全部分类/
科学普及/
计算机应用研究

计算机应用研究

2024年04期

扫码免费借阅

目录

快速导航

综述评论 | 卷积神经网络的正则化方法综述

综述评论 | 卷积神经网络的正则化方法综述

摘要：近年来，卷积神经网络已经广泛应用于计算机视觉各个领域中并取得了显著的效果。正则化方法是卷积神经网络的重要组成部分，它能避免卷积神经网络在模型训练的过程中出现过拟合现象。目前关于卷积神经网络正则化方法的综述较少，且大多缺乏对新提出的正则化方法的总结。首先对卷积神经网络中的正则化方法相关文献进行详细的总结和梳理，将正则化方法分为参数正则化、数据正则化、标签正则化和组合正则化；然后在ImageN
综述评论 | 车联网安全标准综述

综述评论 | 车联网安全标准综述

摘要：车联网（IoV）安全标准是保障车联网产业发展的压舱石。为了让研究者全面清晰的了解IoV产业的安全需求，基于IoV的“云－管－端”三层体系架构，从IoV安全标准视角出发，统计分析了IoV的安全标准和政策文件，对比分析了国际和国内标准化组织发布的IoV安全标准的侧重点、总结了各层的安全需求、防护技术和安全标准之间的对应关系，给出了IoV安全标准的发展趋势和建设建议。关键词：车联网；安
区块链技术 | 一种监管友好的可编辑区块链方案

区块链技术 | 一种监管友好的可编辑区块链方案

摘要：现有区块链内容监管方案均采用事后治理方式，缺乏事前审计，且存在签名失效和多版本区块验证效率低的问题。针对这些问题，首先，设计了一种可动态调整可追责的数据审计方法，实现了对区块链交易数据的事前审计；其次，设计了一种编辑可控的数字签名方案RCDSS（redaction－controlled digital signature scheme），解决了因编辑操作造成的签名失效问题；最
区块链技术 | 基于节点动态评分机制的分组共识算法

区块链技术 | 基于节点动态评分机制的分组共识算法

摘要：针对实用拜占庭容错（practical Byzantine fault tolerance，PBFT）共识算法三阶段流程通信开销大，主节点随机选取且缺乏奖惩机制等问题，提出基于节点动态评分机制的分组共识算法（dynamic scoring practical Byzantine fault tolerance，DS－PBFT）。首先，优化一致性协议，简化三阶段通信流程从而提高共识效率；其
区块链技术 | CS－Raft:适用于联盟链的拜占庭容错共识算法

区块链技术 | CS－Raft:适用于联盟链的拜占庭容错共识算法

摘要：针对目前联盟链共识算法的性能不足，提出了一种基于信用评分的可拜占庭容错联盟链共识算法CS－Raft。首先，为所有节点赋予信用评分属性，节点的信用评分根据节点的共识行为、活跃度、加入集群时间等指标进行更新，信用评分越高代表节点可信度越高；其次，根据节点信用评分选取监督节点，监督节点具有检验权，可以参与领导人选举，监督节点的设置可以有效抵抗拜占庭恶意节点的攻击；最后，改善了领导人
故障诊断专题 | 基于特征增强与时空信息嵌入的涡扇发动机剩余寿命预测

故障诊断专题 | 基于特征增强与时空信息嵌入的涡扇发动机剩余寿命预测

摘要：针对现有的剩余寿命预测方法对原始数据利用率不高以及多维数据特征提取能力不足的问题，提出了一种基于特征增强和时空信息嵌入的卷积神经模型。首先，通过特征增强模块在原始数据基础上进一步提取工况特征与手工特征作为辅助特征；其次，提出了时空嵌入模块，对原始数据进行时空信息编码以嵌入时间序列信息和空间特征信息；最后，拼接上述特征并通过回归预测模块捕获数据内在关系得到回归预测结果。在通用的涡扇发动机模
故障诊断专题 | 模型未知的离散事件系统故障诊断方法

