期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种用于提升深度学习分类模型准确率的正则化损失函数
被引量:
10
1
作者
杨斌
李成华
+1 位作者
江小平
石鸿凌
《中南民族大学学报(自然科学版)》
CAS
2020年第1期74-78,共5页
针对现有深度学习分类模型存在由标签边缘化效应引起的过拟合问题,提出了一种新的正则化损失函数--得分聚类损失函数.该函数为每个类别学习一个得分中心,将同类别样本的得分向得分中心聚集.得分中心经过softmax函数归一化后的概率向量,...
针对现有深度学习分类模型存在由标签边缘化效应引起的过拟合问题,提出了一种新的正则化损失函数--得分聚类损失函数.该函数为每个类别学习一个得分中心,将同类别样本的得分向得分中心聚集.得分中心经过softmax函数归一化后的概率向量,即为最佳的平滑标签.该函数避免了根据经验手工设置标签平滑系数,起到了自动平滑标签的作用,从而减轻了模型过拟合的风险.给出了得分聚类损失函数的定义和推导,并在刚性和非刚性图像分类任务上与其他正则化损失函数进行了实验比较.实验结果表明,应用本文的得分聚类损失函数能显著提高分类模型的准确率.
展开更多
关键词
深度学习模型
正则化损失函数
过拟合
标签平滑
下载PDF
职称材料
基于度量正则化的红外与可见光跨模态行人重识别算法
2
作者
吴含笑
赵倩倩
+3 位作者
朱建清
曾焕强
杜吉祥
廖昀
《计算机科学》
CSCD
北大核心
2023年第S01期344-351,共8页
红外与可见光跨模态行人重识别对提升智能视频监控系统的全天作战能力具有重要作用。现有跨模态行人重识别方法通常专注于特征对齐,未重视多模态度量对齐,导致重识别对模态变化不够鲁棒。为此,提出一种基于度量正则化的红外与可见光跨...
红外与可见光跨模态行人重识别对提升智能视频监控系统的全天作战能力具有重要作用。现有跨模态行人重识别方法通常专注于特征对齐,未重视多模态度量对齐,导致重识别对模态变化不够鲁棒。为此,提出一种基于度量正则化的红外与可见光跨模态行人重识别算法。首先,设计度量正则化损失函数,用于约束不同模态检索模式下匹配行为的差异,提升算法的鲁棒性。其次,考虑到实际监控场景中红外图像的数量少于可见光图像的数量,利用模态数据比例修正交叉熵损失函数,减少模态数据不平衡对模型训练的不利影响。实验结果证明了所提算法的优越性,例如在RegDB数据集由可见光检索红外图像的首位识别率达到89.52%。
展开更多
关键词
度量
正则化损失函数
度量对齐
跨模态
行人重识别
智能视频监控系统
下载PDF
职称材料
题名
一种用于提升深度学习分类模型准确率的正则化损失函数
被引量:
10
1
作者
杨斌
李成华
江小平
石鸿凌
机构
中南民族大学电子信息工程学院智能无线通信湖北省重点实验室
出处
《中南民族大学学报(自然科学版)》
CAS
2020年第1期74-78,共5页
基金
湖北省自然科学基金资助项目(2019CFC924)
中央高校基本科研业务费专项资金资助项目(CZY17001)
文摘
针对现有深度学习分类模型存在由标签边缘化效应引起的过拟合问题,提出了一种新的正则化损失函数--得分聚类损失函数.该函数为每个类别学习一个得分中心,将同类别样本的得分向得分中心聚集.得分中心经过softmax函数归一化后的概率向量,即为最佳的平滑标签.该函数避免了根据经验手工设置标签平滑系数,起到了自动平滑标签的作用,从而减轻了模型过拟合的风险.给出了得分聚类损失函数的定义和推导,并在刚性和非刚性图像分类任务上与其他正则化损失函数进行了实验比较.实验结果表明,应用本文的得分聚类损失函数能显著提高分类模型的准确率.
关键词
深度学习模型
正则化损失函数
过拟合
标签平滑
Keywords
deep learning
regularization loss function
over-fitting problem
label smoothing
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于度量正则化的红外与可见光跨模态行人重识别算法
2
作者
吴含笑
赵倩倩
朱建清
曾焕强
杜吉祥
廖昀
机构
华侨大学信息科学与工程学院
华侨大学工学院
华侨大学计算机科学与技术学院
厦门亿联网络技术股份有限公司
出处
《计算机科学》
CSCD
北大核心
2023年第S01期344-351,共8页
基金
福建省杰出青年科学基金(2022J06023)
国家自然科学基金(61976098)。
文摘
红外与可见光跨模态行人重识别对提升智能视频监控系统的全天作战能力具有重要作用。现有跨模态行人重识别方法通常专注于特征对齐,未重视多模态度量对齐,导致重识别对模态变化不够鲁棒。为此,提出一种基于度量正则化的红外与可见光跨模态行人重识别算法。首先,设计度量正则化损失函数,用于约束不同模态检索模式下匹配行为的差异,提升算法的鲁棒性。其次,考虑到实际监控场景中红外图像的数量少于可见光图像的数量,利用模态数据比例修正交叉熵损失函数,减少模态数据不平衡对模型训练的不利影响。实验结果证明了所提算法的优越性,例如在RegDB数据集由可见光检索红外图像的首位识别率达到89.52%。
关键词
度量
正则化损失函数
度量对齐
跨模态
行人重识别
智能视频监控系统
Keywords
Metric regularized loss function
Metric alignment
Cross-modal
Person re-identification
Intelligent video surveillance systems
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种用于提升深度学习分类模型准确率的正则化损失函数
杨斌
李成华
江小平
石鸿凌
《中南民族大学学报(自然科学版)》
CAS
2020
10
下载PDF
职称材料
2
基于度量正则化的红外与可见光跨模态行人重识别算法
吴含笑
赵倩倩
朱建清
曾焕强
杜吉祥
廖昀
《计算机科学》
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部