检索结果-内蒙古大学图书馆

软件导刊 2024年第11期23卷 39-46页

作者：陈小兰杨昊陈敏邹茂扬周航成都信息工程大学计算机学院四川成都610225 中国科学院成都计算机应用研究所成都信息工程大学区块链产业学院四川成都610225

强对流天气对人民生命财产有严重威胁,精确识别强对流天气有益于更好地预测强对流天气。为了解决传统机器学习方法忽视不同强对流天气在雷达图上的不同形状表达和传统机器学习方法计算量大等问题,提出一种基于DOCnet的多类强对流天气分... 详细信息

强对流天气对人民生命财产有严重威胁,精确识别强对流天气有益于更好地预测强对流天气。为了解决传统机器学习方法忽视不同强对流天气在雷达图上的不同形状表达和传统机器学习方法计算量大等问题,提出一种基于DOCnet的多类强对流天气分类识别方法。该网络使用深度倍频卷积分别提取雷达图像的高频特征和低频特征,在去除低频特征图中冗余空间减少参数量的同时,增大了提取低频特征图和高频特征图卷积层的感受野,能充分提取雷达图的图像特征,提高模型对强对流天气的分类准确度。通过泛洪法训练模型,提高了模型泛化能力。在风暴事件图像(SEVIR)数据的测试集中,DOCnet模型对强降水、雷暴大风、冰雹、龙卷风4类强对流天气分类的平均命中率为90.54%,平均临界成功指数为81.2%,平均空报比率为11.9%。与基线模型相比,DOCnet的命中率提高了15.02个百分点;与表现最好的MobileNetV2相比,DOCnet的命中率高出5.87%。实验结果表明,DOCnet能够有效提高强对流天气分类效果。

关键词：分类识别强对流天气倍频卷积深度卷积雷达图

来源：评论

学校读者我要写书评

暂无评论

多模态硬币图像单应性矩阵预测

引用

图学学报 2022年第3期43卷 361-369页

作者：邓壮林张绍兵成苗何莲中国科学院成都计算机应用研究所四川成都610041 中国科学院大学计算机科学与技术学院北京100049 深圳市中钞科信金融科技有限公司广东深圳518206

对不同成像条件下拍摄的硬币图像进行配准是硬币表面缺陷算法的前置任务。然而,基于互信息的传统多模态配准方法速度慢、精度低,现有的通过基于深度学习的单应性矩阵预测方法实现的图像配准只适用于单模态的任务。为此,提出一种基于深... 详细信息

对不同成像条件下拍摄的硬币图像进行配准是硬币表面缺陷算法的前置任务。然而,基于互信息的传统多模态配准方法速度慢、精度低,现有的通过基于深度学习的单应性矩阵预测方法实现的图像配准只适用于单模态的任务。为此,提出一种基于深度学习的适用于多模态硬币图像的单应性矩阵预测方法,进而使用预测的单应性矩阵完成图像配准。首先,使用单应性矩阵预测层预测输入图像对间的单应性矩阵,使用单应性矩阵对待配准图像进行透视变换;然后,使用图像转换层将透视变换后的待配准图像和目标图像映射到同一域,图像转换层可在推理时去除从而减少推理时间;最后,计算同一域下的图像间的损失,并进行训练。实验表明,该方法在测试集上的平均距离误差为3.417像素,相较于基于互信息的传统多模态配准方法5.575像素的平均距离误差降低38.71%。且配准单对图像耗时为17.74 ms,远低于基于互信息的传统多模态配准方法的6368.49 ms。

关键词：单应性矩阵图像配准硬币图像转换多模态

来源：评论

学校读者我要写书评

暂无评论

基于邻近切片注意力融合的直肠癌分割网络

引用

计算机应用 2023年第12期43卷 3918-3926页

作者：兰冬雷王晓东姚宇王辛周继陶中国科学院成都计算机应用研究所成都610213 中国科学院大学北京100049 四川大学华西医院腹部肿瘤科成都610041

针对直肠癌目标靶区在磁共振成像(MRI)图像的大小、形状、纹理和边界清晰程度不同等问题,为了克服患者之间的个体差异性并提高分割精度,提出一种基于邻近切片注意力融合的直肠癌分割网络(ASAF-Net)。首先,使用高分辨率网络(HRNet)作为... 详细信息

