信息科技有限公司湖南长沙410000

针对传统森林火灾蔓延模型的计算复杂度高、仿真精度低等缺点,提出一种基于群体智能的森林火灾蔓延仿真模型。在模型中通过建立可燃物因素影响因子矩阵和地貌因素影响因子矩阵,并结合实时检测的气象信息,降低计算复杂度;将森林火灾的蔓... 详细信息

针对传统森林火灾蔓延模型的计算复杂度高、仿真精度低等缺点,提出一种基于群体智能的森林火灾蔓延仿真模型。在模型中通过建立可燃物因素影响因子矩阵和地貌因素影响因子矩阵,并结合实时检测的气象信息,降低计算复杂度;将森林火灾的蔓延行为抽象为每一个模块火点的集群行为,考虑模块之间的关联性,提高森林火灾蔓延仿真模型精度。将模型与王正非模型和二维元胞自动机模型进行对比实验,结果表明模型具有较高精度,能够更加准确地仿真出森林火灾蔓延趋势。

关键词：森林火灾林火蔓延群体智能影响因子矩阵仿真模型

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的不平衡欺诈检测研究

引用

计算机工程 2023年第11期49卷 150-159页

作者：陈安琪陈睿邝祝芳黄华军中南林业科技大学计算机与信息工程学院长沙410004 湖南财政经济学院信息技术与管理学院长沙410205

现阶段图神经网络被广泛应用于欺诈检测,由于欺诈检测中往往存在类不平衡问题,导致基于图神经网络模型性能不佳。针对上述问题,设计一种基于图神经网络的不平衡欺诈检测模型。该模型细化了图结构数据中存在的邻域不平衡和中心不平衡两... 详细信息

现阶段图神经网络被广泛应用于欺诈检测,由于欺诈检测中往往存在类不平衡问题,导致基于图神经网络模型性能不佳。针对上述问题,设计一种基于图神经网络的不平衡欺诈检测模型。该模型细化了图结构数据中存在的邻域不平衡和中心不平衡两个不平衡的概念。在邻域不平衡中,通过多层感知机和高斯核函数衡量中心节点与其邻域节点的非欧氏空间距离(相似度),基于马尔可夫决策动态更新采样阈值对邻域节点进行多层自适应欠采样,并在每一层中仅聚合其原始特征和前一层的隐藏嵌入得到中心节点的目标嵌入;在中心不平衡中,引入加权交叉熵损失函数为每个中心节点的损失设置动态权重以达到中心平衡。在Yelp和Amazon两个数据集上的实验结果表明,该模型的曲线下面积(AUC)、召回率(Recall)两个指标相较于最优基准模型均有显著提升,在两个数据集上的AUC和Recall分别提升了5.52%、5.42%和1.57%、4.31%。

关键词：图神经网络欺诈检测类不平衡马尔可夫决策加权交叉熵损失函数

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的甜味剂分类模型

引用

农业工程学报 2021年第11期37卷 285-291页

作者：肖凌俊陈爱斌周国雄易积政中南林业科技大学计算机与信息工程学院长沙410004 中南林业科技大学人工智能应用研究所长沙410004

针对开发甜味剂过程中筛选百万级别甚至千万级别的天然或合成分子需要大量时间和资金的问题,该研究提出了一种基于深度学习的甜味剂分类模型。首先对数据集进行了扩增和优化,生成分子指纹以及分子图片,然后将注意力机制加入到DenseNet... 详细信息

针对开发甜味剂过程中筛选百万级别甚至千万级别的天然或合成分子需要大量时间和资金的问题,该研究提出了一种基于深度学习的甜味剂分类模型。首先对数据集进行了扩增和优化,生成分子指纹以及分子图片,然后将注意力机制加入到DenseNet结构中,对分子特征和提取的特征进行融合。在20029个分子图像和分子指纹数据集上进行训练,并在独立测试集上进行模型检验。试验结果表明,分类准确率为0.934,准确率波动幅度小于0.005,4类物质(强甜味、弱甜味、无味、苦味)的分类精度均超过0.91,优于传统机器学习模型和常用的卷积神经网络模型,可以从大量分子中筛选并识别目标分子,能使相关研究人员更容易地筛选出潜在甜味剂,并为将来甜味剂的筛选提供了一种思路与方法。

