检索结果-内蒙古大学图书馆

计算机科学 2023年第1期50卷 253-261页

作者：徐平安刘全苏州大学计算机科学与技术学院江苏苏州215006 软件新技术与产业化协同创新中心南京210000 吉林大学符号计算与知识工程教育部重点实验室长春130012 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

策略蒸馏是一种将知识从一个策略转移到另一个策略的方法,在具有挑战性的强化学习任务中获得了巨大的成功。典型的策略蒸馏方法采用的是师生策略模型,即知识从拥有优秀经验数据的教师策略迁移到学生策略。获得一个教师策略需要耗费大量... 详细信息

策略蒸馏是一种将知识从一个策略转移到另一个策略的方法,在具有挑战性的强化学习任务中获得了巨大的成功。典型的策略蒸馏方法采用的是师生策略模型,即知识从拥有优秀经验数据的教师策略迁移到学生策略。获得一个教师策略需要耗费大量的计算资源,因此双策略蒸馏框架(Dual Policy Distillation,DPD)被提出,其不再依赖于教师策略,而是维护两个学生策略互相进行知识迁移。然而,若其中一个学生策略无法通过自我学习超越另一个学生策略,或者两个学生策略在蒸馏后趋于一致,则结合DPD的深度强化学习算法会退化为单一策略的梯度优化方法。针对上述问题,给出了学生策略之间相似度的概念,并提出了基于相似度约束的双策略蒸馏框架(Similarity Constrained Dual Policy Distillation,SCDPD)。该框架在知识迁移的过程中,动态地调整两个学生策略间的相似度,从理论上证明了其能够有效提升学生策略的探索性以及算法的稳定性。实验结果表明,将SCDPD与经典的异策略和同策略深度强化学习算法结合的SCDPD-SAC算法和SCDPD-PPO算法,在多个连续控制任务上,相比经典算法具有更好的性能表现。

关键词：深度强化学习策略蒸馏相似度约束知识迁移连续控制任务

来源：评论

学校读者我要写书评

暂无评论

李群特征的深度学习算法研究（英文）

引用

山西大学学报(自然科学版) 2022年第1期45卷 60-67页

作者：杨梦铎李凡长苏州经贸职业技术学院信息技术学院苏州大学江苏省计算机信息处理技术重点实验室苏州大学计算机科学与技术学院

由于真实世界中的复杂数据经常能够被表示成李群结构，文章设计了一个以李群特征作为输入的深度网络架构，以此利用深度学习强大的特征表示能力来进行模式识别等任务。在构建李群深度神经网络的过程中，为了保证在优化时李群特征能够被... 详细信息

由于真实世界中的复杂数据经常能够被表示成李群结构，文章设计了一个以李群特征作为输入的深度网络架构，以此利用深度学习强大的特征表示能力来进行模式识别等任务。在构建李群深度神经网络的过程中，为了保证在优化时李群特征能够被限定在微分流形的结构上，提出了适用于李群特征的深度学习算法。算法在特征学习的过程中不仅能够保证不损失数据流形结构的信息，同时也限定了参数优化的假设空间。基于李群特征的深度学习算法在CIFAR-BW和MNIST数据集上，通过为静态图像设计辐条模型的李群特征，实验结果表明算法在较少次数的迭代下就能够收敛到较为理想的结果。

关键词：李群特征深度学习辐条模型图像分类表示学习

来源：评论

学校读者我要写书评

暂无评论

基于EfficientNet的无锚框目标检测模型

引用

计算机技术与发展 2024年第1期34卷 37-43页

作者：卜子渝杨哲刘纯平苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006 江苏省大数据智能工程实验室江苏苏州215006

目标检测是计算机视觉的热门研究方向之一,包含分类和定位两个任务。针对单阶段目标检测模型普遍存在的两个问题:训练时正负样本的不均衡以及锚框的设置需要人工干预,提出一种基于EfficientNet的无锚框目标检测模型(Anchor-free Efficie... 详细信息

目标检测是计算机视觉的热门研究方向之一,包含分类和定位两个任务。针对单阶段目标检测模型普遍存在的两个问题:训练时正负样本的不均衡以及锚框的设置需要人工干预,提出一种基于EfficientNet的无锚框目标检测模型(Anchor-free Efficientnet-based Object Detector,AEOD)。AEOD先筛选出落在目标框中的特征点,再根据特征点所作的预测计算代价矩阵,在训练时基于代价矩阵为目标动态分配正负样本,从而达到平衡二者数量的目的。此模型通过特征图中的特征点直接预测目标的位置和形状,不仅省去了人工设置锚框的环节,还提高了可检出目标的数量。此外,可缩放的EfficientNet进一步提高了模型的泛化能力,使之可以接收多尺度的输入。在PASCAL VOC07+12数据集中,AEOD最高可以获得91.3%的平均精度(mAP),检测速度达到32.1 FPS,较其他主流的目标检测模型有显著提升。