针对直肠癌目标靶区在磁共振成像(MRI)图像的大小、形状、纹理和边界清晰程度不同等问题,为了克服患者之间的个体差异性并提高分割精度,提出一种基于邻近切片注意力融合的直肠癌分割网络(ASAF-Net)。首先,使用高分辨率网络(HRNet)作为主干网络,并在特征提取过程始终保持高分辨率特征表示,以减少语义信息和空间位置信息的损失;其次,通过邻近切片注意力融合(ASAF)模块融合并增强相邻切片之间的多尺度上下文语义信息,使网络能够学习相邻切片之间的空间特征;最后,在解码网络使用全卷积网络(FCN)和空洞空间金字塔池化(ASPP)分割头协同训练,并通过添加相邻切片间的一致性约束作为辅助损失缓解训练过程中出现的相邻切片差异过大的问题。实验结果表明,与HRNet相比,ASAF-Net在平均交并比(IoU)、平均Dice相似系数(DSC)指标上分别提升了1.68和1.26个百分点,平均95%豪斯多夫距离(HD)降低了0.91 mm。同时,ASAF-Net在直肠癌MRI图像多目标靶区的内部填充和边界预测方面均能实现更好的分割效果,有助于提升医生在临床辅助诊断中的效率。

关键词：直肠癌图像分割注意力机制特征融合深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多尺度记忆库的像素级无监督工业异常检测

引用

计算机应用 2024年第11期44卷 3587-3594页

作者：刘永江陈斌中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 哈尔滨工业大学(深圳)国际人工智能研究院广东深圳518055 哈尔滨工业大学重庆研究院重庆401151

基于特征嵌入的无监督异常检测方法通常使用patch级特征定位异常。patch级特征在图像级异常检测任务上具有竞争力,但在像素级定位方面存在精度不足的问题。为解决这一问题,提出一种由多尺度记忆库与分割网络组成的像素级异常检测方法 Me... 详细信息

基于特征嵌入的无监督异常检测方法通常使用patch级特征定位异常。patch级特征在图像级异常检测任务上具有竞争力,但在像素级定位方面存在精度不足的问题。为解决这一问题,提出一种由多尺度记忆库与分割网络组成的像素级异常检测方法 MemAD。首先,通过预训练的特征提取网络对训练集中的正常样本进行特征提取,构建3个尺度下的正样本特征记忆库;其次,在训练分割网络时,计算模拟的伪异常样本特征与记忆库中距离最近的正样本特征的差特征,进一步引导分割网络学习如何定位异常像素。实验结果表明,MemAD在MVTec AD(MVTec Anomaly Detection)数据集上的图像级和像素级接受者操作特征曲线下面积(AUC)分别达到了98.0%和97.4%,优于大多数的现有方法,验证了它在像素级异常定位中的准确性。

关键词：计算机视觉无监督异常检测特征嵌入记忆库语义分割

来源：评论

学校读者我要写书评

暂无评论

面向图像分类的小样本学习算法综述

引用

计算机科学 2022年第5期49卷 1-9页

作者：彭云聪秦小林张力戈顾勇翔中国科学院成都计算机应用研究所成都610041 南昌理工学院南昌330044 中国科学院大学计算机科学与技术学院北京100049

目前,以深度学习为代表的人工智能算法凭借超大规模数据集以及强大的计算资源,在图像分类、生物特征识别、医疗辅助诊断等领域取得了优秀的成果并成功落地.然而,在许多实际的应用场景中,因诸多限制,研究人员无法获取到大量样本或者获取... 详细信息

目前,以深度学习为代表的人工智能算法凭借超大规模数据集以及强大的计算资源,在图像分类、生物特征识别、医疗辅助诊断等领域取得了优秀的成果并成功落地.然而,在许多实际的应用场景中,因诸多限制,研究人员无法获取到大量样本或者获取样本的代价过高,因此研究图像分类任务在小样本情形下的学习算法成为了推动智能化进程的核心动力,同时也成为了当下的研究热点.小样本学习指在监督信息数量有限的情况下进行学习并解决问题的算法.首先,从机器学习理论的角度描述了小样本学习困难的原因;其次,根据小样本学习算法的设计动机将现有算法归为表征学习、数据扩充、学习策略三大类,并分析其优缺点;然后,总结了常用的小样本学习评价方法以及现有模型在公用数据集上的表现;最后,讨论了小样本图像分类技术的难点及未来的研究趋势,为今后的研究提供参考.

