检索结果-内蒙古大学图书馆

南京信息工程大学学报 2025年第2期 203-214页

作者：崔绍君季繁繁王婷袁晓彤南京信息工程大学自动化学院南京信息工程大学数字取证教育部工程研究中心南京信息工程大学江苏省大数据分析技术重点实验室南京信息工程大学计算机学院

本文提出一种基于梯度权值追踪的剪枝与优化算法(GWP),旨在解决无监督领域中存在的过拟合问题，即在下游任务上的精度远低于在训练集上的精度.针对无监督领域自适应中基于差异与基于对抗的方法，将稠密-稀疏-稠密策略应用于解决过拟合问... 详细信息

本文提出一种基于梯度权值追踪的剪枝与优化算法(GWP),旨在解决无监督领域中存在的过拟合问题，即在下游任务上的精度远低于在训练集上的精度.针对无监督领域自适应中基于差异与基于对抗的方法，将稠密-稀疏-稠密策略应用于解决过拟合问题.先对网络进行密集预训练，并学出哪些连接是重要的；在剪枝阶段，与原有的稠密-稀疏-稠密策略中的剪枝过程不同，本文的优化算法同时将权值和梯度联合考虑，既考虑到了权值信息(即零阶信息),也考虑到了梯度信息(即一阶信息)对网络剪枝过程的影响；在重密集阶段，恢复被修剪的连接，并以较小的学习率重新训练密集网络.最终，得到的网络在下游任务上取得了理想的效果.实验结果表明，与原有的基于差异和基于对抗的领域自适应方法相比，本文提出的GWP可以有效提升下游任务精度，且具有即插即用的效果.

关键词：梯度权值追踪无监督领域自适应稠密-稀疏-稠密过拟合零阶信息一阶信息

来源：评论

学校读者我要写书评

暂无评论

基于部件检测与检索的行人精细化分割

引用

电子学报 2019年第2期47卷 502-508页

作者：王枫厉智刘青山孙玉宝南京信息工程大学信息与控制学院江苏省大数据分析技术实验室江苏南京210044

针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional ... 详细信息

针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional Neural Network,快速区域卷积神经网络)模型,分别用来检测整个人体以及各个部件以获得各类别部件的大体位置;第三个阶段使用基于检索过分割图像的方法来对检测到的各个部件进行分割,最后把各部件分割结果还原到原图坐标上以得到最终的分割结果.实验表明所提方法在三个公开的数据库上,与其他算法相比,分割准确率更高,边缘效果更好.

关键词：行人分割快速区域卷积神经网络过分割部件检索

来源：评论

学校读者我要写书评

暂无评论

各向同性的迭代量化哈希算法

引用

电子学报 2017年第7期45卷 1707-1714页

作者：李来刘光灿孙玉宝刘青山江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学信息与控制学院江苏南京210044

准确有效的哈希算法是实现海量高维数据近邻检索的关键.迭代量化哈希(Iterative Quantization,ITQ)和各向同性哈希(Isotropic Hash,Iso Hash)是两种知名的编码方法.但是ITQ算法对旋转矩阵施加的约束过于单薄,容易导致过拟合;而Iso Hash... 详细信息

准确有效的哈希算法是实现海量高维数据近邻检索的关键.迭代量化哈希(Iterative Quantization,ITQ)和各向同性哈希(Isotropic Hash,Iso Hash)是两种知名的编码方法.但是ITQ算法对旋转矩阵施加的约束过于单薄,容易导致过拟合;而Iso Hash算法缺乏对哈希编码的更新策略,降低了编码质量.针对上述问题,提出了一种各向同性的迭代量化哈希算法.该方法采用迭代的策略,对编码矩阵和旋转矩阵交替更新,并在正交约束的基础上增加各向同性约束来学习最优旋转矩阵,最小化量化误差.在CIFAR-10、22K Label Me和ANN-GIST-1M基准库上与多种方法进行对比,实验结果表明本文算法在查准率、查全率以及平均准确率均值等指标上均明显优于对比算法.

