期刊文献+
共找到79篇文章
< 1 2 4 >
每页显示 20 50 100
面向新类型人名识别的数据增强方法 预览
1
作者 宋希良 韩先培 孙乐 《中文信息学报》 CSCD 北大核心 2019年第6期72-79,共8页
人名识别常被作为命名实体识别任务的一部分,与其他类型的实体同时进行识别。当前使用NER方法的人名识别依赖于训练语料对特定类型人名的覆盖,在遇到新类型人名时性能显著下降。针对上述问题,该文提出了一种基于数据增强(data augmentat... 人名识别常被作为命名实体识别任务的一部分,与其他类型的实体同时进行识别。当前使用NER方法的人名识别依赖于训练语料对特定类型人名的覆盖,在遇到新类型人名时性能显著下降。针对上述问题,该文提出了一种基于数据增强(data augmentation)的方法,使用新类型人名实体替换的策略来生成伪训练数据,该方法能够有效提升系统对新类型人名的识别性能。为了选择有代表性的特定类型人名实体,该文提出了贪心的代表性子类型人名选择算法。在使用1998年《人民日报》数据自动生成的伪测试数据和人工标注的新闻数据的测试结果中,多个模型上人名识别的F1值分别提升了至少12个百分点和6个百分点。 展开更多
关键词 人名识别 DATA Augmentation 新类型人名
在线阅读 下载PDF
基于YOLO的无人机电力线路杆塔巡检图像实时检测 预览
2
作者 郭敬东 陈彬 +2 位作者 王仁书 王佳宇 仲林林 《中国电力》 CSCD 北大核心 2019年第7期17-23,共7页
无人机巡检已成为电力线路灾后巡检的重要方式。然而,目前的无人机巡检仍主要通过人工方式评估线路灾损,不仅费时费力,而且准确率低。提出了一种基于深度学习算法(YOLO)的实时目标检测模型,用于灾后根据无人机巡检视频实时检测电力杆塔... 无人机巡检已成为电力线路灾后巡检的重要方式。然而,目前的无人机巡检仍主要通过人工方式评估线路灾损,不仅费时费力,而且准确率低。提出了一种基于深度学习算法(YOLO)的实时目标检测模型,用于灾后根据无人机巡检视频实时检测电力杆塔的状态。通过对倒断类杆塔图像进行数据增广,解决了杆塔类别不平衡问题。通过使用K-means算法对杆塔数据集的目标框进行重新聚类,改进了YOLO算法参数。测试结果表明,该模型能有效检测多种环境下多种尺度的杆塔目标。改进后的模型在测试集上的召回率和交并比(IoU)较改进前有所提高,且平均均值精度(mAP)达到94.09%,检测速度达到20帧/s。此外,也对更快的简化版YOLO模型进行了测试,检测速度能达到30帧/s。 展开更多
关键词 无人机巡检 电力杆塔 深度学习 YOLO 数据增广 人工智能与大数据应用
在线阅读 下载PDF
民航陆空通话语音识别BiLSTM网络模型 预览
3
作者 邱意 贾桂敏 +1 位作者 杨金锋 刘远庆 《信号处理》 CSCD 北大核心 2019年第2期293-300,共8页
民航陆空通话对民航飞行安全十分重要,但因其通话模式有特殊的语法结构与发音方式,日常语音识别声学模型无法有效应用于民航陆空通话的语音处理问题。针对民航陆空通话的特殊语境,本文提出了基于双向长短时记忆网络(BiLSTM)的民航陆空... 民航陆空通话对民航飞行安全十分重要,但因其通话模式有特殊的语法结构与发音方式,日常语音识别声学模型无法有效应用于民航陆空通话的语音处理问题。针对民航陆空通话的特殊语境,本文提出了基于双向长短时记忆网络(BiLSTM)的民航陆空通话语音识别方法。首先,提取民航陆空通话语音的FBANK特征作为输入,以时序链式连接(CTC)为目标函数,训练BiLSTM网络得到BiLSTM/CTC模型。然后,利用声学模型,语言模型与陆空通话词典实现民航陆空通话的语音识别,并结合数据增强与数据迁移对模型进行增强训练提高语音识别性能。实验结果表明本文提出的方法适用于民航陆空通话语音识别,并且数据增强模型可有效降低民航陆空通话语音识别的词错误率。 展开更多