故障诊断专题 | 模型未知的离散事件系统故障诊断方法

摘要：针对离散事件系统模型难以建立的大型实际系统，无法对其进行有效故障诊断的问题，提出一种基于主动学习的故障诊断方法。首先，为获取到的系统事件日志添加正常/故障标签，并将日志集划分为训练集和测试集，提出一种基于抽象技术的迭代算法提取训练集中日志的故障特征样本。然后，通过故障特征样本构造初始故障识别器，并利用测试集中的日志检验识别器的准确性。仿真结果表明，该故障诊断算法使得模型未知下诊断精度更高
故障诊断专题 | 基于申威NMII的锁死故障监测与诊断

故障诊断专题 | 基于申威NMII的锁死故障监测与诊断

摘要：国产申威处理器的不可屏蔽核间中断（NMII）具有必须由某一核心主动发起的特性，导致目前无法适用Linux通用的锁死故障监测算法，严重情况下将影响关键领域的数据处理。针对该问题设计适用于申威架构的锁死故障监测与诊断系统。采用链式结构发送NMII请求，结合定时器事件和内核线程进行锁死时间戳检查，实现系统内单核心的软锁死与硬锁死监测；基于故障容错机制，采用主从式结构监测所有核心状态，当主核心发
算法研究探讨 | 基于图嵌入编码形态信息的非均匀多任务强化学习方法

算法研究探讨 | 基于图嵌入编码形态信息的非均匀多任务强化学习方法

摘要：传统强化学习方法存在效率低下、泛化性能差、策略模型不可迁移的问题。针对此问题，提出了一种非均匀多任务强化学习方法，通过学习多个强化任务提升效率和泛化性能，将智能体形态构建为图，利用图神经网络能处理任意连接和大小的图来解决状态和动作空间维度不同的非均匀任务，突破模型不可迁移的局限，充分发挥图神经网络天然地利用图结构归纳偏差的优点，实现了模型高效训练和泛化性能提升，并可快速迁移到新任务。多任务
算法研究探讨 | 基于Informer算法的网联车辆运动轨迹预测模型

算法研究探讨 | 基于Informer算法的网联车辆运动轨迹预测模型

摘要：自动驾驶汽车可以根据轨迹预测算法计算周边车辆的运动轨迹，并作出反应以降低行车风险，而传统的轨迹预测模型在长时间序列预测的情况下会产生较大的误差。为解决这一问题，提出了一种以Informer算法为基础的轨迹预测模型，并根据公开数据集NGSIM进行实验分析。首先通过对称指数移动平均法（sEMA）对原始数据进行滤波处理，并在原有的Informer编码器中加入了联合归一化层对不同车辆进行特征提取处
算法研究探讨 | TRGATLog：基于日志时间图注意力网络的日志异常检测方法

算法研究探讨 | TRGATLog：基于日志时间图注意力网络的日志异常检测方法

摘要：为解决现有日志异常检测方法往往只关注定量关系模式或顺序模式的单一特征，忽略了日志时间结构关系和不同特征之间的相互联系，导致较高的异常漏检率和误报率问题，提出基于日志时间图注意力网络的日志异常检测方法。首先，通过设计日志语义和时间结构联合特征提取模块构建日志时间图，有效整合日志的时间结构关系和语义信息。然后，构造时间关系图注意力网络，利用图结构描述日志间的时间结构关系，自适应学习不同日志之间
算法研究探讨 | 基于周期图卷积与多头注意力GRU组合的交通流量预测模型

算法研究探讨 | 基于周期图卷积与多头注意力GRU组合的交通流量预测模型

摘要：为了捕获交通流量数据中复杂的时空动态变化关系以及周期性变化的特征，同时避免道路突发情况引起的误差累计效应，提出一种基于周期图卷积（periodic graph convolution network，PGCN）与多头注意力门控循环单元（multi－head attention gated recurrent unit，MAGRU）组合的交通流量预测模型。首先，模型的时空数据融合模块利用
算法研究探讨 | 一种基于信息熵加权的属性约简算法

