期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于改进教师学生网络的隧道火灾检测 被引量:1
1
作者 宋焕生 文雅 +3 位作者 孙士杰 宋翔宇 张朝阳 李旭 《图学学报》 CSCD 北大核心 2023年第5期978-987,共10页
隧道空间狭小,封闭性高,当发生火灾时,火势会迅速蔓延,导致救援难度增大,严重危害人们的生命财产安全。现有隧道火灾检测方法精度低且数据集匮乏,针对上述问题,提出一种基于改进教师学生网络的隧道火灾检测方法。首先,通过无监督学习对... 隧道空间狭小,封闭性高,当发生火灾时,火势会迅速蔓延,导致救援难度增大,严重危害人们的生命财产安全。现有隧道火灾检测方法精度低且数据集匮乏,针对上述问题,提出一种基于改进教师学生网络的隧道火灾检测方法。首先,通过无监督学习对没有火灾的样本进行训练从而检测火灾,可以弥补隧道火灾数据集匮乏的问题,同时采用相同结构的学生网络和教师网络组成整体网络结构,在用于知识蒸馏的残差块中加入注意力机制以减少重要信息损失,过滤无关信息,其次用Mish激活函数代替Relu激活函数以提高网络性能,最后引入SPD-Conv模块代替跨步卷积层和池化层以提高较小火灾区域的检测精度。实验结果表明:改进的教师学生网络在自制隧道火灾数据集的像素级AUC-ROC和图像级AUC-ROC分别达到0.93和0.82,与现有隧道火灾检测算法相比,该模型检测精度均高于其他模型,验证了该模型的有效性。 展开更多
关键词 隧道火灾检测 教师学生网络 无监督学习 注意力机制 Mish激活函数 SPD-Conv
下载PDF
基于结构重参数化的权重嵌套式教师-学生网络
2
作者 庞枫骞 夏雨明 +2 位作者 曾京生 康营营 邢志强 《北方工业大学学报》 2024年第2期109-118,共10页
教师-学生网络在知识蒸馏、知识扩展、域自适应以及多任务学习等领域的应用中均已取得显著成果且成为重要的框架或范式。在不同的应用场景中,教师-学生网络拥有不同的优化方向。本文针对半监督应用场景下的知识扩展任务提出了一种权重... 教师-学生网络在知识蒸馏、知识扩展、域自适应以及多任务学习等领域的应用中均已取得显著成果且成为重要的框架或范式。在不同的应用场景中,教师-学生网络拥有不同的优化方向。本文针对半监督应用场景下的知识扩展任务提出了一种权重嵌套式教师-学生网络模型。该模型借鉴结构重参数化方法,将学生网络设计为结构重参数化网络,并进一步以其主干分支作为教师网络,实现教师网络和学生网络的嵌套。由于教师网络和学生网络的主干分支共享权重,因此本文所提出的框架可以大幅地缩减传统教师-学生网络模型的参数量以及对显存的要求。为了验证本文提出的框架在半监督设定下的有效性,我们在Food-101数据集上进行了对比实验。实验结果表明嵌套式的教师-学生网络在模型参数量和显存占用量减少超过40%的条件下,实现了在多种标注比例下均取得略高于传统教师-学生网络模型的性能。 展开更多
关键词 教师-学生网络 结构重参数化方法 模型权重嵌套 半监督学习 图像分类
下载PDF
基于教师-学生时空半监督网络的城市事件预测方法
3
作者 周正阳 刘浩 +3 位作者 王琨 王鹏焜 王旭 汪炀 《电子学报》 EI CAS CSCD 北大核心 2023年第12期3557-3571,共15页
离散时空事件预测是城市计算领域中的重要科学问题之一.现有工作主要聚焦于使用多样化的时空神经网络对城市动态特征与事件时空关联进行建模,且已经取得了一定成效,但仍然存在以下问题:首先,城市事件具有诱因多源和时空稀疏性,而这种时... 离散时空事件预测是城市计算领域中的重要科学问题之一.现有工作主要聚焦于使用多样化的时空神经网络对城市动态特征与事件时空关联进行建模,且已经取得了一定成效,但仍然存在以下问题:首先,城市事件具有诱因多源和时空稀疏性,而这种时空稀疏性可能同时源于事件本身的稀少性和采集的不完整性,现有工作尚未能解决短期预测中的稀疏性挑战及零膨胀问题;其次,已发生事件倾向于继续向周边区域传播事件风险,但由于现有工作同质化了动态特征和事件之间的交互关联,因此其不能捕捉历史事件对未来事件风险带来的交互影响.鉴于此,为协同地利用事件标记信息和时空特征,本文提出基于教师-学生时空半监督学习框架以预测短期离散事件的时空分布.在教师网络中,为应对事件标记的稀疏性,本文在时空学习中引入半监督机制,提出基于自编码器的特征重建和时空方差异常描述引导的动态特征表示学习;在学生网络中,本文设计了特征-事件解耦的双管道学习机制,并提出时空衰减图卷积网络与长短期记忆网络来模拟事件在时空范围内发生的风险传播.此外,本文发展了时空多粒度预测机制,通过易学的粗粒度预测任务指导细粒度的高质量预测,最终实现粗-细粒度协同提名的离散时空事件预测.实验基于纽约和苏州工业园区数据集开展,本文模型能够在事件击中准确率上分别超越最好的基线模型5.46%和10.65%,充分验证了提出方法的有效性. 展开更多
关键词 事件预测 时空多粒度预测 图神经网络 时空半监督学习 教师-学生网络
下载PDF
用于声音多目标检测的多通道教师-学生蒸馏网络
4
作者 冉燕辉 曹锟 李梦娇 《信息技术与信息化》 2023年第9期175-177,181,共4页
现有的跨模态知识蒸馏方法大多只涉及单一的教师-学生网络,不足以有效地获取多维视觉图像信息。为此,提出一种多通道教师-学生知识蒸馏网络模型MTS-DSN,使音频信息在多模态的图像信息中进行一对一学习;引入新的TSA损失函数,更充分地利... 现有的跨模态知识蒸馏方法大多只涉及单一的教师-学生网络,不足以有效地获取多维视觉图像信息。为此,提出一种多通道教师-学生知识蒸馏网络模型MTS-DSN,使音频信息在多模态的图像信息中进行一对一学习;引入新的TSA损失函数,更充分地利用教师网络的互补线索,并通过混合专家算法整合单个学生所学的知识。在公开的数据集上对MTS-DSN与其他几种基线方法进行多目标检测任务的比较实验,结果表明MTS-DSN仅通过声音就能有效检测到多个目标对象,且比其他基线方法具有更好的性能。 展开更多
