期刊文献+
共找到12篇文章
< 1 >
每页显示 20 50 100
融合三元卷积神经网络与关系网络的小样本食品图像识别 预览
1
作者 吕永强 闵巍庆 +1 位作者 段华 蒋树强 《计算机科学》 CSCD 北大核心 2020年第1期136-143,共8页
食品识别在食品健康和智能家居等领域获得了广泛关注。目前大部分的食品识别工作是基于大规模标记样本的深度神经网络,这些工作无法有效地识别只有少量样本的类别,因此小样本食品识别是一个亟待解决的问题。目前基于度量学习的小样本识... 食品识别在食品健康和智能家居等领域获得了广泛关注。目前大部分的食品识别工作是基于大规模标记样本的深度神经网络,这些工作无法有效地识别只有少量样本的类别,因此小样本食品识别是一个亟待解决的问题。目前基于度量学习的小样本识别方法着重于探究样本之间的相似度信息,忽略了类内与类间更加细粒度的区分。学习类内与类间区分信息的主流方法是基于线性度量函数的三元卷积神经网络,然而对于食品图像而言,线性度量函数的鉴别能力不足。为此,引入可学习的关系网络作为三元卷积神经网络的非线性度量函数,进一步提出了一种基于非线性度量的三元神经网络用于小样本食品识别方法。该方法使用三元神经网络学习图像的特征嵌入表示,然后采用鉴别能力更强的关系网络作为非线性度量函数,基于端到端的训练方式来学习类内与类间更加细粒度的区分信息。此外,提出了一种可以使模型训练更加稳定的三元组样本在线采样方案。通过在Food-101,VIREO Food-172和ChineseFoodNet食品数据集上的实验结果可知,相比基于孪生网络的小样本学习方法,所提方法的性能平均提高了3.0%,相比基于线性度量函数的三元神经网络的方法,所提方法的性能平均提升了1.0%。文中还探究了损失函数的阈值、三元组采样的参数和初始化方式对实验性能的影响。 展开更多
关键词 食品识别 小样本识别 非线性度量 三元神经网络
在线阅读 免费下载
基于双重相似度孪生网络的小样本实例分割 预览
2
作者 罗善威 陈黎 《武汉科技大学学报》 CAS 北大核心 2020年第1期59-66,共8页
针对孪生网络在小样本数据集上的应用和优化问题,提出一种基于双重相似度计算和孪生网络的小样本实例分割模型。首先对传统孪生网络进行改进,将孪生网络与残差网络相结合,构建作为本模型骨干网络的孪生残差网络;然后在相似度计算阶段构... 针对孪生网络在小样本数据集上的应用和优化问题,提出一种基于双重相似度计算和孪生网络的小样本实例分割模型。首先对传统孪生网络进行改进,将孪生网络与残差网络相结合,构建作为本模型骨干网络的孪生残差网络;然后在相似度计算阶段构建了具有两个子网络的双重相似度计算网络,分别用于计算场景图像与参考图像的空域相似度和频域相似度,并进行相似度特征融合;最后通过实例分割网络获得分割结果。此外,还引入Focal Loss损失函数来解决模型训练过程中正、负样本以及难、易样本的不均衡问题。在COCO数据集上的实验结果表明,本文方法的小样本实例分割性能要优于对比算法。 展开更多
关键词 小样本学习 实例分割 孪生网络 残差网络 空域相似度 频域相似度
在线阅读 下载PDF
一种基于伪标签的半监督少样本学习模型 预览
3
作者 余游 冯林 +1 位作者 王格格 徐其凤 《电子学报》 EI CAS CSCD 北大核心 2019年第11期2284-2291,共8页
