检索结果-内蒙古大学图书馆

模式识别与人工智能 2021年第11期34卷 1058-1068页

作者：孙君顶惠朕堃唐朝生毋小省河南理工大学计算机科学与技术学院焦作454000 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

针对肝脏分割中存在误分割及小目标漏分割的问题,文中提出基于U-Net的特征交互分割方法,采用ResNet34作为主干网络.为了实现不同尺度间的非局部交互,设计基于转换器机制的特征交互金字塔模块作为网络的桥接器,获得具有丰富上下文信息的... 详细信息

针对肝脏分割中存在误分割及小目标漏分割的问题,文中提出基于U-Net的特征交互分割方法,采用ResNet34作为主干网络.为了实现不同尺度间的非局部交互,设计基于转换器机制的特征交互金字塔模块作为网络的桥接器,获得具有丰富上下文信息的特征图.设计多尺度注意力机制替代U-Net中的跳跃连接,关注图像中的小目标,充分获取目标层的上下文信息.在公开数据集LiTS及3Dircadb和CHAOS组成的数据集上的实验证实文中方法能取得较好的分割效果.

关键词：肝脏分割转换器注意力机制特征交互

来源：评论

学校读者我要写书评

暂无评论

带有蛋白质输入的RNA-蛋白质结合位点预测方法

引用

计算机应用与软件 2022年第3期39卷 40-44页

作者：梅杰何如吉吕强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

RNA及RNA结合蛋白之间的相互作用在基因调控中扮演着重要角色。许多预测RNA-蛋白质结合位点的深度学习方法陆续提出。目前多数研究没有将RNA结合蛋白作为模型输入,限制了深度学习模型的规模。对此问题,提出一个带有RNA结合蛋白输入的深... 详细信息

RNA及RNA结合蛋白之间的相互作用在基因调控中扮演着重要角色。许多预测RNA-蛋白质结合位点的深度学习方法陆续提出。目前多数研究没有将RNA结合蛋白作为模型输入,限制了深度学习模型的规模。对此问题,提出一个带有RNA结合蛋白输入的深度学习模型,通过扩大训练集的规模挖掘RNA-蛋白质结合位点的公共知识。模型将RNA序列先后经过卷积神经网络和门控循环单元来得到序列特征;将序列特征与RNA结合蛋白的独热编码拼接,作为全连接层的输入;通过一个Sigmoid单元输出该RNA结合蛋白对RNA序列的结合概率。在两个权威数据集上,该方法相比其他模型均具有一定优势。

关键词： RNA RNA结合蛋白 RNA-蛋白质结合位点深度学习

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

面向大规模数据的DBSCAN加速算法综述

引用

计算机研究与发展 2023年第9期60卷 2028-2047页

作者：陈叶旺曹海露陈谊康昭雷震杜吉祥华侨大学计算机科学与技术学院福建厦门361021 食品安全大数据技术北京市重点实验室(北京工商大学) 北京100048 电子科技大学计算机科学与工程学院成都611731 模式识别国家重点实验室(中国科学院自动化所) 北京100190 厦门市数据安全与区块链技术重点实验室(华侨大学) 福建厦门361021 福建省大数据智能与安全重点实验室(华侨大学) 福建厦门361021 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

DBSCAN(density-based spatial clustering of applications with noise)是应用最广的密度聚类算法之一.然而,它时间复杂度过高(O(n^(2))),无法处理大规模数据.因而,对它进行加速成为一个研究热点,众多富有成效的工作不断涌现.从加速目... 详细信息

DBSCAN(density-based spatial clustering of applications with noise)是应用最广的密度聚类算法之一.然而,它时间复杂度过高(O(n^(2))),无法处理大规模数据.因而,对它进行加速成为一个研究热点,众多富有成效的工作不断涌现.从加速目标上看,这些工作大体上可分为减少冗余计算和并行化两大类;就具体加速手段而言,可分为6个主要类别:基于分布式、基于采样化、基于近似模糊、基于快速近邻、基于空间划分以及基于GPU加速技术.根据该分类,对现有工作进行了深入梳理与交叉比较,发现采用多重技术的融合加速算法优于单一加速技术;近似模糊化、并行化与分布式是当前最有效的手段;高维数据仍然难以应对.此外,对快速化DBSCAN算法在多个领域中的应用进行了跟踪报告.最后,对本领域未来的方向进行了展望.

关键词：快速化DBSCAN 密度聚类聚类算法大数据数据挖掘

来源：评论

学校读者我要写书评

暂无评论

基于相似度约束的双策略蒸馏深度强化学习方法

引用

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

多通道Laplacian矩阵融合的超图直推学习模型

引用

小型微型计算机系统 2023年第11期44卷 2566-2575页

作者：徐良奎杨哲吴国荣赵雷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 高等计算医学实验室北卡罗来纳大学教堂山分校美国教堂山NC 27599

超图直推学习模型是机器学习领域研究热点.超图模型的性能取决于构造的超图结构及其Laplacian矩阵的质量.现有超图模型基于单一超图结构,信息表达能力有限.本文提出超图结构扩张法,将异构超图的关联矩阵和权重矩阵拼接,融合更多的顶点... 详细信息

超图直推学习模型是机器学习领域研究热点.超图模型的性能取决于构造的超图结构及其Laplacian矩阵的质量.现有超图模型基于单一超图结构,信息表达能力有限.本文提出超图结构扩张法,将异构超图的关联矩阵和权重矩阵拼接,融合更多的顶点间全局高阶信息,增加Markov随机游走的扩散范围.但这会导致矩阵维度高,计算开销大.因此进一步提出多通道Laplacian矩阵融合法,用多个通道计算异构超图结构各自的Laplacian矩阵,再加权累加.在4个数据集上的实验表明,两种方法都能提高超图直推学习模型的分类性能,且Laplacian矩阵融合法比结构扩张法平均节约40%左右时间成本,F1指标最高提升8.4%.

关键词：超图直推学习超图结构扩张超图Laplacian矩阵多通道Laplacian矩阵融合

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

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

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：