【摘 要】
：
深度学习是基于数据构建统计模型,通过模型对未知数据进行预测的一种统计学习方法.为保障模型质量,语义分割训练需要大量像素级别精确的标注数据.采用半监督学习的训练方式,首先训练一个可为大量无标注数据生成伪标签的标注模型,然后将人工标注的数据与模型标注的数据放在一起进行训练,以提升模型的泛化能力.此外,为减轻大量伪标签数据带来的计算负担,采用逐步调整训练图像分辨率的方法,在保证精确度的前提下可使训练总时间减少一半.实验结果表明,采用该训练方法,结合使用未标注数据,可在Cityscapes数据集上提升模型精确度,
【机 构】
：
上海理工大学光电信息与计算机工程学院,上海200093
论文部分内容阅读
深度学习是基于数据构建统计模型,通过模型对未知数据进行预测的一种统计学习方法.为保障模型质量,语义分割训练需要大量像素级别精确的标注数据.采用半监督学习的训练方式,首先训练一个可为大量无标注数据生成伪标签的标注模型,然后将人工标注的数据与模型标注的数据放在一起进行训练,以提升模型的泛化能力.此外,为减轻大量伪标签数据带来的计算负担,采用逐步调整训练图像分辨率的方法,在保证精确度的前提下可使训练总时间减少一半.实验结果表明,采用该训练方法,结合使用未标注数据,可在Cityscapes数据集上提升模型精确度,大幅减少新数据标注的时间及成本.
其他文献
高质量发展成为中国现在乃至未来经济建设的必然要求,为了解决我国目前新经济发展趋势下出现的诸多问题,提升省际高质量发展水平,构建由6个方面、27个指标构成的省际高质量发展评价体系,收集各省市2015-2018年相关数据,采用投影寻踪对省际高质量发展水平以及各指标的重要性进行排序和分类研究.结果表明,北京、上海、天津、浙江、广东、江苏的高质量发展水平始终位列前6,其中创新驱动发展对高质量发展水平影响最大.通过选用PCA和信息熵权法等方法与投影寻踪进行对比实验,说明了投影寻踪评价方法的合理性,是省际高质量发展水
作为探索软件需求的手段与机制,用户故事驱动着敏捷开发.仅从用户使用软件的层面探索软件需求难免显得唐突和零星,因此旨在探索用户及其角色的来源及其演变历程以观全局.在分析用户故事及其局限性的基础上,基于论域扩展用户故事,向上回溯到业务域的参与者故事,向下扩展至设计域乃至实施域.设计扩展的用户故事在工程与教学实践中的应用路径,并以业务域为例给出用户故事及其建模实践集.该扩展方法在门诊业务域建模实践中得到了验证,也可推广到设计域和实施域建模实践中.
为了改善NAND FLASH(闪存)数据存储的可靠性,提出一种基于优化巴氏参数的凿孔极化码编码方法.使用非均匀存储感知法提高感知精度,计算存储单元重叠区域的相邻边界值和感知电压,并根据得到的感知电压和闪存单元的概率密度函数计算对数似然比(LLR),再将存储单元中各比特的LLR值拟合成高斯分布并得到方差,从而迭代计算每个存储单元位的巴氏参数.并且,根据闪存页容量和元数据信息构造码率匹配的凿孔极化码,使之可以更好地应用于闪存中.仿真结果表明,该方法构造的极化码性能优于蒙特卡洛和高斯近似构造方法,当采用SCL(
为解决传统组播技术因组播树状态导致大量网络流量消耗以及低处理效率的问题,互联网工程任务组提出新型组播协议位索引显式复制(BIER)技术.该技术具有无状态可扩展优势,但缺乏配置简单且高性能的保护方案.为此,基于P圈保护算法和grow扩展算法提出双P圈保护方案,在网络拓扑中生成包含最短路径的P1圈和不包含最短路径的P2圈,采用双P圈进行联合保护,设计组播分组BIER封装条目格式并分析保护转发过程.在P4平台上对COST-239欧洲测量拓扑进行了仿真,结果显示,相较于传统P圈保护方案,双P圈保护方案的平均节点保
为了能够及时调整Web安全防护策略,确保Web攻防设备将安全威胁维持在可控范围内,从网站服务器漏洞与应用系统漏洞两个角度出发,通过环境准备、信息采集实现漏洞查询,将扫描出的24处风险点划分为高危、中危、低危3个层级的漏洞并逐一进行分析,实施漏洞测试与修复,并从Web服务器、Web应用开发者、Web网站管理员3方面提出共22条防护策略,能够阻止攻击者获取用户个人账户信息,从而有效地对深层次网络攻击进行防护,保障客户Web环境的安全.