如何将带有大量标记数据的源域知识模型迁移至带有少量标记数据的目标域是少样本学习研究领域的热点问题.针对现有的少样本学习算法在源域数据与目标域数据的特征分布差异较大时存在的泛化能力较弱的问题,提出一种基于伪标签的半监督少... 如何将带有大量标记数据的源域知识模型迁移至带有少量标记数据的目标域是少样本学习研究领域的热点问题.针对现有的少样本学习算法在源域数据与目标域数据的特征分布差异较大时存在的泛化能力较弱的问题,提出一种基于伪标签的半监督少样本学习模型FSLSS(Few-Shot Learning based on Semi-Supervised).首先,利用pytorch深度学习框架建立一个关系型深度学习网络,并使用源域数据对网络进行预训练;然后,使用此网络对目标域数据进行分类预测,将分类概率最大的类标签作为数据的伪标签;最后,利用目标域的伪标签数据和源域的真实标签数据对网络进行混合训练,并重复伪标签标记与混合训练过程.实验结果表明,相对于现有主流少样本学习算法,FSLSS模型有更好的泛化能力及知识迁移效果. 展开更多
关键词 少样本学习 半监督学习 伪标签 迁移学习
在线阅读 下载PDF
代表特征网络的小样本学习方法
4
作者 汪荣贵 郑岩 +1 位作者 杨娟 薛丽霞 《中国图象图形学报》 CSCD 北大核心 2019年第9期1514-1527,共14页
目的小样本学习任务旨在仅提供少量有标签样本的情况下完成对测试样本的正确分类。基于度量学习的小样本学习方法通过将样本映射到嵌入空间,计算距离得到相似性度量以预测类别,但未能从类内多个支持向量中归纳出具有代表性的特征以表征... 目的小样本学习任务旨在仅提供少量有标签样本的情况下完成对测试样本的正确分类。基于度量学习的小样本学习方法通过将样本映射到嵌入空间,计算距离得到相似性度量以预测类别,但未能从类内多个支持向量中归纳出具有代表性的特征以表征类概念,限制了分类准确率的进一步提高。针对该问题,本文提出代表特征网络,分类效果提升显著。方法代表特征网络通过类代表特征的度量学习策略,利用类中支持向量集学习得到的代表特征有效地表达类概念,实现对测试样本的正确分类。具体地说,代表特征网络包含两个模块,首先通过嵌入模块提取抽象层次高的嵌入向量,然后堆叠嵌入向量经过代表特征模块得到各个类代表特征。随后通过计算测试样本嵌入向量与各类代表特征的距离以预测类别,最后使用提出的混合损失函数计算损失以拉大嵌入空间中相互类别间距减少相似类别错分情况。结果经过广泛实验,在Omniglot、mini Image Net和Cifar100数据集上都验证了本文模型不仅可以获得目前已知最好的分类准确率,而且能够保持较高的训练效率。结论代表特征网络可以从类中多个支持向量有效地归纳出代表特征用于对测试样本的分类,对比直接使用支持向量进行分类具有更好的鲁棒性,进一步提高了小样本条件下的分类准确率。 展开更多
关键词 小样本学习 度量学习 代表特征网络 混合损失函数 微调
基于VAE和注意力机制的小样本图像分类方法 预览
5
作者 郑欣悦 黄永辉 《计算机应用与软件》 北大核心 2019年第10期168-174,共7页
小样本图像识别是人工智能中具有挑战性的新兴领域。传统的深度学习方法无法解决样本匮乏带来的问题,模型易出现过拟合导致训练效果不佳的情况。针对以上问题,提出结合表征学习和注意力机制的小样本学习方法。通过预训练VAE(Variational... 小样本图像识别是人工智能中具有挑战性的新兴领域。传统的深度学习方法无法解决样本匮乏带来的问题,模型易出现过拟合导致训练效果不佳的情况。针对以上问题,提出结合表征学习和注意力机制的小样本学习方法。通过预训练VAE(Variational Auto-encoder)从任务中学习丰富的隐特征;对提取出的隐特征构建注意力机制,使得元学习器能快速地注意到对当前任务重要的特征;将注意力模块增强之后的特征使用分类器进行图像分类。实验表明,该算法在Mini-ImageNet和Omniglot数据集上达到72.5%和98.8%的准确率,显著优于现有元学习算法的性能。 展开更多
关键词 小样本学习 元学习 注意力机制 图像分类
在线阅读 下载PDF
基于句式元学习的Twitter分类 预览
6
作者 闫雷鸣 严璐绮 +2 位作者 王超智 贺嘉会 吴宏煜 《北京大学学报:自然科学版》 CAS CSCD 北大核心 2019年第1期98-104,共7页
