【摘 要】
：
现有深度学习算法应用于Pol SAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是Pol SAR图像可获取的标签样本十分有限。针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督Pol SAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些
【机 构】
：
西安邮电大学通信与信息工程学院（人工智能学院）,公安部电子信息现场勘验应用技术重点实验室,陕西师范大学计算机学院
【基金项目】
：
国家自然科学基金资助项目(61901365,62071379,62071378,62071380,61571361),陕西省自然科学基金资助项目(2019JQ-377,2020JM-299),陕西省教育厅专项科研计划资助项目(19JK0805),西安邮电大学西邮新星团队项目(xyt2016-01),中央高校基础研究基金资助项目(GK201903092)。
论文部分内容阅读
现有深度学习算法应用于Pol SAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是Pol SAR图像可获取的标签样本十分有限。针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督Pol SAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本,然后将其加入到复值卷积神经网络的训练样本中并用于模型训练,最终完成图像分类任务。
其他文献
传统拓扑控制算法采用单个效用函数,无法适应网络性能需求的动态变化。在拓扑控制中引入了博弈论,提出了两个具有不同优化目标的效用函数。当节点剩余能量较高时,选择一个全面考虑能量均衡度、网络能耗、网络连通性等因素的效用函数;否则,为了尽可能降低节点能耗而选择另一个更趋向于较低功率的效用函数。实验表明,采用双效用函数的拓扑博弈算法在网络寿命、能量均衡度等方面具有较好的性能。
传统的载体选择式图像隐写需要人工构建图像和秘密信息的关系,且鲁棒性不强。针对这个问题,提出了一种载体选择型图像隐写算法,该方案结合图像检索的思想,使用Star GAN的判别器作为特征提取器,将提取的特征映射为秘密消息,直接构造了图像和秘密消息的映射关系,并采用了特征更新、搜图更新等方式更新关系库,自动化更新映射关系库。实验证明,该方案具有较高的隐写容量和较好的鲁棒性,在图像质量不高时,提取准确率比
针对现有的广告点击率预估模型未能精准挖掘用户历史兴趣及历史兴趣对目标广告点击与否的影响,提出了一种基于改进Transformer的广告点击率预估模型。该模型采用Transformer网络捕捉隐藏在用户点击序列背后的潜在历史兴趣;同时针对Transformer建模用户历史兴趣无法有效关联目标广告的问题,提出了一种改进的Transformer网络。改进后的Transformer不但有效建模用户历史兴趣
目前,多方向文本检测方法已经在各种数据集上取得了不错的性能,但是任意形状文本检测仍然存在一些困难,尤其是具有不同大小、形状、方向、颜色和样式的文本实例。为了更好地区分连续任意形状的文本实例和周边非文本区域,提出了一种基于分段的文本检测器,通过使用多边形偏移蒙版和边界增强来检测任意形状的场景文本。为了评估该方法的有效性,在ICDAR2015和Total-Text等公开数据集上进行了多组对比实验,实验
针对传统漏洞检测分类需要定义人工特征以及相似度匹配算法不能检测非克隆漏洞、现有深度学习漏洞检测的方法特征维度过大以及只针对函数调用的问题,提出一种融合滑动窗口和哈希函数的深度学习方法,对源代码进行静态漏洞检测分类。首先抽取源代码的方法体,形成正负样本集,对样本集中的每个样本构建抽象语法树,根据语法树中的节点类型替换程序员自定义的变量名以及方法名,并以先序遍历的方式序列化抽象语法树;然后对抽象语法树
针对现有优秀的anchor-free文本检测方法只挖掘了文本框几何特性而没有考虑文本框位置特性且缺乏有效的过滤机制,提出了挖掘文本框位置特性的anchor-free自然场景文本检测方法。该方法以Res Net50作为卷积神经网络的主干网络,将多个不同尺寸的特征层融合后预测文本框的几何特性和位置特性,最后辅之以二层过滤机制得到最终的检测文本框。在公开的数据集ICDAR2013和ICDAR2011上F
由于腹部图像中肝脏区域的复杂性和传统分割方法特征提取上的局限性等原因,肝脏分割领域仍存在着很多挑战。针对现有分割网络在肝脏区域的全局信息和局部信息处理上存在的不足,设计了一种融合更多局部特征的循环密集连接网络的分割方法。该方法将循环密集连接模块和局部特征补充模块整合为编码过程的学习单元,使编码单元融合深层次全局信息和更多尺度的局部特征信息。最后,在解码过程后,利用softmax函数输出分割结果。在
通过研究对抗性图像扰动算法,应对深度神经网络对图像中个人信息的挖掘和发现以保护个人信息安全。将对抗样本生成问题转换为一个含有限制条件的多目标优化问题,考虑神经网络的分类置信度、扰动像素的位置以及色差等目标,利用差分进化算法迭代得到对抗样本。在MNIST和CIFAR-10数据集上,基于深度神经网络Le Net和Res Net进行了对抗样本生成实验,并从对抗成功率、扰动像素数目、优化效果和对抗样本的空
针对分形图像编码算法复杂度高、编码时间冗长的问题,提出正交稀疏编码和纹理特征提取表示图像块的方法。首先,灰度级的正交稀疏变换提高了图像的重建质量和解码时间。其次,相关系数矩阵度量范围块和域块之间的变异系数特征降低了冗余度和编码时间。仿真实验结果显示,该方法与传统的分形图像编码算法相比,图像重建质量更好,编码速度更快。
针对多聚焦图像融合中缺乏细节保护和结构不连续的不足,提出了一种基于图像分解的多聚焦图像融合算法。首先,源图像采用卡通纹理图像分解得到卡通部分和纹理部分;其次,卡通部分采用卷积稀疏表示的方法进行融合,纹理部分采用字典学习进行融合;最后,将卡通和纹理部分融合得到融合图像。实验建立在标准的融合数据集中,并与传统和最近的融合方法进行比较。实验结果证明,该算法所获得的融合结果在方差和信息熵上具有更好的表现,