算法研究探讨 | 一种基于信息熵加权的属性约简算法

摘要：针对现有邻域粗糙集模型中存在属性权重都相同，无法保证关键属性在属性约简时能够被保留的问题，提出了一种基于信息熵加权的属性约简算法。首先，采用了类间熵、类内熵策略，以最大化类间熵最小化类内熵为原则给属性赋予权重；其次，构造了基于加权邻域关系的加权邻域粗糙集模型；最后，基于依赖关系评估属性子集的重要性，从而实现属性约简。在基于UCI数据集上与其他三种属性约简算法进行对比实验，结果表明，该算法
算法研究探讨 | 基于任务权重自动优化的多任务序数回归算法

算法研究探讨 | 基于任务权重自动优化的多任务序数回归算法

摘要：目前，只有少量面向多任务学习的序数回归方法。这些方法假设不同的任务具有相同的权重，对整体模型具有相同的贡献。然而，在真实应用中，不同任务对于整体模型的贡献往往是不同的。为此，提出了一种基于任务权重自动优化的多任务序数回归算法。首先，提出了基于支持向量机的多任务序数回归模型，通过分类器参数共享，实现不同任务之间的信息迁移；其次，考虑到不同任务对整体模型可能具有不同贡献，赋予每个任务一个权重
算法研究探讨 | 基于网格近邻优化的密度峰值聚类算法

算法研究探讨 | 基于网格近邻优化的密度峰值聚类算法

摘要：密度峰值聚类（DPC）将数据样本点的局部密度和相对距离进行结合，能对任意形状数据集进行聚类处理，但密度峰值聚类算法存在主观选择截断距离、简单分配策略和较高时间复杂度等问题。为此，提出了一种基于网格近邻优化的密度峰值聚类算法（KG－DPC算法）。首先对数据空间进行网格化，减少了样本数据点之间距离的计算量；在计算局部密度时不仅考虑了网格自身的密度值，而且考虑了周围k个近邻的网格密度值，降低了
算法研究探讨 | 基于时效性和相关性约束的周期模式挖掘

算法研究探讨 | 基于时效性和相关性约束的周期模式挖掘

摘要：传统周期模式挖掘忽略了模式本身的相关性和时效性，导致获取到一些实用价值有限的弱相关且时效性较低的模式。因此，提出了新颖的基于时效性和相关性约束的周期模式挖掘方法（correlation and recency periodic frequent pattern－breadth first search，CRPFP－BFS）和（correlation and recency periodi
算法研究探讨 | 基于可重构阵列的CNN数据量化方法

算法研究探讨 | 基于可重构阵列的CNN数据量化方法

摘要：针对卷积神经网络（CNN）模型中大量卷积操作，导致网络规模大幅增加，从而无法部署到嵌入式硬件平台，以及不同粒度数据与底层硬件结构不协调导致计算效率低的问题，基于项目组开发的可重构阵列处理器，面向支持多种位宽的运算单元，通过软硬件协同和可重构计算方法，采用KL（Kullback－Leibler）散度自定义量化阈值和随机取整进行截断处理的方式，寻找参数定长的最佳基点位置，设计支持多种计算粒度并
算法研究探讨 | 融合小生境机制的增强麻雀搜索算法及其应用

算法研究探讨 | 融合小生境机制的增强麻雀搜索算法及其应用

摘要：针对麻雀搜索算法SSA易陷入局部最优、算法过早收敛等问题，提出一种融合小生境的麻雀搜索算法NSSA。首先，NSSA使用一种基于发现者相似性形成自适应物种的小生境策略将麻雀种群自动划分为以发现者为中心的若干个小种群或物种，且使跟随者朝所属物种内的发现者位置移动，以保持种群的多样性。其次，通过结合模糊逻辑的差分变异并使用发现者所属物种内的其他个体信息对发现者进行变异操作，以提高算法跳出局部最
算法研究探讨 | 融入武装部队的鲸鱼优化算法用于社区发现

