公共文化服务平台

苏菡: 作品数：16 被引量：79H指数：6; 供职机构：四川师范大学计算机科学学院更多>>; 发文基金：国家自然科学基金四川省教育厅重点项目中央高校基本科研业务费专项资金更多>>; 相关领域：自动化与计算机技术文化科学生物学更多>>

合作作者

基于高分辨率网络的大熊猫姿态估计方法被引量：2: 2022年; 对圈养大熊猫(Ailuropoda melanoleuca)开展长期行为监测能及时了解其所处生理周期和健康状况,有助于繁殖饲养机构迅速采取相应繁育保护措施提高饲养管理水平,但目前无法对大熊猫进行24 h监控并及时地获得相应的行为信息。准确的动物姿态估计是动物行为研究的关键,也是诸多下游应用的基础。了解大熊猫的姿态可以促进大熊猫行为研究并提升保护管理水平。为了提高复杂环境下大熊猫姿态估计的准确率,本文以高分辨率网络(High resolution net,HRNet)为基础网络架构提出了一种大熊猫姿态估计方法:针对大熊猫不同部位尺度差异较大的问题,在HRNet-32中引入了空洞空间金字塔池化(Atrous spatial pyramid pooling,ASPP)模块,在提升特征感受野的同时捕获多尺度信息;同时对大熊猫身体关键点进行分组,引入基于部位的多分支结构来学习特定于每个部位组的表征。多次对比实验结果表明本文所用模型具有较高的检测精度:在PCK@0.05中所用模型精度达到了81.51%。本文提出的方法可为大熊猫的行为分析和健康评估提供技术支撑。; 漆愚苏菡侯蓉刘鹏陈鹏臧航行张志和; 关键词：大熊猫

一种手臂静脉特征提取与匹配的算法: 2018年; 针对手臂静脉这一全新的生物特征提出一种特征提取及匹配的算法。首先利用限制对比度自适应直方图均衡化方法对近红外图像进行对比度调整,接着利用Gabor滤波器提取静脉,并进行方向和尺度的标准化;在曲线修复和分割的基础上,提取描述曲线段的方向特征、位置特征和描述曲线形状的Hu不变矩特征;然后搜索匹配曲线对,并利用粒子群算法计算最优空间变换关系,最后进行静脉的匹配。针对150人数据库的匹配实验结果表明,该算法的识别率优于其他方法,说明手臂静脉作为一种新的生物特征具有良好的应用前景。; 陈晓腾王彪唐超颖苏菡魏祥灰; 关键词：生物特征粒子群优化

面向上下文注意力联合学习网络的方面级情感分类模型被引量：10: 2020年; 针对现有的方面级情感分类模型存在感知方面词能力较弱、泛化能力较差等问题,文中提出面向上下文注意力联合学习网络的方面级情感分类模型(CAJLN).首先,利用双向Transformer的表征编码器(BERT)模型作为编码器,将文本句子预处理成句子、句子对和方面词级输入序列,分别经过BERT单句和句子对分类模型,进行上下文、方面词级和句子对隐藏特征提取.再基于上下文和方面词级隐藏特征,建立上下文和方面词的多种注意力机制,获取方面特定的上下文感知表示.然后,对句子对隐藏特征和方面特定的上下文感知表示进行联合学习.采用Xavier正态分布对权重进行初始化,确保反向传播时参数持续更新,使CAJLN在训练过程中可以学习有用信息.在多个数据集上的仿真实验表明,CAJLN可有效提升短文本情感分类性能.; 杨玉亭冯林代磊超苏菡

智能学习环境下新涌现技术与学习方式配置模型研究被引量：3: 2014年; 随着信息化的普及与深入,新涌现的信息技术正在不断地被引入教育领域,教学方式也将发生相应变革。在新涌现技术尚未建立教育领域E标准的现状下,学习参与者需要一个关于新技术与学习方式的可考评分析模型帮助其合理使用新技术。文章提出了一个新涌现技术与学习方式的配置模型框架,并开发了基于案例推理机器学习的配置模型工具。该配置模型作为一个辅助工具可以提供给学习方式设计者设计草案,帮助其找到学习方式设计中的关键环节,并提高学习方式开发和使用的效率。; 杨娟苏菡黄兴禄刘洪涛

基于深度网络的快速少样本学习算法被引量：5: 2021年; 少样本学习方法模拟人类从少量样本中学习的认知过程,已成为机器学习研究领域的热点.针对目前少样本学习迭代过程的任务量较大、过拟合现象严重等问题,文中提出基于深度网络的快速少样本学习算法.首先,利用核密度估计和图像滤波方法向训练集加入多种类型的随机噪声,生成支持集和查询集.再利用原型网络提取支持集和查询集图像特征,并根据Bregman散度,以每类支持集支持样本的中心点作为类原型.然后,使用L2范数度量支持集与查询图像的距离,利用交叉熵反馈损失,生成多个异构的基分类器.最后,采用投票机制融合基分类器的非线性分类结果.实验表明,文中算法能加快少样本学习收敛速度,分类准确率较高,鲁棒性较强.; 代磊超冯林尚兴林苏菡龚勋; 关键词：深度网络