关键词：哈希大规模图像检索各向同性迭代量化

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络二阶信息的结构化剪枝算法

引用

计算机工程 2021年第2期47卷 12-18页

作者：季繁繁杨鑫袁晓彤南京信息工程大学江苏省大数据分析技术重点实验室南京210044

现有结构化剪枝算法通常运用深度神经网络(DNN)的一阶或者零阶信息对通道进行剪枝,为利用二阶信息加快DNN网络模型收敛速度,借鉴HAWQ算法思想提出一种新的结构化剪枝算法。采用幂迭代法得到经过预训练的网络参数对应Hessian矩阵的主特... 详细信息

现有结构化剪枝算法通常运用深度神经网络(DNN)的一阶或者零阶信息对通道进行剪枝,为利用二阶信息加快DNN网络模型收敛速度,借鉴HAWQ算法思想提出一种新的结构化剪枝算法。采用幂迭代法得到经过预训练的网络参数对应Hessian矩阵的主特征向量,据此向量衡量网络通道的重要性并进行通道剪枝,同时对剪枝后的网络参数进行微调提高DNN分类性能。实验结果表明,该算法在网络参数量和每秒浮点运算次数分别减少29.9%和34.6%的情况下,在ResNet110网络上的分类准确率提升了0.74%,剪枝效果优于PF、LCCL等经典剪枝算法。

关键词：深度神经网络网络压缩结构化剪枝二阶信息幂迭代法

来源：评论

学校读者我要写书评

暂无评论

基于语义引导特征聚合的显著性目标检测网络

引用

自动化学报 2023年第11期49卷 2386-2395页

作者：王正文宋慧慧樊佳庆刘青山南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏省大数据分析技术重点实验室南京210044

在显著性目标检测网络的设计中,U型结构使用广泛.但是在U型结构显著性检测方法中,普遍存在空间位置细节丢失和边缘难以细化的问题,针对这些问题,提出一种基于语义信息引导特征聚合的显著性目标检测网络,通过高效的特征聚合来获得精细的... 详细信息

在显著性目标检测网络的设计中,U型结构使用广泛.但是在U型结构显著性检测方法中,普遍存在空间位置细节丢失和边缘难以细化的问题,针对这些问题,提出一种基于语义信息引导特征聚合的显著性目标检测网络,通过高效的特征聚合来获得精细的显著性图.该网络由混合注意力模块(Mixing attention module,MAM)、增大感受野模块(Enlarged receptive field module,ERFM)和多层次聚合模块(Multi-level aggregation module,MLAM)三个部分组成.首先,利用增大感受野模块处理特征提取网络提取出的低层特征,使其在保留原有边缘细节的同时增大感受野,以获得更加丰富的空间上/下文信息;然后,利用混合注意力模块处理特征提取网络的最后一层特征,以增强其表征力,并作为解码过程中的语义指导,不断指导特征聚合;最后,多层次聚合模块对来自不同层次的特征进行有效聚合,得到最终精细的显著性图.在6个基准数据集上进行了实验,结果验证了该方法能够有效地定位显著特征,并且对边缘细节的细化也很有效.

关键词：显著性目标检测混合注意力多层次融合深度学习

来源：评论

学校读者我要写书评

暂无评论

关键点深度特征驱动人脸表情识别

引用

中国图象图形学报 2020年第4期25卷 813-823页

作者：王善敏帅惠刘青山南京信息工程大学自动化学院江苏省大数据分析技术重点实验室南京210044

目的人脸关键点检测和人脸表情识别两个任务紧密相关。已有对两者结合的工作均是两个任务的直接耦合,忽略了其内在联系。针对这一问题,提出了一个多任务的深度框架,借助关键点特征识别人脸表情。方法参考inception结构设计了一个深度网... 详细信息