算法研究探讨 | 融入武装部队的鲸鱼优化算法用于社区发现

摘要：针对于鲸鱼优化算法（WOA）多样性不足、两搜索阶段信息交流效率低、不平衡的问题，这里借用武装部队协同作战机理，提出一种新的WOA用于社区发现。为解决包围捕食阶段多样性不足的问题，引入“邻居潜力”学习模型，提高WOA的全局搜索能力和学习广度；为解决两捕食阶段信息交流效率的低问题，提出鲸鱼指挥官领导的气泡网捕食，确保搜索信息能有效利用；为解决两种捕食机制不平衡的问题，采用改进的学习自动机引导
算法研究探讨 | MCI患者高阶动态功能连接的图论网络构建方法及分类

算法研究探讨 | MCI患者高阶动态功能连接的图论网络构建方法及分类

摘要：针对在低阶脑网络应用图论忽视了功能连接高阶动态性的问题，提出了一种基于高阶动态功能连接的图论网络构建方法（GNC－HodFC），提取高阶FC网络的图论特征以对轻度认知障碍患者和健康被试者进行差异性分析及分类。首先定义了表征高阶动态脑网络连接的图论节点和边；然后利用滑动窗相关技术提取低阶功能连接信息，提出平稳性判据，选取最优特征子集以构建图论的节点；最后提出自适应阈值策略对高阶动态功能连接
算法研究探讨 | 二级垃圾回收中转设施选址问题的降阶回溯算法

算法研究探讨 | 二级垃圾回收中转设施选址问题的降阶回溯算法

摘要：随着我国城市化进程的加快和经济的高速发展，城市中因生产生活所产生的垃圾废料量日益增加，如何有效地建立回收中转设施是当前社会需要解决的问题。对二级垃圾回收设施选址问题进行研究，其实质为组合优化中的NP－hard问题。首先根据实际情况对二级垃圾回收中转设施选址问题进行数学建模，研究该问题的数学性质并给予证明，利用这些性质减小问题规模，降低求解难度；然后设计符合该问题的分配子算法、上下界子算法
算法研究探讨 | 基于双分支注意力U－Net的语音增强方法

算法研究探讨 | 基于双分支注意力U－Net的语音增强方法

摘要：针对语音增强网络对全局语音相关特征提取困难、对语音局部上下文信息的捕捉效果不佳的问题，提出了一种基于双分支注意力U－Net的时域语音增强方法，该方法使用U－Net编码器－解码器结构，将单通道带噪语音经过一维卷积后得到的高维时域特征作为输入。首先利用残差连接设计了基于Conformer的残差卷积来增强网络降噪的能力。其次设计了双分支注意力机制结构，利用全局和局部注意力获取带噪语音中更丰富的
算法研究探讨 | 改进双向动态JPS算法的移动机器人全局路径规划

算法研究探讨 | 改进双向动态JPS算法的移动机器人全局路径规划

摘要：针对跳点搜索（jump point search，JPS）算法在寻路过程中所存在的路径拐点多、中间搜索跳点数多、寻找跳点的过程中扩展节点数多和寻路时间较长等问题，提出改进双向动态JPS算法。改进算法动态定义正、反扩展方向上的目标点，动态定义启发函数，并利用动态约束椭圆对算法的扩展区域加以限制，以区分椭圆内、外区域的扩展优先级。在算法从起点和目标点两个方向上分别向对方进行扩展的过程中，以寻
系统应用开发 | 基于对比学习的心电信号情绪识别方法