关键词 民航陆空通话 语音识别 双向长短时记忆网络 数据增强 数据迁移
在线阅读 下载PDF
基于双激活层深度卷积特征的人脸美丽预测研究 预览
4
作者 甘俊英 翟懿奎 +2 位作者 黄聿 曾军英 姜开永 《电子学报》 EI CAS CSCD 北大核心 2019年第3期636-642,共7页
目前,人脸美丽预测存在数据规模小、分类难度大、深度特征研究不足等问题.为此,本文提出基于双激活层深度卷积特征的人脸美丽预测研究的解决方案.首先,采用数据增强和人脸对齐方法来增加训练集的样本数量和提高数据库的数据质量.其次,... 目前,人脸美丽预测存在数据规模小、分类难度大、深度特征研究不足等问题.为此,本文提出基于双激活层深度卷积特征的人脸美丽预测研究的解决方案.首先,采用数据增强和人脸对齐方法来增加训练集的样本数量和提高数据库的数据质量.其次,提出一种双激活层改进CNN模型,使其更适合人脸美丽预测应用.实验结果表明,本文所提方法在分类和回归预测方面均大幅度优于传统人脸美丽预测方法;同时,在主流的CNN模型中取得了较好的实时性和准确性,基于2000测试集的分类准确率达到61.1%,回归相关度达到0.8546.因此,双激活层在深层人脸美丽特征学习中发挥了重要作用,可广泛应用于人脸图像识别与处理. 展开更多
关键词 人脸美丽预测 卷积神经网络 双激活层 数据增强
在线阅读 下载PDF
基于卷积神经网络的手绘草图识别 预览
5
作者 印桂生 严雪 +1 位作者 王宇华 张震 《吉林大学学报:信息科学版》 CAS 2019年第4期417-425,共9页
针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN(Deeper-CNN-Sketch-Net)进行手绘图像识别。DCSN模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信... 针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN(Deeper-CNN-Sketch-Net)进行手绘图像识别。DCSN模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等。为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN网络。经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70. 5%的识别准确率,超过了目前存在的几种主流的手绘草图识别方法。 展开更多
关键词 手绘草图识别 卷积神经网络 网络模型 数据增强
在线阅读 下载PDF
基于语言学扰动的事件检测数据增强方法 预览
6
作者 陆垚杰 林鸿宇 +1 位作者 韩先培 孙乐 《中文信息学报》 CSCD 北大核心 2019年第7期110-117,共8页
近年来,深度学习在事件检测领域取得了长足进展。但是,现有方法通常受制于事件检测标注数据的规模和训练阶段的不稳定性。针对上述问题,本文提出了基于语言学扰动的事件检测数据增强方法,从语法和语义两个角度生成伪数据来提升事件检测... 近年来,深度学习在事件检测领域取得了长足进展。但是,现有方法通常受制于事件检测标注数据的规模和训练阶段的不稳定性。针对上述问题,本文提出了基于语言学扰动的事件检测数据增强方法,从语法和语义两个角度生成伪数据来提升事件检测的性能。为了有效的利用生成的伪数据,该文探索了数据增加和多实例学习两个训练策略。在KBP 2017事件检测数据集上的实验验证了我们方法的有效性。此外,在人工构造的少量ACE2005数据集上的实验结果证明该文方法可以大幅度提升小数据情况下的模型学习性能。 展开更多
关键词 事件检测 数据增强 多实例学习
在线阅读 下载PDF
基于数据增广和CNN的地震随机噪声压制 预览 被引量:1
7