差分隐私常被应用于位置隐私保护场景中,通过给位置点加入干扰噪声来混淆真实数据以达到保护隐私目的,但该方法会造成大量噪声数据冗余,影响位置的真实性.为解决该问题,提出一种新的基于差分隐私的DPK-MO算法来保护用户真实位置.在确定初始中心点时加入邻接密度和最小误差平方,并始终选取样本误差平方和最小的点作为中心再聚类,剔除离散点,合并密度小的聚类集,最后合理加入符合差分隐私的拉普拉斯噪声来得到虚拟位置.实验结果证明,该方法可有效缓解数据集范围广、边界值影响大、密度分布不均的问题,降低了查询误差.在同一隐私参数
现有融合多种视觉特征的图像分割算法大多是将多种特征简单组成一组特征向量,如何针对不同图像自动调整多种特征之间的权重仍是一大挑战.基于此,提出一种基于区域的融合多视觉特征图像分割算法.首先,使用Meanshift算法对原始图像进行预分割,获得一组超像素区域.该操作既能保留图像局部的空间信息,又能降低时间复杂度;其次,分别提取每个超像素区域的颜色特征和纹理特征;之后,分别根据两个特征设计两个图像分割模型,并使用多目标进化算法对两个分割模型同时进行优化.将该算法与现有的特征融合分割算法从视觉与量化指标两方面进行
随着深度学习算法的广泛应用,工业领域的缺陷检测不再局限于传统的机器视觉算法,但工业检测过程中深度学习对样本的依赖性和缺陷样本缺乏是亟待解决的问题.提出一种基于生成对抗网络(GAN)的工业缺陷样本模拟生成算法.根据工业缺陷特点,首先提取样本,基于缺陷位置截取具体缺陷,然后利用StyleGAN网络训练生成模型.基于相应的位置信息模型生成新的样本.最后根据生成的样本和位置信息提出一种典型的图像融合方法来生成最终样本.对面板缺陷的模拟生成实验表明,该算法能实现缺陷的生成与融合,有效进行数据集扩充.
无人汽车以多传感器测量数据融合的方法实现环境感知.针对数据融合中三维激光雷达和双目相机坐标系联合标定问题,提出一种基于空间圆心的联合标定方法.首先通过棋盘格标定板得到双目相机的内外参数,然后使用激光雷达和双目相机同时检测圆孔标定板中的圆心坐标,进行粗标定计算激光雷达坐标系变换到摄像机坐标系的平移矩阵,最后通过中心化的特征点集对旋转平移矩阵进行优化.实验结果表明,该方法只需采集3次数据就可以实现联合标定,简化了标定过程.平均标定误差为1.86像素,标准差为0.41像素,证明其结果准确可靠.
为提高图像超分辨率重建质量,针对单一联合字典缺乏公共适用性问题,提出一种结合分组联合字典的超分辨率重建算法.首先,利用K-Means算法对训练样本进行分组,并用迭代软阈值算法得到分组联合字典,使每组样本不仅可以用其对应的子联合字典线性表示,还可被总的联合字典线性表示;其次,在重建过程中,低分辨率图像块根据其所属的类别来选择合适的分组联合字典,重建出对应的高分辨率图像块;最后,将重建出的高分辨率图像块整合得到高分辨率图像,并将其应用于遥感图像超分辨率重建.实验结果表明,该方法将遥感图像的峰值信噪比(PSNR