系统应用开发 | 基于对比学习的心电信号情绪识别方法

摘要：现有的机器学习和深度学习在解决基于心电信号的情绪识别问题时主要使用全监督的学习方法。这种方法的缺点在于需要大量的有标签数据和计算资源。同时，全监督方法学习到的特征表示通常只能针对特定任务，泛化性较差。针对这些问题，提出了一种基于对比学习的心电信号情绪识别方法，该方法分为预训练和微调两步。预训练的目的是从未标记的心电数据中学习特征表示，具体为：设计了两种简单高效的心电信号增强方式，将原始数
系统应用开发 | 基于模态语义增强的跨模态食谱检索方法

系统应用开发 | 基于模态语义增强的跨模态食谱检索方法

摘要：在跨模态食谱检索任务中，如何有效地对模态进行特征表示是一个热点问题。目前一般使用两个独立的神经网络分别获取图像和食谱的特征，通过跨模态对齐实现跨模态检索。但这些方法主要关注模态内的特征信息，忽略了模态间的特征交互，导致部分有效模态信息丢失。针对该问题，提出一种通过多模态编码器来增强模态语义的跨模态食谱检索方法。首先使用预训练模型提取图像和食谱的初始语义特征，并借助对抗损失缩小模态间差异；
系统应用开发 | 面向降雨预报的雷达回波预测序列外推方法

系统应用开发 | 面向降雨预报的雷达回波预测序列外推方法

摘要：雷达回波外推方法广泛应用于降雨预报中。针对雷达回波中的预测精度不够高的问题，提出了一种基于循环神经网络的深度学习模型DIPredRNN。该模型通过引入空间和通道的双注意力机制，将长时间的时间信息和通道信息结合起来，提高了时间记忆的长期依赖；通过引入隐藏状态和输入的交互框架，保留了更多的特征，提高了时间记忆的短期依赖。该模型在HKO－7数据集和四川数据集上同经典模型以及诸多先进模型进行
网络与通信技术 | 移动边缘计算中的无人机三维部署和内容缓存优化方法

网络与通信技术 | 移动边缘计算中的无人机三维部署和内容缓存优化方法

摘要：随着无线网络中的移动数据流量爆炸式增长，支持高速缓存的无人机被应用于移动计算领域充当边缘服务器，为网络中的用户提供按需服务。为了在满足其他资源约束的条件下，给用户带来更好的体验，通过联合优化无人机部署、缓存放置和用户关联以实现最小化所有用户的内容访问时延，并为用户提供质量不同的内容缓存服务。针对多无人机和地面基站协同提供缓存服务的场景，提出了一种基于迭代优化的联合优化算法。该算法通过迭代求
网络与通信技术 | 基于联邦共识机制的多视频流带宽分配策略

网络与通信技术 | 基于联邦共识机制的多视频流带宽分配策略

摘要：针对瓶颈链路中视频带宽分配不均导致的用户QoE不公平以及带宽利用率低的问题，提出了一种基于联邦深度强化学习的分布式视频流公平调度策略。该策略能够根据客户端网络状态和视频QoE等级动态生成带宽分配权重因子，服务器端的拥塞控制算法则根据带宽分配权重因子为瓶颈链路中的每个视频流分配带宽，以保障瓶颈链路中视频流的公平传输。每个视频终端都运行一个带宽分配agent，且多个agent以联邦学习的方式周
网络与通信技术 | 智能反射面辅助的OFDM系统稀疏信道估计研究

网络与通信技术 | 智能反射面辅助的OFDM系统稀疏信道估计研究

摘要：针对智能反射面（IRS）辅助的宽带正交频分复用（OFDM）系统的信道估计，当前大多数研究都是基于单符号全导频设置，且级联信道系数过多会导致导频开销较大。为此，提出了一种基于时域－角域块稀疏的两阶段信道估计方案。首先，通过分析信道在时域和角域上存在的共同稀疏特性，将级联信道矩阵转换为时域－角域上的块稀疏表示，并将信道估计问题转换为块稀疏矩阵恢复问题。其次，考虑传输导频限制和时域－角域块稀疏
网络与通信技术 | 基于进化多任务多目标优化的边缘计算任务卸载