关键词 自监督 目标检测 知识蒸馏 多通道教师-学生网络
下载PDF
Anomaly detection and segmentation based on multi-student teacher network
5
作者 REN Chaoqiang LIU Dengfeng 《Journal of Measurement Science and Instrumentation》 CAS CSCD 2022年第2期235-241,共7页
In automated industrial inspection,it is often necessary to train models on anomaly-free images and perform anomaly detection on products,which is also an important and challenging task in computer vision.The student-... In automated industrial inspection,it is often necessary to train models on anomaly-free images and perform anomaly detection on products,which is also an important and challenging task in computer vision.The student-teacher network trains students to regress the output of the teacher,and uses the difference between the output of the student network and the pre-trained teacher network to locate anomalies,which has achieved advanced results in the field of abnormal segmentation.However,it is slow to predict a picture,and no anomaly detection is performed.A multi-student teacher network is proposed,which uses multiple student networks to jointly regress the output of the teacher network,and the minimum square difference between the output of students and teachers in each dimension is selected as the difference value.The information in the middle layer of the network is used to represent each area of the image and calculate the anomaly distance for anomaly segmentation,and the maximum abnormal score is used to represent the abnormal degree of the image for abnormal detection.Experiments results on MVTec anomaly detection show that the algorithm predicts a picture in 0.17 s and can output anomaly detection results at the same time,with image AUROC reaching 91.1%and Pixel AUROC reaching 94.5%.On the wall tile dataset produced by taking pictures of real scenes,image AUROC reached 89.7%,and Pixel AUROC reached 89.1%.Compared with the original student-teacher network,the proposed method can quickly complete anomaly segmentation and anomaly detection tasks at the same time with better accuracy,and it also has better results in real applications. 展开更多
关键词 student-teacher network anomaly detection anomaly segmentation unsupervised learning
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部