目的人脸关键点检测和人脸表情识别两个任务紧密相关。已有对两者结合的工作均是两个任务的直接耦合,忽略了其内在联系。针对这一问题,提出了一个多任务的深度框架,借助关键点特征识别人脸表情。方法参考inception结构设计了一个深度网络,同时检测关键点并且识别人脸表情,网络在两个任务的监督下,更加关注关键点附近的信息,使得五官周围的特征获得较大响应值。为进一步减小人脸其他区域的噪声对表情识别的影响,利用检测到的关键点生成一张位置注意图,进一步增加五官周围特征的权重,减小人脸边缘区域的特征响应值。复杂表情引起人脸部分区域的形变,增加了关键点检测的难度,为缓解这一问题,引入了中间监督层,在第1级检测关键点的网络中增加较小权重的表情识别任务,一方面,提高复杂表情样本的关键点检测结果,另一方面,使得网络提取更多表情相关的特征。结果在3个公开数据集:CK+(Cohn-Kanade dataset),Oulu(Oulu-CASIA NIR&VIS facial expression database)和MMI(MMI facial expression database)上与经典方法进行比较,本文方法在CK+数据集上的识别准确率取得了最高值,在Oulu和MMI数据集上的识别准确率比目前识别率最高的方法分别提升了0.14%和0.54%。结论实验结果表明了引入关键点信息的有效性:多任务的卷积神经网络表情识别准确率高于单任务的传统卷积神经网络。同时,引入注意力模型也提升了多任务网络中表情的识别率。

关键词：人脸表情识别关键点检测多任务注意力模型中间监督

来源：评论

学校读者我要写书评

暂无评论

基于卦限卷积神经网络的3D点云分析

引用

自动化学报 2021年第12期47卷 2791-2800页

作者：许翔帅惠刘青山江苏省大数据分析技术重点实验室南京210044 南京信息工程大学计算机学院、软件学院、网络空间学院南京210044

基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural netw... 详细信息

基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural network,Octant-CNN),它由卦限卷积模块和下采样模块组成.针对输入点云,卦限卷积模块在每个点的近邻空间中定位8个卦限内的最近邻点,接着通过多层卷积操作将8卦限中的几何特征抽象成语义特征,并将低层几何特征与高层语义特征进行有效融合,从而实现了利用卷积操作高效提取三维邻域内的局部结构信息;下采样模块对原始点集进行分组及特征聚合,从而提高特征的感受野范围,并且降低网络的计算复杂度.Octant-CNN通过对卦限卷积模块和下采样模块的分层组合,实现了对三维点云进行由底层到抽象、从局部到全局的特征表示.实验结果表明,Octant-CNN在对象分类、部件分割、语义分割和目标检测四个场景中均取得了较好的性能.

关键词：深度学习点云卦限卷积神经网络局部几何特征

来源：评论

学校读者我要写书评

暂无评论

基于L0约束的稀疏子空间聚类

引用

南京大学学报（自然科学版） 2018年第1期54卷 23-30页

作者：帅惠袁晓彤刘青山江苏省大数据分析技术重点实验室南京信息工程大学南京210044

大数据时代背景下,随着所获数据数量和维度的不断增加,高维数据的处理成为聚类分析的重点和难点.基于同一类别高维数据通常分布在高维环绕空间的低维子空间这一事实,子空间聚类成为高维数据聚类分析领域的重要方法.稀疏子空间聚类(Spars... 详细信息