关键词：小样本学习图像分类表征学习数据扩充迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于深度对比网络的印刷缺陷检测方法

引用

计算机应用 2023年第1期43卷 250-258页

作者：王佑芯陈斌中国科学院成都计算机应用研究所成都610213 中国科学院大学计算机科学与技术学院北京100049 哈尔滨工业大学(深圳)国际人工智能研究院广东深圳518055 哈尔滨工业大学重庆研究院重庆401100

基于传统图像处理技术的印刷缺陷检测方法鲁棒性差,而基于深度学习的目标检测方法则不完全适用于印刷缺陷检测任务的问题。为解决上述问题,将模板匹配方法中的对比思想与深度学习中的语义特征结合,提出用于印刷缺陷检测任务的深度对比网... 详细信息

基于传统图像处理技术的印刷缺陷检测方法鲁棒性差,而基于深度学习的目标检测方法则不完全适用于印刷缺陷检测任务的问题。为解决上述问题,将模板匹配方法中的对比思想与深度学习中的语义特征结合,提出用于印刷缺陷检测任务的深度对比网络(CoNet)。首先,提出基于孪生结构的深度对比模块(DCM)在语义空间提取并融合检测图像与参考图像的特征图,挖掘二者间的语义关系;然后,提出基于非对称双通路特征金字塔结构的多尺度变化检测模块(MsCDM),定位并识别印刷缺陷。在公开的印刷电路板缺陷数据集DeepPCB与立金缺陷数据集上,CoNet的平均精度均值(mAP)分别为99.1%和69.8%,与同样采用变化检测思路的最大分组金字塔池化(MP-GPP)和变化检测单次检测器(CD-SSD)相比,分别提升了0.4、3.5个百分点和0.7、2.4个百分点,CoNet的检测精度更高。此外,当输入图像分辨率为640×640时,CoNet的平均耗时为35.7 ms,可见其完全可以满足工业检测任务的实时性要求。

关键词：印刷缺陷检测深度学习孪生卷积神经网络特征金字塔变化检测

来源：评论

学校读者我要写书评

暂无评论

计算机视觉中的终身学习综述

引用

计算机应用 2023年第6期43卷 1785-1795页

作者：陈一驰陈斌中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机科学与技术学院北京100049 哈尔滨工业大学(深圳)国际人工智能研究院广东深圳518055 哈尔滨工业大学重庆研究院重庆401151

终身学习(LLL)作为一种新兴方法打破了传统机器学习的局限性,并赋予了模型能够像人类一样在学习过程中不断积累、优化并转移知识的能力。近年来,随着深度学习的广泛应用,越来越多的研究致力于解决深度神经网络中出现的灾难性遗忘问题和... 详细信息

终身学习(LLL)作为一种新兴方法打破了传统机器学习的局限性,并赋予了模型能够像人类一样在学习过程中不断积累、优化并转移知识的能力。近年来,随着深度学习的广泛应用,越来越多的研究致力于解决深度神经网络中出现的灾难性遗忘问题和摆脱稳定性-可塑性困境,并将LLL方法应用于各种各样的实际场景中,以推进人工智能由弱向强的发展。针对计算机视觉领域,首先,在图像分类任务中将LLL方法归纳为四大类型:基于数据驱动的方法、基于优化过程的方法、基于网络结构的方法和基于知识组合的方法;然后,介绍了LLL方法在其他视觉任务中的典型应用和相关评估指标;最后,针对现阶段LLL方法的不足之处进行讨论并提出了LLL方法未来发展的方向。

关键词：深度学习终身学习计算机视觉灾难性遗忘稳定性-可塑性困境

来源：评论

学校读者我要写书评

暂无评论

融合多模态数据的药物合成反应的虚拟筛选

引用

计算机应用 2023年第2期43卷 622-629页

作者：孙晓飞朱静远陈斌游恒志中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机科学与技术学院北京100049 哈尔滨工业大学(深圳)理学院广东深圳518055 哈尔滨工业大学(深圳)人工智能研究院广东深圳518055

药物合成反应,特别是不对称反应是现代药物化学的重要组成部分。化学家们投入了巨大的人力和资源来识别各种化学反应模式,以实现高效合成和不对称催化。量子力学计算和机器学习算法在这一领域的最新研究证明了通过计算机学习现有药物合... 详细信息