作者 王钰清 陆文凯 +2 位作者 刘金林 张猛 苗永康 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2019年第1期421-433,共13页
卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一... 卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容. 展开更多
关键词 卷积神经网络 数据增广 地震噪声压制 神经网络可视化
在线阅读 免费下载
基于深度学习的红外烟幕区域分割技术
8
作者 齐航 袁健全 +2 位作者 李磊 任君 梁杰 《控制与信息技术》 2019年第4期18-22,57共6页
红外成像制导系统容易受到烟幕干扰,分割烟幕区域是提高红外成像自动目标识别性能的有效技术途径。文章提出一种基于深度学习的红外烟幕干扰分割技术,针对实拍红外烟幕图像样本获取成本高而难以满足算法训练需求的问题,提出基于粒子系... 红外成像制导系统容易受到烟幕干扰,分割烟幕区域是提高红外成像自动目标识别性能的有效技术途径。文章提出一种基于深度学习的红外烟幕干扰分割技术,针对实拍红外烟幕图像样本获取成本高而难以满足算法训练需求的问题,提出基于粒子系统的红外烟幕仿真技术,并针对性地借助图像增广技术模拟不同成像条件,借助Deeplab v3+算法实现烟幕区域分割。文章在零实拍红外图像条件下训练网络,在实拍图像集上测试结果与真实烟幕区域的平均交并比达到79%,实现了红外图像烟幕区域分割。 展开更多
关键词 深度学习 图像语义分割 红外图像 粒子系统 图像增广
基于数据增强的仿真模型验证方法 预览
9
作者 聂凯 栾瑞鹏 《指挥控制与仿真》 2019年第3期92-96,共5页
检验飞行数据与仿真数据的一致性,是目前飞行器仿真模型验证过程中最常用、最重要的方法。针对飞行数据的小样本特性导致仿真模型验证中决策风险增加的问题,提出基于数据增强的仿真模型验证方法。在飞行数据预处理的基础上,采用离散序... 检验飞行数据与仿真数据的一致性,是目前飞行器仿真模型验证过程中最常用、最重要的方法。针对飞行数据的小样本特性导致仿真模型验证中决策风险增加的问题,提出基于数据增强的仿真模型验证方法。在飞行数据预处理的基础上,采用离散序列生成式对抗网络对飞行数据进行增强,扩大飞行数据样本。最后采用假设检验方法中的F检验和静态数据脱靶量,采用灰色关联分析方法和动态数据俯仰姿态角分别对仿真模型进行了验证。结果表明,无论静态还是动态,飞行数据增强后都有助于飞行数据与仿真数据的一致性检验,为仿真模型验证及其可信度评估提供了一种新方法。 展开更多
关键词 仿真模型 数据增强 离散序列生成式对抗网络 深度学习
在线阅读 下载PDF
多段落中文阅读理解模型 预览
10
作者 赵峻瑶 庞亮 +3 位作者 苏立新 兰艳艳 郭嘉丰 程学旗 《模式识别与人工智能》 CSCD 北大核心 2019年第2期161-168,共8页
解决多段落中文阅读理解任务需要考虑证据段落的稀疏性、中文语义的多样性和答案片段的有效性.基于此种情况,文中设计多段落中文阅读理解模型,利用数据增强的方式学习不包含答案的段落,利用字级别编码和中文词性标注丰富中文的语义表示... 解决多段落中文阅读理解任务需要考虑证据段落的稀疏性、中文语义的多样性和答案片段的有效性.基于此种情况,文中设计多段落中文阅读理解模型,利用数据增强的方式学习不包含答案的段落,利用字级别编码和中文词性标注丰富中文的语义表示,通过答案片段的特征训练答案有效性验证模型.将文中模型应用到CIPS-SOGOU事实类问答数据中,实验表明,完全匹配率和F1分数的平均分均有所提高. 展开更多
关键词 阅读理解 智能问答 数据增强
在线阅读 下载PDF
基于双卷积神经网络的铁路集装箱号OCR 预览
11
作者 陈力畅 李宇波 《计算机时代》 2019年第6期1-4,共4页
