期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
核范数优化下的多表征挤压激励自适应网络
1
作者 谭茜成 郭涛 +3 位作者 李鸿 朱新远 邹俊颖 夏青 《小型微型计算机系统》 CSCD 北大核心 2022年第3期598-603,共6页
多表征自适应网络(MRAN)用于无监督学习取得了显著成效.但MRAN的特征提取只关注了域在空间结构上的联系而忽略了特征通道之间的联系,在进行无监督领域自适应(UDA)分类时,决策边界附近存在大量混淆数据的情况,当使用信息熵最小化对混淆... 多表征自适应网络(MRAN)用于无监督学习取得了显著成效.但MRAN的特征提取只关注了域在空间结构上的联系而忽略了特征通道之间的联系,在进行无监督领域自适应(UDA)分类时,决策边界附近存在大量混淆数据的情况,当使用信息熵最小化对混淆数据进行分类时,往往会产生错误分类.针对这一问题,提出了基于批量核范数最大化的多表征挤压激励自适应网络(Multi-Representation Squeeze-Excitation Adaptation Network_Batch Kernel Norm Maximization,MRSEAN_BNM).该网络采用挤压激励注意力机制对多表征特征进行重标定,以强化重要的表征特征,采用条件最大均值差异(CMMD)拉近源域和目标域的特征分布距离,并通过最大化目标域分类输出矩阵的核范数以约束决策边界的混淆数据,达到提升域适应图像分类精度的效果.在基于公开数据集的域适应下的图像分类、可视化结果实验结果表明,MRSEAN_BNM分类精度有明显提升. 展开更多
关键词 迁移学习 无监督学习 领域自适应 注意力机制 核范数
下载PDF
De-noising research on terahertz holographic reconstructed image based on weighted nuclear norm minimization method 被引量:2
2
作者 Wenshu MA Qi LI +1 位作者 Jianye LU Liyu SUN 《Frontiers of Optoelectronics》 EI CSCD 2018年第3期267-274,共8页
Terahertz imaging is one of the forefront topics of imaging technology today. Denoising process is the key for improving the resolution of the terahertz holographic reconstructed image. Based on the fact that the weig... Terahertz imaging is one of the forefront topics of imaging technology today. Denoising process is the key for improving the resolution of the terahertz holographic reconstructed image. Based on the fact that the weighted nuclear norm minimization (WNNM) method preserves the details of the reconstructed image well and the non- local mean (NLM) algorithm performs better in the removal of background noise, this paper proposes a new method in which the NLM algorithm is used to improve the WNNM method. The experimental observation and quantitative analysis of the denoising results prove that the new method has better denoising effect for the terahertz holographic reconstructed image. 展开更多
关键词 terahertz digital holography weighted nuclearnorm minimization (WNNM) non-local mean (NLM)
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部