论文部分内容阅读
基于自适应学习的少样本图像分类问题研究
【摘 要】
：
近年来,基于深度学习技术的方法在很多领域都取得了突破性的进展。然而,这些深度学习模型普遍需要大量高质量的有标签数据来训练模型的参数。深度学习需要大量训练数据这一特性限制了其在一些数据稀缺场景下的应用,因为在某些场景下每个类别只有少数几个有标签样本。因此,对深度学习技术进行探索,使得其在数据稀缺的场景下仍然能够进行高效学习是一个亟待解决的重要问题。为了应对这一挑战,很多学者开始研究少样本图像分类问题
【机 构】
：
中国科学技术大学
【出 处】
：
中国科学技术大学
【发表日期】
：
2021年08期
【基金项目】
：
其他文献
随着第五代(fifth generation,5G)移动通信的全球商用部署,移动网络所产生的数据业务量将持续指数式增长,这会对下一代通信系统提出更严格的要求。为应对以上挑战,第六代(sixthgeneration,6G)移动通信系统的研发已经逐步开展。在众多6G技术中,“空天地一体化通信技术”已被广泛视作核心技术之一。无人机通信作为空基通信的重要组成部分,为无线通信系统的设计带来了新的自由度。特别
学位
手语是听力障碍者用手势代替有声语言进行交流的方法,是听力障碍者之间、听力障碍者与正常听力者之间交流的主要方式,它主要是通过手形、朝向、位置和运动轨迹等信息来传递一个手语词的含义。如果能够通过手语识别相关技术将获得的手语视频转换为文字或声音信息表达出来,那么可以为听力障碍者提供一种与社会正常交流的有效途径,将有助于加强聋哑人与听力正常者之间的交流,帮助他们走出困境,为他们创造一个正常的工作环境,具有
学位
非视距散射通信由于无需收发端严格对准,同时紫外光具有良好的散射性能,使得散射通信可以应用到长距离或者存在障碍物遮挡的场景下通信。单链路散射通信的有效通信速率和收发端天线的相对角度存在较大相关性,如果接收节点具备一定的方向感知能力,可以有效提升通信链路质量。对于多节点构成的通信网络,进行有效的干扰抑制,可以使得网络性能得到很大的提升。所以,针对紫外散射通信中的邻居节点方向估计和网络优化具有重要意义。
学位
近年来,随着人们对海洋资源的探索和海底军事活动的增加,水下勘探、水下传感器网络、潜艇通信等技术发展迅速,而支持这些技术发展的重要支撑就是有效高速的水下通信。相比于水声通信和水下射频通信,水下无线光通信(Underwater Optical Wireless Communication,UOWC)技术可以实现超高的数据传输速率和超低的传输延迟,而且成本较低,因此成为近几年的研究热点。此外,通信的安全
学位
一直以来,海面目标跟踪被广泛应用在军用和民用领域,因其特殊的应用价值,学术界对此极为关注,并将其列为重要的学术课题加以研究讨论。随着调研工作的逐渐深入,如何提升海面目标跟踪效果这一问题越来越受到重视,学者们不断尝试探索海面目标的跟踪算法,以期能使海面目标的跟踪效果趋于理想。于是形式各异、多种多样的海面目标跟踪算法由此应运而生。在众多的海面目标跟踪算法中,MHT(Multiple Hypothesi
学位
近年来新型多媒体业务的快速发展对无线通信的传输速率及容量提出了更高的要求,这也加剧了传统射频通信中的频谱资源短缺问题。而可见光通信(Visible Light Communication,VLC)技术具有频谱资源丰富、对电磁干扰免疫、以及兼顾照明与通信等优势,逐渐受到了更多关注。然而,在VLC中因为发光二极管(Light Emitting Diode,LED)光源的3dB调制带宽限制以及非线性电光
学位
随着移动互联网的迅速发展,图像信息充斥着人们生活的各个方面,利用计算机自动高效地提取图像中的文字信息,对我国的信息化建设和数字经济的发展有着重要的意义。目前对场景图像中文字检测与识别技术的研究多以中英文为主,对于维语文字的相关研究较少。鉴于文字识别技术在语言翻译、信息检索、信息安全等领域的广泛应用,开展场景图像中维语文字检测与识别的研究对促进我国新疆地区智能产业发展和经济建设有着不可忽视的作用。随
学位
随着移动通信终端的普及,通信业务需求日益增加,无线通信网络已进入大数据时代。为了解决频谱资源短缺问题,拍赫兹通信将成为未来的关键技术。基于卷帘相机的成像通信技术作为拍赫兹通信的一种,其发送端由单光源或阵列排布的多个光源组成。与传统可见光通信系统中使用光电二极管或雪崩光电二极管接收信号不同,基于卷帘相机的成像通信系统中收发端之间不用严格对准,且发送端为普通商用的LED光源,接收端也使用了常见智能手机
学位
近年来,随着深度学习技术的快速发展,通用目标检测领域取得了显著的进步。其中,特征金字塔的使用和精心设计的锚点框是大多数当前最佳的目标检测器取得成功的关键。尽管这些成果令人印象深刻,但是,现有的构造特征金字塔的方法都是盲目地在每个特征层次上集成了多尺度特征表示;而且手工设计的锚点框也给现有的目标检测器带来一些缺点。为了减轻由此带来的不利影响,本文提出了一种使用增强特征金字塔的半无锚框网络以用于通用目
学位
近年来,深度学习技术在海量的数据资源和大规模的高性能计算设备的支持下,取得了飞跃式的发展。作为深度学习技术中应用最成功的网络之一,深度卷积神经网络在许多研究领域中都取得了显著成就。然而卷积神经网络的出色性能与其庞大的计算和存储成本密不可分,这给在资源受限的设备上应用卷积神经网络带来了挑战。为实现对深度卷积神经网络的精简,本文研究了两种模型剪枝算法,主要研究内容和贡献如下:(1)基于Wasserst
学位