大数据时代背景下,随着所获数据数量和维度的不断增加,高维数据的处理成为聚类分析的重点和难点.基于同一类别高维数据通常分布在高维环绕空间的低维子空间这一事实,子空间聚类成为高维数据聚类分析领域的重要方法.稀疏子空间聚类(Sparse Space Clustering,SSC)通过交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)对数据矩阵的稀疏自表达系数进行求解,发现分布于低维子空间并集中的数据的稀疏表示并进行聚类.但是ADMM参数多、收敛速度慢,其效率难以满足对大规模数据库进行聚类分析的要求.针对这一问题提出了基于L_0约束的稀疏子空间聚类方法,该方法使用正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法求解L_0约束的自表达稀疏重建问题,构建数据集中各数据之间的相关性矩阵,最终对相关性矩阵应用谱聚类方法得到聚类结果.根据OMP算法每次迭代之间的耦合关系对其进行优化,进一步降低了计算复杂度,提高了算法效率.在生成数据和Extended Yale B database人脸数据库的实验结果表明,该算法与SSC相比,在显著减少计算时间的基础上,取得了与SSC相当的聚类准确率.

关键词：高维数据处理稀疏子空间聚类交替方向乘子法谱聚类 L0约束正交匹配追踪

来源：评论

学校读者我要写书评

暂无评论

反馈学习高斯表观网络的视频目标分割

引用

自动化学报 2022年第3期48卷 834-842页

作者：王龙宋慧慧张开华刘青山南京信息工程大学江苏省大数据分析技术重点实验室大气环境与装备技术协同创新中心南京210044

大量基于深度学习的视频目标分割方法存在两方面局限性:1)单帧编码特征直接输入网络解码器,未能充分利用多帧特征,导致解码器输出的目标表观特征难以自适应复杂场景变化;2)常采用前馈网络结构,阻止了后层特征反馈前层进行补充学习,导致... 详细信息

大量基于深度学习的视频目标分割方法存在两方面局限性:1)单帧编码特征直接输入网络解码器,未能充分利用多帧特征,导致解码器输出的目标表观特征难以自适应复杂场景变化;2)常采用前馈网络结构,阻止了后层特征反馈前层进行补充学习,导致学习到的表观特征判别力受限.为此,本文提出了反馈高斯表观网络,通过建立在线高斯模型并反馈后层特征到前层来充分利用多帧、多尺度特征,学习鲁棒的视频目标分割表观模型.网络结构包括引导、查询与分割三个分支.其中,引导与查询分支通过共享权重来提取引导与查询帧的特征,而分割分支则由多尺度高斯表观特征提取模块与反馈多核融合模块构成.前一个模块通过建立在线高斯模型融合多帧、多尺度特征来增强对外观的表征力,后一个模块则通过引入反馈机制进一步增强模型的判别力.最后,本文在三个标准数据集上进行了大量评测,充分证明了本方法的优越性能.

关键词：视频目标分割表观建模反馈机制深度学习

来源：评论

学校读者我要写书评

暂无评论

基于双重金字塔网络的视频目标分割方法

引用

计算机应用 2019年第8期39卷 2242-2246页

作者：姜斯浩宋慧慧张开华汤润发江苏省大数据分析技术重点实验室(南京信息工程大学)

针对复杂视频场景中难以分割特定目标的问题,提出一种基于双重金字塔网络(DPN)的视频目标分割方法。首先,通过调制网络的单向传递让分割模型适应特定目标的外观。具体而言,从给定目标的视觉和空间信息中学习一种调制器,并通过调制器调... 详细信息

针对复杂视频场景中难以分割特定目标的问题,提出一种基于双重金字塔网络(DPN)的视频目标分割方法。首先,通过调制网络的单向传递让分割模型适应特定目标的外观。具体而言,从给定目标的视觉和空间信息中学习一种调制器,并通过调制器调节分割网络的中间层以适应特定目标的外观变化。然后,通过基于不同区域的上下文聚合的方法,在分割网络的最后一层中聚合全局上下文信息。最后,通过横向连接的自左而右结构,在所有尺度中构建高阶语义特征图。所提出的视频目标分割方法是一个可以端到端训练的分割网络。大量实验结果表明,所提方法在DAVIS2016数据集上的性能与较先进的使用在线微调的方法相比,可达到相竞争的结果,且在DAVIS2017数据集上性能较优。

关键词：视频目标分割特征金字塔卷积神经网络深度学习多尺度融合

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：