网络与通信技术 | 基于进化多任务多目标优化的边缘计算任务卸载

摘要：目前边缘计算卸载的主流方案是将其建模为一个多目标优化问题，即最小化能耗和延时。不同于已有研究，主要考虑边缘计算中，不同卸载区域的任务具有一定的相似性，可以利用任务的相似性加快算法的收敛速度和求解效果。以此基于进化多任务优化，提出一种进化多任务多目标优化算法求解不同区域的任务卸载问题。该算法考虑了多个独立的待优化区域，将每个区域的任务卸载系统模型建模为一个多目标优化问题。通过学习不同区域的
信息安全技术 | 一种基于联邦学习参与方的投毒攻击防御方法

信息安全技术 | 一种基于联邦学习参与方的投毒攻击防御方法

摘要：联邦学习分布式的训练结构易受到投毒攻击的威胁，现有方法主要针对中央服务器设计安全聚合算法以防御投毒攻击，但要求中央服务器可信且中毒参与方数量需低于正常参与方。为了解决上述问题，提出了一种基于联邦学习参与方的投毒攻击防御方法，将防御策略的执行转移到联邦学习的参与方。首先，每个参与方独立构造差异损失函数，通过计算全局模型与本地模型的输出并进行误差分析，得到差异损失权重与差异损失量；其次，依据本
信息安全技术 | 基于JPEG图像的模块化可逆信息隐藏方法

信息安全技术 | 基于JPEG图像的模块化可逆信息隐藏方法

摘要：当前的可逆信息隐藏方法为了寻求更好的嵌入性能，通常会基于给定的图像内容对修改模式和嵌入参数作出自适应的调整。然而，通过细化自适应程度或扩大解空间来寻找更优解时，会造成计算复杂度高、时间成本难以承受等问题。为此，提出了一种适用于JPEG图像的模块化可逆嵌入方法来提高自适应寻优的效率。通过比较不同情况下最优解的嵌入性能，对原有的解空间进行优化、筛选，从而生成一个适用于不同图像的通用修改模式集合
信息安全技术 | 多级敏感区域室内定位中的隐私保护算法

信息安全技术 | 多级敏感区域室内定位中的隐私保护算法

摘要：随着城市智能化发展，室内定位技术已成为各类位置服务的重要应用基础。在一些室内应用场景中，服务器端需要在保护用户位置隐私的前提下，完成特定区域的用户访问统计。为此，提出了一种基于布隆过滤器和Paillier同态加密的多级敏感区域室内定位算法，旨在保护用户位置隐私的同时服务器能判断用户是否进入特定区域。算法根据区域的类别或敏感级别对室内进行划分，利用Paillier算法对服务器端和用户端的数据
信息安全技术 | 适用于智能家居的格上基于身份多方认证密钥协商协议

信息安全技术 | 适用于智能家居的格上基于身份多方认证密钥协商协议

摘要：随着物联网应用的日益普及，物联网设备终端数量激增、种类多样、层次复杂，常处于不可控的环境之中，因此，确保数据传输过程的安全性和隐私性至关重要。对基于物联网架构的智能家居服务进行探讨得出，启用智能家居应用需涉及多个方面，如用户、云、物联网智能集线器（the IoT smart hub，ISH）和智能设备，它们需要多方验证以进行安全通信。由此提出了一种针对智能家居应用的格上基于身份多方认证
信息安全技术 | 面向电力物联网流数据的一种具有隐私保护的KNN查询方法

信息安全技术 | 面向电力物联网流数据的一种具有隐私保护的KNN查询方法

摘要：电力物联网是一个智慧服务系统，为人们提供了状态全面感知、信息高效处理、应用便捷灵活的服务，然而在享受服务的同时却面临着隐私泄露的风险。目前有关电力数据的隐私保护的成果主要集中在安全聚合，对于诸多基础服务的核心技术（如KNN查询）却鲜有涉及。与传统关系型数据不同的是，电力物联网采集的是用户用电的流数据，并且电力参数的各数据之间还具有动态相关性，攻击者可以通过数据挖掘等手段推测未来数据的变化
信息安全技术 | 边缘辅助群智感知位置隐私保护多任务分配机制