关键词：深度学习计算机视觉目标检测正负样本分配算法无锚框

来源：评论

学校读者我要写书评

暂无评论

面向小目标检测的机器视觉实验项目改进设计

引用

实验技术与管理 2022年第9期39卷 64-70页

作者：杨哲卜子渝苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006 江苏省大数据智能工程实验室江苏苏州215006

目标检测是计算机视觉实践课程中重要的实验项目,尤其是小目标检测是该领域的难点。针对实验中常用的SSD模型存在的小目标检测能力不足等问题,提出采用特征图融合的方法改进特征金字塔的结构。在不改变特征图通道数的前提下,对底层特征... 详细信息

目标检测是计算机视觉实践课程中重要的实验项目,尤其是小目标检测是该领域的难点。针对实验中常用的SSD模型存在的小目标检测能力不足等问题,提出采用特征图融合的方法改进特征金字塔的结构。在不改变特征图通道数的前提下,对底层特征图通过上采样和卷积操作,增强细节信息的表征能力,构成新的特征金字塔进行训练和预测。在VOC数据集上的测试结果表明:相较于SSD模型,改进模型对不同大小目标的检测精度都有提升,小目标的检测精度提升一倍以上,并且改善了SSD模型存在的漏检和误检问题。通过模型的优化和对比,加深了学生对目标检测原理的理解,提高了学生解决实际问题的能力,促进了计算机视觉实践课程的建设。

关键词：计算机视觉实验设计目标检测特征融合

来源：评论

学校读者我要写书评

暂无评论

基于序列的蛋白质二面角预测研究综述

引用

计算机技术与发展 2023年第3期33卷 1-8页

作者：郑美丽朱琪张步忠安庆师范大学计算机与信息学院安徽安庆246013 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

蛋白质结构决定功能,蛋白质主链上N-C键和C-C键形成的二面角(φ,ψ)对蛋白质三维结构和空间构象起着重要作用。从蛋白质一级序列出发,预测骨架二面角可以加速对低能结构构象空间的有效采样,大大推进三维结构预测,可作为生物实验的有效... 详细信息

蛋白质结构决定功能,蛋白质主链上N-C键和C-C键形成的二面角(φ,ψ)对蛋白质三维结构和空间构象起着重要作用。从蛋白质一级序列出发,预测骨架二面角可以加速对低能结构构象空间的有效采样,大大推进三维结构预测,可作为生物实验的有效快速辅助手段。随着蛋白质生物样本数据增多和计算性能提升,近年来,深度学习方法广泛应用到蛋白质二面角预测。介绍了蛋白质残基的主要特征表示、计算方法对二面角预测处理、评价标准和常用数据集等;对近几年来的基于深度学习模型诸多研究工作进行系统归纳与整理,从网络结构设计、输入特征表示、模型泛化性能等方面进行总结,并对比分析各算法特点及存在的问题。在此基础上,对其未来研究发展方向与应用前景进行了展望。

关键词：骨架二面角机器学习深度学习序列表征蛋白质结构

来源：评论

学校读者我要写书评

暂无评论

基于空间和多层级联合编码的图像描述算法

引用

计算机科学 2022年第10期49卷 151-158页

作者：方仲俊张静李冬冬华东理工大学信息科学与工程学院上海200237 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215031

图像描述是图像理解领域的热点研究课题之一,它是结合计算机视觉和自然语言处理的跨媒体数据分析任务,通过理解图像内容并生成语义和语法都正确的句子来描述图像。现有的图像描述方法多采用编码器-解码器模型,该类方法在提取图像中的视... 详细信息

图像描述是图像理解领域的热点研究课题之一,它是结合计算机视觉和自然语言处理的跨媒体数据分析任务,通过理解图像内容并生成语义和语法都正确的句子来描述图像。现有的图像描述方法多采用编码器-解码器模型,该类方法在提取图像中的视觉对象特征时大多忽略了视觉对象之间的相对位置关系,但它对于正确描述图像的内容是非常重要的。基于此,提出了基于Transformer的空间和多层级联合编码的图像描述方法。为了更好地利用图像中所包含的对象的位置信息,提出了视觉对象的空间编码机制,将各个视觉对象独立的空间关系转换为视觉对象间的相对空间关系,以此来帮助模型识别各个视觉对象间的相对位置关系。同时,在视觉对象的编码阶段,顶部的编码特征保留了更多的贴合图像语义信息,但丢失了图像部分视觉信息,考虑到这一点,文中提出了多层级联合编码机制,通过整合各个浅层的编码层所包含的图像特征信息来完善顶部编码层所蕴含的语义的信息,从而获取到更丰富的贴合图像的语义信息的编码特征。文中在MSCOCO数据集上使用多种评估指标(BLEU,METEOR,ROUGE-L和CIDEr等)对提出的图像描述方法进行评估,并通过消融实验证明了提出的基于空间的编码机制以及多层级联合编码机制能够辅助产生更为准确有效的图像描述语句。对比实验结果表明,所提方法能够产生准确、有效的图像描述并优于大多数最新的算法。

