检索结果

Select

1. 基于知识蒸馏的特定知识学习

戴朝霞, 曹堉栋, 朱光明, 沈沛意, 徐旭, 梅林, 张亮

《计算机应用》唯一官方网站 2021, 41 (12): 3426-3431. DOI: 10.11772/j.issn.1001-9081.2021060923

摘要（365）

HTML （25）

PDF （648KB）（179）

在传统知识蒸馏框架中，教师网络将自身的知识全盘传递给学生网络，而传递部分知识或者特定知识的研究几乎没有。考虑到工业现场具有场景单一、分类数目少的特点，需要重点评估神经网络模型在特定类别领域的识别性能。基于注意力特征迁移蒸馏算法，提出了三种特定知识学习算法来提升学生网络在特定类别分类中的分类性能。首先，对训练数据集作特定类筛选以排除其他非特定类别的训练数据；在此基础上，将其他非特定类别视为背景并在蒸馏过程中抑制背景知识，从而进一步减少其他无关类知识对特定类知识的影响；最后，更改网络结构，即仅在网络高层抑制背景类知识，而保留网络底层基础图形特征的学习。实验结果表明，通过特定知识学习算法训练的学生网络在特定类别分类中能够媲美甚至超越参数规模六倍于它的教师网络的分类性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于新的森林优化算法的特征选择算法

谢琪, 徐旭, 程耕国, 陈和平

计算机应用 2020, 40 (5): 1266-1271. DOI: 10.11772/j.issn.1001-9081.2019091614

摘要（376）

PDF （484KB）（419）

针对传统的基于森林优化算法的特征选择算法在初始化阶段、候选森林生成阶段和更新阶段存在的问题，提出了一种新的基于森林优化算法的特征选择算法。该算法在初始化阶段采用皮尔森相关系数和L₁正则化方法代替随机初始化策略；在候选森林生成阶段，采用优劣树分开和差额补足的方法解决优劣树不完备问题；在更新阶段，将与最优树精度相同但维度不同的树木添加到森林中。在实验中，所提算法采用与传统的基于森林优化算法的特征选择算法相同的实验数据和实验参数，分别测试了小维度、中维度和大维度数据。实验结果表明，在2个大维度数据和2个中维度数据上，所提算法的分类精度和维度缩减能力均高于传统的基于森林优化算法的特征选择算法。实验结果验证了所提算法在处理特征选择问题的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于标准白色模板的扩展RGB颜色校正算法

刘天弼宋春林江兴歌徐旭辉

计算机应用 2010, 30 (8): 2085-2087.

摘要（352）

PDF （625KB）（1110）

如何通过颜色校正获得真实的颜色重现已成为图像处理中普遍存在的技术难点。针对此类问题，提出一种基于白色模板的颜色校正方法：首先将颜色空间的精度扩展到一定的程度，然后制作一个标准状态下的白色模板；接着根据条件选取适当的校正算子，根据校正算子得出的RGB值去校正在同样条件下得到的目标图像。工程实践和仿真结果表明，校正后的图像不但在视觉上与标准图像达到一致，并且在数值误差上也小于传统的校正方法。