目录
2021:PM2.5 Monitoring: Use Information Abundance Measurement and Wide and Deep Learning
收录:IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, VOL. 32, NO. 10, OCTOBER 2021.
摘要:提出的模型融合了信息丰度测量(Information Abundance)和宽度 + 深度神经网络,称为 IAWD,用于 PM2.5 监测。首先,模型在新提出的 DS 变换空间中提取两类特征,以测量给定照片的信息丰度(IA),因为 PM2.5 浓度的增长降低了其 IA 。其次,为了同时具有记忆性和泛化性优势,设计了一种新的宽而深的神经网络来学习上述提取的特征与真实 PM2.5 浓度之间的非线性映射。
2020:FEATURE ENHANCEMENT AND FUSION FOR IMAGE-BASED PARTICLE MATTER ESTIMATION WITH F-MSE LOSS
收录:2020 IEEE International Conference on Image Processing (ICIP). IEEE, 2020: 768-772.
摘要:提出了一种使用户外图像评估 PM2.5 浓度的有效且可靠的方法。首先,使用基于梯度特征的先验注意块来增强特征图中天空和目标之间的边界区域。之后,嵌入层用于编码天气信息并将其与图像特征相融合。最后, 构建了一个具有新型损失函数 F-MSE 的深度神经网络模型。