关键词：图像描述 Transformer 空间编码机制多层级联合编码机制注意力机制

来源：评论

学校读者我要写书评

暂无评论

CT-CloudDetect:用于遥感卫星云检测的混合模型

引用

遥感信息 2024年第5期39卷 1-11页

作者：方巍陶恩屹南京信息工程大学计算机学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室南京210041 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南京210041 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215000

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部... 详细信息

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部性,难以捕获长距离依赖关系。针对上述问题,文章提出一个基于CNN和ViT(Vision Transformer)的混合型云检测模型,并提出一种基于CNN和ViT的编码器,使网络具备捕捉局部和全局信息的能力。为了更好地融合语义和尺度不一致的特征,提出了一个双尺度注意力融合模块,通过注意力机制有选择地融合特征。此外,提出了轻量级路由解码器,该解码器通过路由结构降低模型复杂度。在3个公开云检测数据集上对模型进行了评估。大量实验表明,所提出的模型具有比现有模型更好的性能。

关键词：深度学习卷积神经网络空间Vision Transformer 混合模型云检测

来源：评论

学校读者我要写书评

暂无评论

FASSD:基于特征扩展融合的SSD优化模型

引用

计算机时代 2023年第3期 28-30,35页

作者：孙楠苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室

SSD(Single Shot MultiBox Detector)是目标检测领域内重要的算法之一,在检测精度与速度上都取得了较好的结果。针对SSD单层感受野不足,特征分辨能力差的问题,提出了FASSD优化模型(SSD with Feature Fusion Atrous)。FASSD模型通过对特... 详细信息

SSD(Single Shot MultiBox Detector)是目标检测领域内重要的算法之一,在检测精度与速度上都取得了较好的结果。针对SSD单层感受野不足,特征分辨能力差的问题,提出了FASSD优化模型(SSD with Feature Fusion Atrous)。FASSD模型通过对特征金字塔与预测器的改造,使模型在扩展感受野的同时能更充分的学习特征金字塔所带来的多尺度特征。在PASCAL VOC数据集上,FASSD取得了82.5%的mAP,相比于原始SSD提高了7.6%。

关键词：机器视觉目标检测多尺度特征金字塔空洞卷积

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的YOLOv5优化模型

引用

计算机技术与发展 2023年第12期33卷 163-170页

作者：潘烨新黄启鹏韦超杨哲苏州大学计算机科学与技术学院江苏苏州215006 省计算机信息处理技术重点实验室江苏苏州215006

目标检测是机器视觉研究中的重要分支。目前在工业生态中应用广泛的YOLOv5模型经过版本迭代,在预测权重大小以及检测精度方面都有所优化,但模型的处理速度仍然较低,尤其是对于小目标及遮挡目标的检测效果有待改进。该文提出一种基于注... 详细信息

目标检测是机器视觉研究中的重要分支。目前在工业生态中应用广泛的YOLOv5模型经过版本迭代,在预测权重大小以及检测精度方面都有所优化,但模型的处理速度仍然较低,尤其是对于小目标及遮挡目标的检测效果有待改进。该文提出一种基于注意力机制的YOLO v5改进模型。首先,通过引入维度关联注意力机制模块进行特征融合,提升主干网络的特征提取能力,达到改善小目标与遮挡目标的检测效果;其次,采用SIoU损失函数代替CIoU损失函数,作为新的边界框回归参数的损失函数,提高边界框的定位精度以及检测速度。实验结果显示,优化模型的平均精度均值达到87.8%,相比于YOLOv5提高了4.7百分点,在单GPU上模型的检测速度达到83.3 FPS。

关键词：机器视觉深度学习目标检测注意力机制损失函数

来源：评论

学校读者我要写书评

暂无评论

无人驾驶中的场景实时语义分割方法

引用

计算机辅助设计与图形学学报 2021年第7期33卷 1026-1037页

作者：秦飞巍沈希乐彭勇邵艳利袁文强计忠平白静杭州电子科技大学计算机学院杭州310018 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 北方民族大学计算机科学与工程学院银川750021

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分... 详细信息

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分别获取空间信息和上下文信息的方法,又会增加计算量及存储量.因此,提出从残差结构网络中划分出空间信息路径和上下文信息路径的想法,并基于此设计一个双路语义分割网络.该网络还含有用于融合2路多尺度特征的特征融合模块,以及用于优化上下文语义路径输出结果的注意力精炼模块.该网络基于PyTorch框架实现,使用NVIDIA1080Ti显卡进行实验,在道路场景数据集Cityscapes上,mIoU达到78.8%,运行速度达到27.5帧/s.

关键词：无人驾驶实时语义分割残差单元注意力机制

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：