针对尚缺乏识别准确率高的铁路集装箱箱号OCR系统这一现实,设计了一套识别准确率能够达到98%以上的铁路集装箱箱号OCR系统。该系统对采集到的图像进行字符的自动分割,在训练CNN时针对目前数据集多样性不足、样本较少的情况,采用了数据... 针对尚缺乏识别准确率高的铁路集装箱箱号OCR系统这一现实,设计了一套识别准确率能够达到98%以上的铁路集装箱箱号OCR系统。该系统对采集到的图像进行字符的自动分割,在训练CNN时针对目前数据集多样性不足、样本较少的情况,采用了数据增强的方法扩充数据集,并且基于LeNet-5进行了网络结构搜索,训练了分别用于数字和字母识别的卷积神经网络Digit Net和Letter Net,其在测试集上的识别准确率分别能够达到99.7%和99.2%。 展开更多
关键词 铁路集装箱箱号 OCR 数据增强 网络结构搜索 双卷积神经网络
在线阅读 下载PDF
基于CNN的SAR车辆目标检测 预览
12
作者 常沛 夏勇 +1 位作者 李玉景 吴涛 《雷达科学与技术》 北大核心 2019年第2期220-224,231共6页
传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客... 传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客户端对样本进行裁剪和旋转,扩充样本数据库。利用已充分训练的模型权重对ZF和VGG-16网络进行预训练,再利用扩充的数据集进行训练和验证,并使用包含MiniSAR数据的测试集进行测试。实验证明,ZF网络和VGG-16的检测效果类似,但是ZF网络因为网络层数更少因而检测耗时更短。 展开更多
关键词 合成孔径雷达 卷积神经网络 数据扩充 目标检测和识别
在线阅读 下载PDF
基于迁移学习和数据增强技术的物种识别 预览
13
作者 宋益盛 林志杰 《现代计算机》 2019年第14期57-63,共7页
为了应对动物保护工作者和普通民众希望对国内珍稀动植物准确识别并加以保护的场景,实验提出一种基于数据增强技术和迁移学习的深度学习方法,并借助App实现实时的珍稀动植物识别。首先使用迁移模型提取基于ImageN.et数据集的标准化瓶颈... 为了应对动物保护工作者和普通民众希望对国内珍稀动植物准确识别并加以保护的场景,实验提出一种基于数据增强技术和迁移学习的深度学习方法,并借助App实现实时的珍稀动植物识别。首先使用迁移模型提取基于ImageN.et数据集的标准化瓶颈描述算子和所有卷积层神经网络的权重,然后通过网络爬虫搜集大量野生珍稀动植物图片,并对得到的数据集分别进行静态数据增强和动态数据增强,用来训练迁移模型新的特征表示。实验使用Softmax函数实现多物种分类。实验中,分别采用MobileNet、InpectionV3等不同模型的不同参数进行训练,得到不同配置下模型的准确率并加以比较,最后将其应用于真实自然场景,实现了90%以上的珍稀动植物精准分类,实验证明提出的方法具有很高准确率和良好的运行性能。 展开更多
关键词 迁移学习 微调 数据增强 Android开发 卷积神经网络
在线阅读 免费下载
数据增强基础上使用卷积神经网络进行闻诊 预览
14
作者 江益靓 张旭龙 +2 位作者 邓晋 张文强 李伟 《复旦学报:自然科学版》 CAS CSCD 北大核心 2019年第3期328-334,共7页
声学分析具有客观、非侵入、成本低等优点,在临床嗓音分析方面有着很大的应用潜力.闻诊是传统的中医四诊之一.我们尝试使用分析声学信号的方式将受试者的症状判别为体实或体虚,也就是较为初级的闻诊,因此提出了一种在数据增强基础上使... 声学分析具有客观、非侵入、成本低等优点,在临床嗓音分析方面有着很大的应用潜力.闻诊是传统的中医四诊之一.我们尝试使用分析声学信号的方式将受试者的症状判别为体实或体虚,也就是较为初级的闻诊,因此提出了一种在数据增强基础上使用卷积神经网络(DACNN)进行闻诊的方法.该方法的思想是使用数据增强的方式缓解闻诊数据中常出现的数据不平衡的问题,以及借助卷积神经网络从输入音频上“自动”提取一些能区分体质的抽象特征.实验数据集包含959个发声片段(346个男声片段与613个女声片段),由两名经验丰富的中医进行虚实标记.实验结果证明了数据增强的有效性.此外,我们还将提出的模型与传统方法做了对比,使用DACNN,女性和男性受试者分别达到了97.25%和95.12%的体质判别准确率,这个结果相对于传统方法,有1%~10%的提升.实验结果表明,DACNN对于客观化闻诊是有帮助的. 展开更多
