【摘 要】
：
在小样本条件下，由于低数据问题，即标记数据较少且难以收集，采用传统的深度学习很难训练出一个好的分类器.最近的研究中，基于低维局部信息度量方法和标签传播网络（transductive propagation network，TPN）算法取得了较好的分类效果，并且局部信息可以很好地度量特征与特征之间的关系，但是低数据问题依然存在.为了解决低数据问题，提出基于多尺度的标签传播网络（multi-scale
论文部分内容阅读
在小样本条件下，由于低数据问题，即标记数据较少且难以收集，采用传统的深度学习很难训练出一个好的分类器.最近的研究中，基于低维局部信息度量方法和标签传播网络（transductive propagation network，TPN）算法取得了较好的分类效果，并且局部信息可以很好地度量特征与特征之间的关系，但是低数据问题依然存在.为了解决低数据问题，提出基于多尺度的标签传播网络（multi-scale label propagation network，MSLPN）算法，其核心思想在于利用多尺度生成器生
其他文献
针对现有网络调制类的跟踪算法忽略高阶特征信息从而在应对大尺度变化、物体形变时易发生漂移的现象，本文提出了一种结合注意力与特征融合网络调制的目标跟踪算法。首先，将一个高效的选择核注意力模块嵌入在特征提取的主干网络中，使网络更关注于对目标特征信息的提取；其次，对提取的特征采用多尺度交互网络充分挖掘层内多尺度信息，并且融合高阶特征信息来提升对目标表征能力，以适应跟踪过程中复杂多变的环境；最后，通过金字塔
增温是影响土壤呼吸和有机碳变化的一个重要因素，但近年来关于增温对土壤呼吸和有机碳影响的研究结果存在不一致的情况。本研究利用从国内外已发表的128篇研究论文中提取的有效数据进行Meta分析，探讨了增温对土壤呼吸和有机碳的影响。结果表明:(1)增温促进了土壤二氧化碳的排放并降低了土壤有机碳的含量，增温对土壤呼吸的影响程度(11.7%)明显大于对土壤有机碳的影响程度(4.4%)。(2)相较于其他生态系统
为解决核磁共振图像重构中由于欠采样导致的重构图像质量较低的问题，提出了一种基于凸-非凸稀疏正则和即插即用近似点梯度下降的核磁共振图像重构算法。首先给出了凸-非凸稀疏正则的近似点算子。然后基于该近似点算子提出近似点梯度下降算法。最后将上述算法中的近似点算子用某种合适的去噪器（如神经网络去噪器）替换，得到了即插即用近似点梯度下降算法，并将其应用到核磁共振图像重构上。数值实验中，分别用不同的待重构图像、
全息体视图(HS, holographic stereogram)是一种可加速计算的全息图，能够实现单色全息三维(3D)显示,将其与彩色彩虹全息相结合，并实现可多人围观的半周视彩色全息3D显示具有实际应用价值。本文在全息体视图计算原理的基础上，设计单元全息图侧视角及视场角等参数，通过频域复用获得包含红色、绿色和蓝色信息的单元全息图的频谱，对频谱进行傅里叶逆变换后取实部得到该单元全息图，所有单元全息
雾霾天气会使计算机视觉相关系统获取到的图片质量下降并影响其正常工作。针对现有的去雾算法普遍需要成对的数据进行训练且存在颜色失真及图像失真的问题，提出一种基于循环生成对抗网络的改进算法，该算法不要求使用成对的数据进行训练。通过优化生成器生成的无雾图与真实无雾图之间的颜色损失，使生成器能够生成与无雾图像具有相同颜色分布的图像。同时引入特征损失解决了经典的循环生成对抗网络在图像转换时存在的图像失真的问题
针对X光安检图像内多目标违禁品识别难度较高的问题，本文提出一种X光安检场景下多目标违禁物品识别算法。考虑实际应用需求，综合网络性能和运行速度，选择ResNet50作为骨干网络，并添加局部强化模块来弥补因空洞导致的棋盘效应；提出空洞残差特征增强模块和可变形空洞空间金字塔池化分别处理不同层级特征，自适应学习违禁品的多变性；引入注意力机制，强化对重点通道的学习能力并实现空间维度上的特征聚焦，加强违禁品区
鉴于国内野生菌中毒事件频发，拟采用深度学习技术来解决这一社会问题。但由于野生菌图像的类间差异较小，图像背景复杂，导致细粒度识别精度较低，针对这一问题，提出了一种改进的ResNeXt50网络。首先设计了一种多尺度特征引导模块（Mutis-scale Feture Guide, MSFG），通过短连接引导网络充分学习和利用低级特征和高级特征，接着，采用改进的注意力机制模块来减少网络对复杂背景的学习，最
憎水性等级(hydrophobicity class，HC)是复合绝缘子耐污闪性能的重要表征指标，为了准确判断绝缘子伞裙表面的憎水性，提出一种基于深度迁移学习的喷水图像识别方法。通过喷水试验构建不同HC等级的复合绝缘子喷水图像样本集，采用AlexNet、Inception-ResNetV2、ResNet101、ShuffleNet四种卷积神经网络建立学习模型，利用ImageNet数据集对其进行预训
自动化质量检测系统是太阳能电池生产过程中必不可少的环节，其目的是识别潜在产品缺陷，但鲜见对太阳能电池的背面电极的检测问题的文献，针对该问题提出一种完整的背面电极分割和缺陷检测算法。首先，利用边缘强度投影和模板匹配方法依次获得电极的粗略位置和较精准位置；然后采用阈值法和种子生长法提取电极边缘点。第三，利用边缘点生成一个闭合的区域来表示电极的形状。最后，设计了一种判断电极是否存在缺陷的方法。为了验证该
目前，数字全息技术与望远镜技术相结合的望远数字全息技术一般会造成重建图像距离大、相移精度低和信噪比低等问题。为此通过将空间光调制器(SLM)应用到白光非相干数字全息中，消除了相移误差等对成像质量的影响。同时相关的理论分析也为优化系统参数、提高系统分辨率提供了重要的理论依据。而且该技术在军事、航空航天和工程测试等领域具有巨大的潜在应用前景。