信息安全技术 | 边缘辅助群智感知位置隐私保护多任务分配机制

摘要：为了解决群智感知中隐私泄露和多任务分配的问题，提出了一种边缘辅助群智感知位置隐私保护（EALP）多任务分配机制。首先，考虑群感知任务具有地理相近特征，利用改进的模糊聚类（FCM）算法对任务位置进行聚类组合，改进聚类数目指标，提高多任务分配的合理性。接着，为了防止云平台和感知用户之间的共谋，在任务分配阶段，提出一种位置隐私保护协议，在感知用户、云服务器和边缘节点之间部署同态加密，云感知平
图形图像技术 | 结合注意力机制与多尺度特征融合的视频彩色化方法

图形图像技术 | 结合注意力机制与多尺度特征融合的视频彩色化方法

摘要：针对现有视频彩色化方法难以同时保证着色质量和时间一致性的问题，提出一种结合注意力机制和多尺度特征融合的视频彩色化方法AMVC－GAN。首先，提出以GAN为主体的视频彩色化网络模型，通过在GAN的生成器中设计以循环时间网络为主体的多尺度特征融合模块，来获取不同时间频率的信息；其次，为了有效地考虑相邻帧之间的关系，将不同时间频率提取的特征进行融合，加强帧与帧之间的联系，以此增强彩色化的时间一致
图形图像技术 | TCSNGAN:基于Transformer和谱归一化CNN的图像生成模型

图形图像技术 | TCSNGAN:基于Transformer和谱归一化CNN的图像生成模型

摘要：生成对抗网络（generative adversarial network，GAN）已成为图像生成问题中常用的模型之一，但是GAN的判别器在训练过程中易出现梯度消失而导致训练不稳定，以致无法获得最优化的GAN而影响生成图像的质量。针对该问题，设计满足Lipschitz条件的谱归一化卷积神经网络（CNN with spectral normalization，CSN）作为判别器，并采用具有更
图形图像技术 | 基于可靠性集成的无监督域自适应行人重识别

图形图像技术 | 基于可靠性集成的无监督域自适应行人重识别

摘要：为了缓解基于伪标签的无监督域自适应行人重识别（UDA person ReID）方法中噪声标签带来的负面影响，提出了一种基于可靠性集成的无监督域自适应行人重识别（UDA－RI）方法。该方法包含渐进式伪标签提炼策略和基于可靠性集成策略两个部分。渐进式伪标签提炼策略通过建立一个不确定性的定量标准来衡量伪标签的可靠性，并采用渐进式采样使得模型得到更加稳定的训练。基于可靠性集成策略考虑了来自不同适
图形图像技术 | 基于形变估计与运动补偿的医学CT图像层间超分辨率算法

图形图像技术 | 基于形变估计与运动补偿的医学CT图像层间超分辨率算法

摘要：针对医学断层图像层间分辨率较低的问题，提出了基于形变估计与运动补偿的医学CT图像层间超分辨率算法用于生成切片间图像，从而提高层间分辨率。首先利用U－Net对相邻两幅图像作多尺度特征提取与融合；其次，为了处理层间图像的复杂形变，使用基于自适应协作流的变形扭曲模块来实现相邻切片间的双向形变估计，设计层级信息递进融合模块对金字塔特征层进行特征聚合，对生成图进行运动补偿；最后经过后处理网络以减少
图形图像技术 | 基于二重语义相关性图卷积网络的跨模态检索方法