一种基于主曲线的步态识别方法被引量：4: 2007年; 提出将主曲线作为一种新的步态特征分析和分类方法.主曲线特征分析单独分析每类样本的特征,形成直接对各类样本特征及其趋势的低维流形描述,保留了数据集的内在拓扑结构.首先对步态序列时空分析,在低的代价下表达步态运动的时空变化模式;然后,对步态特征进行主曲线分析;最后,用针对该分析方法定义的新相似性度量和分类规则进行了步态的训练和识别.在常用数据库上的测试结果表明,本方法行之有效,主曲线具有很好的实用性.; 苏菡黄凤岗; 关键词：步态识别主曲线

一种基于步态分析的身份识别方法被引量：11: 2006年; 近来年,步态作为一种生物特征识别技术倍受计算机视觉研究者的关注。提出了一种基于计算机视觉运动分析的步态识别方法,从图像序列中提取特征进行识别。本方法提取的特征包含步态外观和运动信息。区别于基于模型的步态识别方法,提出一种新的提取肢体角度的方法,该方法通过分析侧影宽度变化获取角度信息,无需对人体建模。首先,采用背景减除技术提取人的侧影;分析侧影的高宽变化获取步态周期。然后,采用离散余弦变换分析了步态外形特征和角度特征。最后运用K邻法在几个不同的数据库上进行了算法验证。实验结果表明,本方法行之有效。; 苏菡黄凤岗洪文; 关键词：生物特征识别身份识别步态识别步态分析离散余弦变换

一种鲁棒性的少样本学习方法被引量：2: 2021年; 少样本学习是目前机器学习研究领域的一个热点,它能在少量的标记样本中学习到较好的分类模型.但是,在噪声的不确定环境中,传统的少样本学习模型泛化能力弱.针对这一问题,提出一种鲁棒性的少样本学习方法RFSL(Robust Few-Shot Learning).首先,使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声,形成多个不同噪声下的训练集,并分别生成支持集和查询集.其次,利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后,采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明,RFSL模型可促进小样本学习快速收敛,同时,与R-Net以及其他主流少样本学习方法相比,RFSL具有更高的分类准确率,更强的鲁棒性.; 代磊超冯林杨玉亭尚兴林苏菡; 关键词：随机噪声

基于元学习的图卷积网络少样本学习模型: 2024年; 少样本学习是目前机器学习研究领域的热点和难点.针对现有的少样本学习模型不能有效捕捉数据特征与数据标签之间的联系,造成分类模型泛化能力弱的问题,提出一种基于元学习的原型空间图卷积网络少样本学习模型FSL-GCNPS(Few-Shot Learning of Graph Convolutional Network on Prototype Space).首先,利用卷积神经网络提取多任务数据的特征向量;其次,为了将特征向量映射到原型空间中,根据元学习的训练策略得到特征向量的类原型表达;然后,通过类原型向量和类向量之间的嵌入表示,构建图结构数据,并进行图卷积网络训练、推理.实验结果表明,相较于经典少样本学习方法,FSL-GCNPS模型拥有更好的分类准确率和分类稳定性.同时,在医学图像领域数据集上实验表明,FSL-GCNPS具有很好的跨域适应性.; 刘鑫磊冯林廖凌湘龚勋苏菡王俊; 关键词：元学习卷积神经网络

基于半监督学习的多层感知器生成对抗网络被引量：9: 2019年; 半监督学习通过充分利用大量无标记数据和少量有标记数据来改善学习性能,近年来已成为机器学习领域的研究热点.半监督生成对抗网络SGAN将生成对抗网络扩展到半监督学习,通过在原始无标记输入数据的基础上加入少量有标记数据,并将判别器转换成分类器输出分类结果,以此来解决传统分类问题中因有标记训练数据太少引起的过拟合问题.但SGAN判别器上的线性卷积层提取图像深层次特征的能力较弱,使其在半监督环境下对图像进行分类的准确率不高,且生成的图像质量较差.为此,提出半监督多层感知器生成对抗网络SMPGAN.该网络采用多层感知器卷积层代替SGAN判别器上的线性卷积层来提高抽象层次,并在生成器上使用特征匹配进一步提高图像的分类精度.在不同数量的有标记样本辅助下,SMPGAN的分类精度和图像生成效果均有明显提升.; 王格格郭涛余游苏菡; 关键词：半监督学习多层感知器

苏菡

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

苏菡

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