针对多类别的社交媒体短文本分类准确率较低问题,提出一种学习多种句式的元学习方法,用于改善Twitter文本分类性能。将Twitter文本聚类为多种句式,各句式结合原类标签,成为多样化的新类别,从而原分类问题转化为较多类别的few-shot学习问... 针对多类别的社交媒体短文本分类准确率较低问题,提出一种学习多种句式的元学习方法,用于改善Twitter文本分类性能。将Twitter文本聚类为多种句式,各句式结合原类标签,成为多样化的新类别,从而原分类问题转化为较多类别的few-shot学习问题,并通过训练深层网络来学习句式原型编码。用多个三分类Twitter数据来检验所提Meta-CNN方法,结果显示,该方法的学习策略简单有效,即便在样本数量不多的情况下,与传统机器学习分类器和部分深度学习分类方法相比,Meta-CNN仍能获得较好的分类准确率和较高的F1值。 展开更多
关键词 元学习 少次学习 情感分析 卷积神经网络
在线阅读 免费下载
一种小样本下的内部威胁检测方法研究
7
作者 王一丰 郭渊博 +1 位作者 李涛 刘春辉 《小型微型计算机系统》 CSCD 北大核心 2019年第11期2330-2336,共7页
极少量的内部威胁通常被淹没在大量的正常数据中,对检测造成了很大困难.传统的异常检测方法在此很难发挥作用.本文针对小样本的环境设计了一种内部威胁检测框架.该文先使用经验学习中的一些技巧来生成足量的样本,然后提出一种基于深度... 极少量的内部威胁通常被淹没在大量的正常数据中,对检测造成了很大困难.传统的异常检测方法在此很难发挥作用.本文针对小样本的环境设计了一种内部威胁检测框架.该文先使用经验学习中的一些技巧来生成足量的样本,然后提出一种基于深度学习的内部威胁检测方法.所提出的分类模型结合卷积神经网络和递归神经网络模型,采用视频行为识别的架构来进行特定内部威胁的检测和关联.最终通过用CMU-CERT数据集的实验也验证了该文方法的有效性,并且该方法特别是在检测共谋攻击方面中取得了很好的效果,其分类正确率达到了82%. 展开更多
关键词 内部威胁检测 小样本学习 深度学习 用户画像
小样本目标检测的研究现状 预览
8
作者 潘兴甲 张旭龙 +2 位作者 董未名 姚寒星 徐常胜 《南京信息工程大学学报:自然科学版》 CAS 2019年第6期698-705,共8页
近年来,随着深度学习技术的进步与推广,目标检测领域得到快速发展.但目前基于深度学习的方法大多对大规模标注数据有着极高的需求,而现实场景中大量标注数据往往不可能.因此,基于少量标注样本的目标检测领域逐渐得到大家关注.本文系统... 近年来,随着深度学习技术的进步与推广,目标检测领域得到快速发展.但目前基于深度学习的方法大多对大规模标注数据有着极高的需求,而现实场景中大量标注数据往往不可能.因此,基于少量标注样本的目标检测领域逐渐得到大家关注.本文系统地总结与分析了目前有关小样本目标检测的方法,指出了目前方法的缺陷,并提出了一些可能的发展方向. 展开更多
关键词 小样本学习 深度学习 目标检测
在线阅读 下载PDF
基于孪生卷积网络的高速列车转向架故障辨识
9
作者 吴昀璞 金炜东 任俊箫 《系统仿真学报》 CAS CSCD 北大核心 2019年第11期2562-2568,共7页
高速列车转向架关键构件的性能退化与故障会危及列车运行安全。针对高速列车故障辨识中面临的监测数据高维度和样本稀缺问题,提出一种基于孪生卷积神经网络的转向架故障类型辨识方法,利用深度残差一维卷积网络进行多通道振动监测信号的... 高速列车转向架关键构件的性能退化与故障会危及列车运行安全。针对高速列车故障辨识中面临的监测数据高维度和样本稀缺问题,提出一种基于孪生卷积神经网络的转向架故障类型辨识方法,利用深度残差一维卷积网络进行多通道振动监测信号的特征提取与融合,使用孪生结构获得基于特征距离的样本相似度,依据支撑集典型数据样本进行故障类型辨识。实验结果表明,该方法可以在仅有少量样本的情况下,实现高速列车转向架多种故障类型辨识,提高了在小样本数据下的故障类型识别准确率。 展开更多