图形图像技术 | 基于二重语义相关性图卷积网络的跨模态检索方法

摘要：随着深度神经网络的不断发展，跨模态检索模型的构建也随之取得了长足的进步。以图卷积网络（GCN）为基础的跨模态检索方法可以较好地捕获数据的语义相关性，因此越来越受到人们的关注。但是，目前大部分研究多将标签之间和样本之间的相关性融入到跨模态表示当中，并没有考虑到标签集合之间的相关性对于跨模态检索模型性能的影响。在多标签场景下，标签集合之间的多标签相关性可以有效地描述对应样本之间的语义关系，因
图形图像技术 | 基于多传感信息融合的语义词袋SLAM优化算法

图形图像技术 | 基于多传感信息融合的语义词袋SLAM优化算法

摘要：针对室外大范围场景移动机器人建图中，激光雷达里程计位姿计算不准确导致SLAM （simultaneous localization and mapping）算法精度下降的问题，提出一种基于多传感信息融合的SLAM语义词袋优化算法MSW－SLAM（multi－sensor information fusion SLAM based on semantic word bags）。采用视觉惯
图形图像技术 | 改进视觉Transformer的视频插帧方法

图形图像技术 | 改进视觉Transformer的视频插帧方法

摘要：针对现有的视频插帧方法无法有效处理大运动和复杂运动场景的问题，提出了一种改进视觉Transformer的视频插帧方法。该方法融合了基于跨尺度窗口的注意力和可分离的时空局部注意力，增大了注意力的感受野并聚合了多尺度信息；对时空依赖和远程像素依赖关系进行联合建模，进而增强了模型对大运动场景的处理能力。实验结果表明，该方法在Vimeo90K测试集和DAVIS数据集上的PSNR指标分别达到了37
图形图像技术 | AF－CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

图形图像技术 | AF－CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

摘要：对于自动驾驶领域而言，确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性，提出一种基于cross－attention注意力机制的融合方法（AF），用于在特征层面上融合毫米波雷达和相机信息。首先，将毫米波雷达和相机进行空间对齐，并将对齐后的点云信息投影成点云图像。然后，将点云图像在高度和宽度方向上进行扩展，以提高相机图像和点云图像之间的匹配度。最后，
图形图像技术 | 基于卷积胶囊编码器和多尺度局部特征共现的图像分割网络

图形图像技术 | 基于卷积胶囊编码器和多尺度局部特征共现的图像分割网络

摘要：U－Net在图像分割领域取得了巨大成功，然而卷积和下采样操作导致部分位置信息丢失，全局和长距离的语义交互信息难以被学习，并且缺乏整合全局和局部信息的能力。为了提取丰富的局部细节和全局上下文信息，提出了一个基于卷积胶囊编码器和局部共现的医学图像分割网络MLFCNet （network based on convolution capsule encoder and multi－scale
图形图像技术 | 基于视觉强化学习的数字芯片全局布局方法

图形图像技术 | 基于视觉强化学习的数字芯片全局布局方法

摘要：在数字芯片后端设计中，全局布局需要同时兼顾线长与合法化，是一个组合优化问题。传统的退火算法或者遗传算法耗时且容易陷入局部最优，目前强化学习的解决方案也很少利用布局的整体视觉信息。为此，提出一种融合视觉信息的强化学习方法实现端到端的全局布局。在全局布局中，将电路网表信息映射为多个图像级特征，采用卷积神经网络（convolutional neural network，CNN）和图卷积网络（g
图形图像技术 | 基于颜色编码和图像隐写术的可逆灰度方法

图形图像技术 | 基于颜色编码和图像隐写术的可逆灰度方法

摘要：针对现有方法存在合成灰度图像视觉质量欠佳、重建彩色图像还原度不足的问题，提出一种基于颜色编码和图像隐写术的可逆灰度方法。其利用可逆神经网络构建更高效的颜色编解码器，并引入密集卷积块和通道注意力机制进一步提升网络模型的性能，综合减少编解码过程中的颜色信息丢失。之后，为使灰度图像负载编码信息以及减小嵌入过程导致的图像失真，设计了一种基于修改方向的图像隐写算法，通过自适应权值参数选择，以接近最

过往期刊

更多

猜你喜欢

山东工艺美术学院电子阅览室