关键词：深度学习模型甜味剂分类卷积神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

湿地公园无人机航测的高效三维建模与呈现

引用

计算机应用研究 2022年第7期39卷 2109-2113页

作者：余国丽陈宇拓曹玉雯高硕培中南林业科技大学计算机与信息工程学院长沙410004

针对湿地公园地貌和生态特征,以实例为研究对象,对湿地公园无人机航测数据的高效三维建模和轻量化呈现技术进行研究,解决大型实景模型建模效率低、实时呈现与浏览困难和缓慢等瓶颈问题。提出基于二次高斯径向基函数线性组合方程及对航... 详细信息

针对湿地公园地貌和生态特征,以实例为研究对象,对湿地公园无人机航测数据的高效三维建模和轻量化呈现技术进行研究,解决大型实景模型建模效率低、实时呈现与浏览困难和缓慢等瓶颈问题。提出基于二次高斯径向基函数线性组合方程及对航测空间位置数据进行四叉树分割的三维建模算法,并实现模型的光滑连接和优化处理。实验表明,该方法一改航测数据三维建模的传统烦琐建模方法和过程,利用少量的建模数据高效快速构建和呈现大规模三维模型,并大幅降低构建模型的数据量和获得满意的建模视觉效果。该方法不仅适用于湿地公园大规模三维高效建模与呈现,对自然风景区、林区等生态保护区的大规模三维建模与呈现亦有参考价值。

关键词：湿地公园高效建模高斯径向基函数四叉树分割

来源：评论

学校读者我要写书评

暂无评论

基于嵌入注意力机制层级LSTM的音视频情感识别

引用

激光与光电子学进展 2021年第2期58卷 175-182页

作者：刘天宝张凌涛于文涛魏东川范轶军中南林业科技大学计算机与信息工程学院湖南长沙410004

对于语音的情感识别,针对单层长短期记忆(LSTM)网络在解决复杂问题时的泛化能力不足,提出一种嵌入自注意力机制的堆叠LSTM模型,并引入惩罚项来提升网络性能。对于视频序列的情感识别,引入注意力机制,根据每个视频帧所包含情感信息的多... 详细信息

对于语音的情感识别,针对单层长短期记忆(LSTM)网络在解决复杂问题时的泛化能力不足,提出一种嵌入自注意力机制的堆叠LSTM模型,并引入惩罚项来提升网络性能。对于视频序列的情感识别,引入注意力机制,根据每个视频帧所包含情感信息的多少为其分配权重后再进行分类。最后利用加权决策融合方法融合表情和语音信号,实现最终的情感识别。实验结果表明,与单模态情感识别相比,所提方法在所选数据集上的识别准确率提升4%左右,具有较好的识别结果。

关键词：图像处理情感识别全卷积神经网络长短期记忆网络注意力机制多模态融合

来源：评论

学校读者我要写书评

暂无评论

基于自注意力机制时频谱同源特征融合的鸟鸣声分类

引用

计算机应用 2022年第4期42卷 1260-1268页

作者：刘志华陈文洁陈爱斌中南林业科技大学计算机与信息工程学院长沙410004 中南林业科技大学人工智能应用研究所长沙410004

目前深度学习模型大都难以应对复杂背景噪声下的鸟鸣声分类问题。考虑到鸟鸣声具有时域连续性、频域高低性特点,提出了一种利用同源谱图特征进行融合的模型用于复杂背景噪声下的鸟鸣声分类。首先,使用卷积神经网络(CNN)提取鸟鸣声梅尔... 详细信息

目前深度学习模型大都难以应对复杂背景噪声下的鸟鸣声分类问题。考虑到鸟鸣声具有时域连续性、频域高低性特点,提出了一种利用同源谱图特征进行融合的模型用于复杂背景噪声下的鸟鸣声分类。首先,使用卷积神经网络(CNN)提取鸟鸣声梅尔时频谱特征;然后,使用特定的卷积以及下采样操作,将同一梅尔时频谱特征的时域和频域维度分别压缩至1,得到仅包含鸟鸣声高低特性的频域特征以及连续特性的时域特征。基于上述提取频域以及时域特征的操作,在时域和频域维度上同时对梅尔时频谱特征进行提取,得到具有连续性以及高低特性的时频域特征。然后,将自注意力机制分别用于得到的时域、频域、时频域特征以加强其各自拥有的特性。最后,将这三类同源谱图特征决策融合后的结果用于鸟鸣声分类。所提模型用于Xeno-canto网站的8种鸟类音频分类,并在分类对比实验中取得了平均精确率(MAP)为0.939的较好结果。实验结果表明该模型能应对复杂背景噪声下的鸟鸣声分类效果较差的问题。

关键词：深度学习鸟鸣声分类卷积神经网络自注意力机制同源谱图特征融合

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：