关键词 高速列车转向架 故障辨识 小样本学习 孪生网络
一种基于深度网络的少样本学习方法
10
作者 余游 冯林 +1 位作者 王格格 徐其凤 《小型微型计算机系统》 CSCD 北大核心 2019年第11期2304-2308,共5页
少样本学习是目前机器学习研究领域的热点与难点.在源域和目标域分布差异很大的情况下,现有的主流少样本学习算法训练得到的模型,泛化能力较弱,导致识别率不高.针对这个问题,提出一种基于深度网络的少样本学习方法 DL-FSL(Deep Learning... 少样本学习是目前机器学习研究领域的热点与难点.在源域和目标域分布差异很大的情况下,现有的主流少样本学习算法训练得到的模型,泛化能力较弱,导致识别率不高.针对这个问题,提出一种基于深度网络的少样本学习方法 DL-FSL(Deep Learning-based Few-Shot Learning,DL-FSL).首先,采用Bagging方法有放回地随机采样方式产生不同的训练集,针对不同的训练集,分别产生样本集、查询集.其次,建立多条异步线程,利用关系型网络学习算法以及Pytorch深度学习框架并行训练出多个不同的基模型;然后,采用概率投票方式对不同的基模型进行融合.实验结果表明,与现有方法相比,DL-FSL方法在源域和目标域分布差异很大的情况下能有效地提高少样本学习算法的识别率. 展开更多
关键词 深度网络 Bagging模型 少样本学习 Pytorch
利用概念化的少样本短文本分类研究 预览
11
作者 沈炜域 刘奇飞 《情报探索》 2018年第12期5-9,共5页
[目的/意义]旨在为用户和管理者的短文本分类管理提供参考。[方法/过程]利用开放知识库完成词粒度的概念化,将CWE预训练得到的词嵌入与实例的概念化表示拼接合成文本表示,并利用相似度的计算预测待标注短文本的类别。[结果/结论]结果表... [目的/意义]旨在为用户和管理者的短文本分类管理提供参考。[方法/过程]利用开放知识库完成词粒度的概念化,将CWE预训练得到的词嵌入与实例的概念化表示拼接合成文本表示,并利用相似度的计算预测待标注短文本的类别。[结果/结论]结果表明了在少样本的情况下,该方法分类效果优于实验涉及的其他文本分类模型。 展开更多
关键词 少样本学习 词嵌入 概念化 文本分类
在线阅读 下载PDF
面向无人机小样本目标识别的元学习方法研究 预览
12
作者 李宏男 吴立珍 +1 位作者 牛轶峰 王菖 《无人系统技术》 2019年第6期17-22,共6页
深度学习在基于图像检测和识别的问题上取得了显著的成果,然而该方法通常需要大量标记的样本进行大规模的预先训练,因而难以解决样本量不足条件下的场景感知和认知问题。以无人机识别地面目标为背景,提出一种基于小样本训练的学习框架... 深度学习在基于图像检测和识别的问题上取得了显著的成果,然而该方法通常需要大量标记的样本进行大规模的预先训练,因而难以解决样本量不足条件下的场景感知和认知问题。以无人机识别地面目标为背景,提出一种基于小样本训练的学习框架。首先将元学习与迁移学习相结合,通过预训练和元学习等步骤,有效减少了解决未知新任务所需的训练样本量和迭代次数。并在公共数据集(Omniglot)对该算法进行验证,得到了良好的识别结果。最后对无人机拍摄的图像数据集进行小规模样本的识别模型定义,在算法经过学习后能够输出较为准确的样本识别和分类,从而验证了该算法的有效性和先进性。 展开更多
关键词 小样本学习 目标检测 图像识别 元学习 迁移学习 无人机目标识别
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