药物合成反应,特别是不对称反应是现代药物化学的重要组成部分。化学家们投入了巨大的人力和资源来识别各种化学反应模式,以实现高效合成和不对称催化。量子力学计算和机器学习算法在这一领域的最新研究证明了通过计算机学习现有药物合成反应数据并进行精确虚拟筛选的巨大潜力。然而,现有方法局限于单一模态的数据来源,并且由于数据少的限制,只能使用基本的机器学习方法,使它们在更广泛场景中的普遍应用受到阻碍。因此,提出两种融合多模态数据的药物合成反应的筛选模型来进行反应产率和对映选择性的虚拟筛选,并给出了一种基于Boltzmann分布进行加权的3D构象描述符,从而将分子的立体空间信息与量子力学性质结合起来。这两种多模态数据融合模型在两个代表性的有机合成反应(C-N偶联反应和N,S-缩醛反应)中进行了训练和验证,结果表明前者的R2相对于基线方法在大多数据划分上的提升超过了1个百分点,后者的平均绝对误差(MAE)相对于基线方法在大多数据划分上的下降超过了0.5个百分点。可见,在有机反应筛选的不同任务中采用基于多模态数据融合的模型都会带来好的性能。

关键词：药物合成反应不对称反应机器学习多模态数据 3D分子描述符虚拟筛选

来源：评论

学校读者我要写书评

暂无评论

基于时序模型的麻醉期人体生命体征预测

引用

计算机应用 2024年第S01期44卷 363-368页

作者：汪倍民倪献春姚宇陈皎中国科学院成都计算机应用研究所成都610213 中国科学院大学北京100049 洛阳市公安局洛龙分局河南洛阳471000 四川大学华西医院麻醉科成都610000

针对现有麻醉维持期的生命体征预测方法存在个性化不足、精度较低和预测速度慢等问题,引入时序预测方法,提出一种基于保留机制的时序混合保留网络(TFR)。首先,使用变量选择网络和静态变量编码器网络对病人的生命体征进行编码,为网络提... 详细信息

针对现有麻醉维持期的生命体征预测方法存在个性化不足、精度较低和预测速度慢等问题,引入时序预测方法,提出一种基于保留机制的时序混合保留网络(TFR)。首先,使用变量选择网络和静态变量编码器网络对病人的生命体征进行编码,为网络提供病人的个性化信息;其次,通过保留编解码器网络对变量选择网络选择过的变量进行特征提取和编码;其次,使用多头注意力层融合过去和未来的特征;最后,使用输出网络进行多分位输出。在Vital DB和华西医院的数据集上分别进行训练和测试,实验结果表明,相较于基线模型TFT(Temporal Fusion Transformer):TFR在Vital DB数据集上的均方误差(MSE)和平均绝对误差(MAE)均没有增加,并节省了41.2%的推理时间;在华西医院的数据集上预测精度没有下降,并节省了32.1%的推理时间;在长期预测中,TFR也取得了更好的效果。可以看出,TFR预测更精确、更快速。

关键词：生命体征预测时序预测保留机制深度学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

差分隐私增强的大米区块链品控模型

引用

智慧农业（中英文） 2024年第4期6卷 149-159页

作者：吴国栋胡全兴刘旭秦辉高博文安徽农业大学信息与人工智能学院安徽合肥230036 智慧农业技术与装备安徽省重点实验室安徽合肥230036 中国科学院成都计算机应用研究所四川成都610041 中国科学院大学北京100049

[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型。[方法]首先,结合大米全产业链,设计数据传输流程... 详细信息

[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型。[方法]首先,结合大米全产业链,设计数据传输流程,涵盖种植、收购、加工、仓储和销售等各环节,有效保证品控数据链的连续性;其次,为解决上链数据量大、上链效率低问题,将大米全产业链各环节关键品控数据存储于星际文件系统(InterPlanetary File System, IPFS),然后将存储完成后返回的哈希值上链;最后,为提高品控模型信息可追溯程度,将种植环节关键品控数据中涉及隐私的部分信息通过差分隐私(Differential Privacy)处理后展示给用户,模糊化个体数据,以提高品控信息可信度,同时也保护了农户种植隐私。基于该品控模型,设计了差分隐私增强的大米区块链品控系统,并在相关大米企业实际运行。[结果与讨论]经测试,差分隐私增强的大米区块链品控系统全产业链单环节数据完成存储平均耗时1.125 s,信息追溯查询平均耗时0.691 s。与传统大米品质监管追溯系统相比,单环节数据存储时间缩短6.64%,信息追溯查询时间缩短16.44%。[结论]研究提出的模型不仅提高了品控数据连续性和信息可追溯程度,同时保护了农户的隐私,还在一定程度上提升了品控数据存储及信息追溯查询的效率,可为大米品质监管与信息追溯系统的设计和改进提供参考。

关键词：星际文件系统区块链品控高效上链差分隐私增强信息追溯

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：