关键词 声学分析 中医 闻诊 卷积神经网络 机器学习 数据增强
在线阅读 免费下载
基于深度学习网络的乳腺癌图片分类研究 预览
15
作者 程年 俞晨 宁静艳 《软件导刊》 2019年第8期26-28,共3页
利用深度学习网络对组织病理图片进行分类,以减少病理学家工作量,达到利用计算机辅助治疗的效果。提出利用在两种预训练好的框架下提取的特征进行训练,并研究了多级分类,该成果有利于癌症后期治疗,更加方便临床医学应用;利用迁移学习能... 利用深度学习网络对组织病理图片进行分类,以减少病理学家工作量,达到利用计算机辅助治疗的效果。提出利用在两种预训练好的框架下提取的特征进行训练,并研究了多级分类,该成果有利于癌症后期治疗,更加方便临床医学应用;利用迁移学习能够减少训练时间,并解决数据集不足的问题;通过数据增强的方法,可有效提高分类准确度。 展开更多
关键词 深度学习 乳腺癌病理图片 数据增强 迁移学习
在线阅读 免费下载
基于残差网络与中心损失的人脸识别 预览
16
作者 张枫 田联房 杜启亮 《计算机工程与设计》 北大核心 2019年第6期1689-1695,共7页
针对常规深度学习的人脸识别方法训练数据量巨大和训练难收敛的问题,提出一种基于残差网络与中心损失的人脸识别方法。利用生成对抗网络方法解决训练数据分布不均衡问题,利用数据增强方法解决数据不足问题;改进残差网络,使其匹配较小数... 针对常规深度学习的人脸识别方法训练数据量巨大和训练难收敛的问题,提出一种基于残差网络与中心损失的人脸识别方法。利用生成对抗网络方法解决训练数据分布不均衡问题,利用数据增强方法解决数据不足问题;改进残差网络,使其匹配较小数据集,解决训练难收敛问题;将交叉熵损失与中心损失结合,作为模型训练过程中的监督信号,使类间分散、类内聚合。实验结果表明,在小数据的前提下,识别算法能够准确地识别出人脸。模型在测试集上的准确率达97.46%。 展开更多
关键词 残差网络 生成对抗网络 人脸识别 中心损失 数据增强
在线阅读 下载PDF
用于卷积神经网络图像预处理的目标中心化算法 预览
17
作者 董秋成 吴爱国 +1 位作者 董娜 冯伟 《中南大学学报:自然科学版》 EI CAS CSCD 北大核心 2019年第3期579-586,共8页
为解决工业生产中对不同零件进行自动分类的问题,提出一种基于卷积神经网络的模式识别算法,对29种不同尺寸的螺丝、螺母和垫片进行分类。首先采集待分类零件的图像数据,通过数据增强得到数据集,然后设计一种简化的卷积神经网络。提出一... 为解决工业生产中对不同零件进行自动分类的问题,提出一种基于卷积神经网络的模式识别算法,对29种不同尺寸的螺丝、螺母和垫片进行分类。首先采集待分类零件的图像数据,通过数据增强得到数据集,然后设计一种简化的卷积神经网络。提出一种对图像中的目标位置进行中心化的图像预处理算法,它能够提取图像中目标所在的区域并将其移动到图像中心位置。研究结果表明,与不采用目标中心化算法的传统方法相比,总体准确率从97.59%提升至99.96%,具有最低准确率的零件的准确率从85.83%提升至99.67%。使用卷积神经网络对背景纯净且目标明显的图像进行分类时,使用本文提出的目标中心化算法进行图像预处理能够显著提高网络的识别准确率。 展开更多
关键词 零件 识别 卷积神经网络 数据增强 中心化 目标提取
在线阅读 下载PDF
基于深度网络和数据增强的多物体图像识别
18
作者 吴睿曦 肖秦琨 《国外电子测量技术》 2019年第5期86-90,共5页
