共查询到20条相似文献,搜索用时 46 毫秒
1.
【目的/意义】针对当前利用计算机管理图像资源存在图像语义特征表达不足等问题,探索和分析了特征及
特征融合对分类结果的影响,提出了一种提高图像语义分类准确率的方法。【方法/过程】本文定义了四种图像风
格,将图像描述特征划分为三个层次,探究特征融合的特点,寻求能有效表达图像语义的特征。分别采用SVM、
CNN、LSTM 及迁移学习方法实现图像风格分类,并将算法组合以提高分类效果。【结果/结论】基于迁移学习的
ResNet18模型提取的深层特征能够较好地表达图像的高级语义,将其与SVM结合能提高分类准确率。特征之间
并不总是互补,在特征选择时应避免特征冗余,造成分类效率下降。【创新/局限】本文定义的风格数目较少,且图像
展示出的风格并不绝对,往往可以被赋予多种标签,今后应进一步丰富图像数据集并尝试进行多标签分类。 相似文献
2.
3.
4.
5.
【目的/意义】实现对领域本体分类关系的自动学习识别,解决领域本体知识框架结构体系的自动化构建问
题。【方法/过程】通过对领域本体分类关系自动识别的国内外研究现状及存在问题进行分析总结,以当前开源的先
进的深度学习文本预训练模型BERT为基础,研究构建了基于BERT的领域本体分类关系自动识别模型,并以资源
环境学科领域为例进行了实验研究和评估分析。【结果/结论】基于BERT构建的分类模型能够实现对领域本体分类
关系的自动识别,识别方法和流程具有极大地通用性和可移植性,识别精度比传统方法有了较大提升。【创新/局
限】微调与泛化了BERT,提高了领域本体分类关系识别模型的通用性和精度。但由于受分类标注语料的质量限
制,模型精度尚未达到峰值,有待进一步优化提升。 相似文献
6.
基于支持向量机的土地覆被遥感分类 总被引:4,自引:0,他引:4
遥感图像的分类是研究土地变化的基础。传统的遥感图像分类存在着精度不高,不确定性强的特点。本文使用支持向量机(SVM,Support Vector Machine)技术对遥感图像分类,并与传统的最大似然分类进行对比试验。结果表明不同参数组合下SVM的分类总精度和Kappa指数普遍高于最大似然分类的结果,其最高总精度高出最大似然分类0.9779%。SVM和最大似然分类结果都存在着类别混分,但是SVM混分程度远小于最大似然分类,其精度保持在可接受的范围内,如对于低密度草而言,最大似然分类的用户精度下降到84.68%,而支持向量机的用户精度虽然也有下降但还是保持在92.31%。SVM在样本数目很少的情况下表现出了出色的学习能力,是机器学习领域很有希望的一种学习方法。 相似文献
7.
8.
9.
针对大量不相关的冗余特征制约图像关键特征分类性,导致语义识别模型出现偏差的问题,提出一种混合约束的半监督图像语义特征选择方法。在半监督学习的基础上,算法采用成对约束和数据清洗相结合的特征评价方法快速去除不相关图像干扰特征,聚类过程中考虑可转换语义直接的特征相关性,保证语义特征正确。实验结果表明,与传统的语义特征识别方法相比,该方法能以更少的特征获得更好的语义特征分类性能,有更好的识别效果。 相似文献
10.
11.
机器学习的应用中,通常存在大量的未标记示例,对这些数据进行标记是昂贵和耗时的。与传统的监督学习不同,基于无标记数据的学习能同时在少量的已标记数据和大量的未标记数据上进行学习,从而提高学习的性能,已成为目前机器学习领域中的一个研究热点。分析了基于无标记数据的学习适用基于内容的图像检索的原因,并阐述了相关研究的进展情况。 相似文献
12.
遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类。半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率。本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类。实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法。 相似文献
13.
人工神经网络在遥感图像分析与处理中的应用 总被引:1,自引:0,他引:1
结合遥感影像及人工神经网络的特性,介绍人工神经网络在遥感图像分析与处理领域的应用现状,重点分析了在遥感图像分类、遥感图像复原、影像边缘检测与纹理信息提取等方面的应用。 相似文献
14.
15.
针对钢板表面缺陷图像分类传统深度学习算法中需要大量标签数据的问题,提出一种基于主动学习的高效分类方法。该方法包含一个轻量级的卷积神经网络和一个基于不确定性的主动学习样本筛选策略。神经网络采用简化的convolutional base进行特征提取,然后用全局池化层替换掉传统密集连接分类器中的隐藏层来减轻过拟合。为了更好的衡量模型对未标签图像样本所属类别的不确定性,首先将未标签图像样本传入到用标签图像样本训练好的模型,得到模型对每一个未标签样本关于标签的概率分布(probability distribution over classes, PDC),然后用此模型对标签样本进行预测并得到模型对每个标签的平均PDC。将两类分布的KL-divergence值作为不确定性指标来筛选未标签图像进行人工标注。根据在NEU-CLS开源缺陷数据集上的对比实验,该方法可以通过44%的标签数据实现97%的准确率,极大降低标注成本。 相似文献
16.
数字病理在临床诊断中的普及为人工智能在病理学中的应用创造了条件。由于强大的建模表征能力,深度学习技术在计算病理学中得到广泛应用,在改善疾病诊断方面展现了巨大潜力。本文回顾了深度学习和病理图像分析相结合的应用,并概述了三个关键任务的领域进展,包括分类、分割和检测。针对每一个任务,介绍了相关的临床价值、技术难点、以及主流的算法设计等。目前病理人工智能算法已经取得了一些令人瞩目的成果,但仍未达到临床应用的标准。本文分析了将人工智能技术从研究转化为临床应用时面临的挑战以及未来研究方向。 相似文献
17.
18.
19.
王文祥 《科学学与科学技术管理》2008,29(5):160-163
创设科学的组织学习定义分类框架,是结束组织学习定义界定歧义状态的有效手段.在对目前组织学习定义分类框架进行评述的基础上,提出了学习维度视角的组织学习定义分类框架.在该框架下,所有的组织学习定义被分成单维度组织学习定义和多维度组织学习定义两大基本类别. 相似文献