云南高校图书馆联盟文献共享服务平台- LOSS

LOSS: 作品数：1360被引量：3224H指数：22; 导出分析报告; 相关领域：医药卫生更多>>; 相关作者：张上罗晖温秀兰刘长礼王书奎更多>>; 相关机构：中国科学院三峡大学西南交通大学厦门大学更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划中国博士后科学基金更多>>

基于Star_YOLOv8的水下珍品检测方法研究: 《现代电子技术》2025年第9期28-35,共8页夏建军高定国许松涛; 国家自然科学基金项目(62166038);拉萨市科技计划项目(LSKJ202306)。; 为有效实现水下图像各类珍品快速精准检测,解决水下珍品检测存在遮挡、精度不高及其推理速度慢等问题。文中提出一种基于Star_YOLOv8的水下珍品检测算法。首先,在主干网络融合C2f_StarNB模块有效地捕捉水下图像珍品特征,并实现模型的轻...; 关键词：YOLOv8 水下珍品目标检测 StarNet 注意力机制 Repulsion Loss损失函数

改进Faster R-CNN的输电线路山火图像检测方法: 《现代电子技术》2025年第9期173-179,共7页黄力吴珈承; 湖北省自然科学基金项目(2020CFB376)。; 针对山火严重威胁输电线路安全的问题,提出一种改进Faster R-CNN的输电线路山火图像检测方法。选用ResNeSt50作为主干网络以提升模型性能,同时在主干网络后面加入递归特征金字塔(RFP)以增强模型在多尺度上的特征提取能力。采用CIoU Los...; 关键词：深度学习山火检测烟雾检测 Kmeans++ ResNeSt50 CIoU Loss Focal Loss RFP

融合DBN和Focal Loss的网络入侵检测方法: 《计算机应用文摘》2025年第9期203-205,共3页罗彩; 广西国际商务职业技术学院2024年度校级科研项目:基于机器学习的网络安全攻击检测系统研究(GSB2024020)。; 网络安全问题日趋严峻,传统的网络入侵检测方法已难以应对日益复杂的网络攻击,暴露出诸多不足,如检测精度低、误报率高以及难以适应复杂多变的网络环境等。在攻击手段不断变化和数据量爆炸式增长的背景下,这些局限性更加凸显。为此,文...; 关键词：机器学习入侵检测深度学习卷积神经网络

基于数据增强和损失平衡的机电领域命名实体识别: 《计算机工程与应用》2025年第7期222-232,共11页林娜岳希唐聃; 四川省重大科技专项(2022ZDZX0001);四川省重点研发项目(2023YFG0020);四川省信息化应用支撑软件工程技术研究中心项目(2022RJGC-Y02)。; 机电领域命名实体识别是机电创新设计信息检索最基础的过程。目前命名实体识别任务的数据在机电领域较少,且大部分存在不平衡问题。通过构建机电领域命名实体识别数据集,根据数据集文本结构特点设计多维数据增强方法,并提出基于改进los...; 关键词：机电领域命名实体识别数据增强 focal loss Weigh loss

基于SuNet的公共交通安检违禁品的检测: 《西安工程大学学报》2025年第2期47-56,共10页张缓缓刘鹏程姜萌王雨欣; 国家自然科学基金青年项目(61902302);陕西省科技厅重点研发计划项目(2024GX-YBXM-231);浙江省博士后科研项目择优资助(ZJ2022154)。; 在公共交通安检场景中,违禁品与非违禁品相互重叠,导致现有模型难以有效地识别被遮挡违禁品类别问题。针对这一问题,文中提出基于SuNet的违禁品检测模型。首先,设计了强化注意力定位特征金字塔网络(augmented attention localization fe...; 关键词：违禁品检测 SuNet 强化注意力定位特征金字塔网络密集注意力机制 SmoothL1 Loss

A recover-then-discriminate framework for robust anomaly detection: 《Science China(Information Sciences)》2025年第4期296-314,共19页Peng XING Dong ZHANG Jinhui TANG Zechao LI; supported by National Natural Science Foundation of China(Grant Nos.62425603,U21B2043);Basic Research Program of Jiangsu Province(Grant No.BK20240011)。; Anomaly detection(AD)has been extensively studied and applied across various scenarios in recent years.However,gaps remain between the current performance and the desired recognition accuracy required for practical ap...; 关键词：recovery network HOG prompt discriminative network self-correlation loss anomaly detection

基于轻量化YOLOv8n的船舶号灯识别: 《大连海事大学学报》2025年第1期82-91,共10页乔亚静高祥雨赵月林; 辽宁省“兴辽英才计划”自主项目(XLYC1902071)。; 为解决船舶号灯目标检测中参数计算量大、背景光线复杂及号灯种类繁多等问题,对YOLOv8n做出了改进,以满足实时准确识别船舶号灯的要求。首先,使用VanillaNet网络作为主干特征提取网络,以降低模型的计算成本,满足实时检测要求;其次,引入...; 关键词：船舶号灯识别目标检测 VanillaNet MoE混合专家层模块 Focal Loss

Numerical study of runaway current impact on sawtooth oscillations in tokamaks: 《Plasma Science and Technology》2025年第3期10-21,共12页Ruirui MA Chen ZHAO Yao ZHOU Chang LIU; supported in part by the National Key R&D Program of China (No.2022YFE03040002);the Natural Science Foundation of Sichuan (No.2022NSFSC1814);National Natural Science Foundation of China (Nos.12305246,12175053 and 12261131622);the Italian Ministry of Foreign Affairs (No.CN23GR02);the Fundamental Research Funds for the Central Universities;supported by US Department of Energy (No.DE-AC0209CH11466)。; This study investigates the influence of runaway current in runaway plasmas on the dynamics of sawtooth oscillations and resultant loss of runaway electrons(RE)using the 3D magnetohydrodynamic(MHD)code M3D-C^(1)(Jardi...; 关键词：DISRUPTION runaway current sawtooth oscillations RE loss

基于改进YOLOv8n的玉米地杂草检测: 《软件工程》2025年第3期6-10,共5页文韬王天一; 贵州省科技计划[黔科合支撑(2021)一般176]。; 为了有效应对玉米地杂草对玉米产量和品质的影响,实现玉米与杂草的快速、准确检测,提出了一种基于改进YOLOv8n(You Only Look Once Version 8 nano)的玉米与杂草检测模型。首先,提出了ACMConv(Accurate and Computationally Minimal Con...; 关键词：深度学习杂草识别 YOLOv8n 激活函数 Focal Loss

Multi-scale input mirror network for tuberculosis detection in CXR image: 《Journal of Measurement Science and Instrumentation》2025年第1期1-10,共10页XING Guangxin FAN Jingjing ZHENG Yelong ZHAO Meirong; supported by the Joint Fund of the Ministry of Education for Equipment Pre-research(No.8091B0203);National Key Research and Development Program of China(No.2020YFC2008700)。; Computer-aided diagnosis(CAD)can detect tuberculosis(TB)cases,providing radiologists with more accurate and efficient diagnostic solutions.Various noise information in TB chest X-ray(CXR)images is a major challenge in...; 关键词：computer-aided diagnosis(CAD) medical image classification deep learning feature symmetry mirror loss

LOSS