针对自然物体识别过程中,自然物体发生改变时传统多物体识别算法识别精度下降的问题,提出了一种基于深度网络和数据增强的物体图像识别算法。该算法应用多层卷积神经网络取代了传统算法对物体的特征进行提取,并且使用数据增强提高识别... 针对自然物体识别过程中,自然物体发生改变时传统多物体识别算法识别精度下降的问题,提出了一种基于深度网络和数据增强的物体图像识别算法。该算法应用多层卷积神经网络取代了传统算法对物体的特征进行提取,并且使用数据增强提高识别的速度和准确度。首先开发一个多物体识别的残差深度网络模型,然后利用数据存储区沿垂直轴随机翻转训练图像,并在水平和垂直方向上随机地将图像数据平移4个像素,最终通过对残差网络的迁移学习实现多物体图像识别。实验结果表明使用数据增强技术能有效解决数据集量数不足、网络模型过度拟合和记忆训练图像的确切细节等问题,并且该网络模型提高了图像识别准确度。 展开更多
关键词 深度学习 卷积神经网络 ResNet 数据增强
基于高层语义注意力机制的中文实体关系抽取 预览
19
作者 武文雅 陈钰枫 +1 位作者 徐金安 张玉洁 《广西师范大学学报:自然科学版》 CAS 北大核心 2019年第1期32-41,共10页
实体关系抽取在挖掘结构化事实的信息抽取系统中扮演着重要的角色。近年来,深度学习在关系抽取任务中取得了显著的成果,同时,注意力机制也逐步地融入到神经网络中,进一步提高了关系抽取的性能。但是,目前的注意力机制主要关注一些低层... 实体关系抽取在挖掘结构化事实的信息抽取系统中扮演着重要的角色。近年来,深度学习在关系抽取任务中取得了显著的成果,同时,注意力机制也逐步地融入到神经网络中,进一步提高了关系抽取的性能。但是,目前的注意力机制主要关注一些低层次的特征,比如词汇等。本文提出一种基于高层语义注意力机制的分段卷积神经网络模型(PCNN_HSATT,high-level semantic attention-based piecewise convolutional neural networks),该模型将注意力机制设置在分段最大池化层后,动态地关注了高层次的语义信息。除此之外,由于中文实体关系语料稀疏性较大,本文利用同义词词林对COAE2016语料进行增强以扩大数据规模。最后在COAE2016和ACE2005的中文语料上进行实验,F1值分别达到了78.41%和73.94%,与效果最好的SVM方法相比分别提高了10.45%和0.67%,这充分证明了PCNN_HSATT模型在中文关系抽取上的有效性。 展开更多
关键词 关系抽取 卷积神经网络 注意力机制 数据增广 依存句法约束
在线阅读 下载PDF
基于迁移学习的小样本输电线路巡检图像处理方法
20
作者 陆继翔 李昊 +2 位作者 徐康 徐弘升 杨志宏 《全球能源互联网》 2019年第4期409-415,共7页
电力巡检无人机提供大量的巡检图像,但由于电力设备故障稀少,其中只有少量的设备缺陷故障图像可供使用。为了提高设备缺陷故障识别精度并减少训练过拟合问题,首先介绍了基于迁移学习的小样本电力巡检图像处理方法,通过图像裁剪、翻转、... 电力巡检无人机提供大量的巡检图像,但由于电力设备故障稀少,其中只有少量的设备缺陷故障图像可供使用。为了提高设备缺陷故障识别精度并减少训练过拟合问题,首先介绍了基于迁移学习的小样本电力巡检图像处理方法,通过图像裁剪、翻转、旋转等数据增强技术对小样本图像进行扩充,同时采用生成对抗网络(GAN)来扩充基础样本;并使用迁移学习技术,将基于大规模图像数据的预训练深度卷积模型进行定制,调整该神经网络模型的输入层和最后两层参数,并对超参进行调优。实验结果表明,巡检设备故障(如导线断股和绝缘子串脱落等)准确匹配度近95%,证明了小样本学习和迁移学习在输电线路巡检图像处理中具有可行性。 展开更多
关键词 小样本 迁移学习 输电线路 数据扩充 生成对抗网络 图像识别
上一页 1 2 4 下一页 到第
使用帮助 返回顶部 意见反馈