检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

深部地压巷道锚注加固技术研究与应用

山东煤炭科技 2005年第6期23卷 15-16页

作者：赵文凯许裕平肥城矿业集团公司技术中心肥城矿业集团公司技术处

锚注加固巷道围岩是利用空心锚杆兼作注浆管(简称注浆锚杆),注浆锚杆前段是带若干个注浆孔的注浆段,后段是止浆塞段。松动和裂隙发育的围岩经过锚杆注浆加固后,围岩强度等力学性能得到提高和改善,使破裂结构的围岩胶结成拱形连续体加固圈。

关键词：锚注加固参数选择数值模拟

维普期刊数据库

基于卷积增强动态图卷积特征提取的高光谱图像分类

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第18期61卷 439-448页

作者：李铁高乔裕李文许辽宁工程技术大学电子与信息工程学院

针对高光谱图像存在的光谱维度多、数据分布不均匀、空间光谱特征提取不充分、同物异谱和异物同谱等问题，提出一种基于卷积网络结合图神经网络的高光谱图像分类算法。首先，通过主成分分析对高光谱图像进行降维；然后，利用卷积网络提... 详细信息

针对高光谱图像存在的光谱维度多、数据分布不均匀、空间光谱特征提取不充分、同物异谱和异物同谱等问题，提出一种基于卷积网络结合图神经网络的高光谱图像分类算法。首先，通过主成分分析对高光谱图像进行降维；然后，利用卷积网络提取图像中的局部特征，包括纹理和形状等信息。这些局部特征可以反映图像中不同物体和区域间的差异，同时将卷积所提取到的特征通过编码器嵌入动态图卷积所在的超像素域中，利用其动态化的邻接矩阵来捕获高光谱图像中的长远距离空间上下文信息并通过解码器将二者所提取到的特征相结合，从而实现对高光谱图像中各个像素类别的分类。在3个公共的高光谱图像数据集上进行实验，与其他5种高光谱图像分类算法相比，所提算法具有更好的分类性能。

关键词：高光谱图像超像素卷积神经网络图神经网络动态图卷积

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

语音深度伪造及其检测技术研究进展

中国图象图形学报 2024年第8期29卷 2236-2268页

作者：许裕雄李斌谭舜泉黄继武广东省智能信息处理重点实验室深圳518060 深圳市媒体信息内容安全重点实验室深圳518060 深圳大学电子与信息工程学院深圳518060 深圳大学计算机与软件学院深圳518060

语音深度伪造技术是利用深度学习方法进行合成或生成语音的技术。人工智能生成内容技术的快速迭代与优化,推动了语音深度伪造技术在伪造语音的自然度、逼真度和多样性等方面取得显著提升,同时也使得语音深度伪造检测技术面临着巨大挑战... 详细信息

语音深度伪造技术是利用深度学习方法进行合成或生成语音的技术。人工智能生成内容技术的快速迭代与优化,推动了语音深度伪造技术在伪造语音的自然度、逼真度和多样性等方面取得显著提升,同时也使得语音深度伪造检测技术面临着巨大挑战。本文对语音深度伪造及其检测技术的研究进展进行全面梳理回顾。首先,介绍以语音合成(speech synthesis,SS)和语音转换(voice conversion,VC)为代表的伪造技术。然后,介绍语音深度伪造检测领域的常用数据集和相关评价指标。在此基础上,从数据增强、特征提取和优化以及学习机制等处理流程的角度对现有的语音深度伪造检测技术进行分类与深入分析。具体而言,从语音加噪、掩码增强、信道增强和压缩增强等数据增强的角度来分析不同增强方式对伪造检测技术性能的影响,从基于手工特征的伪造检测、基于混合特征的伪造检测、基于端到端的伪造检测和基于特征融合的伪造检测等特征提取和优化的角度对比分析各类方法的优缺点,从自监督学习、对抗训练和多任务学习等学习机制的角度对伪造检测技术的训练方式进行探讨。最后,总结分析语音深度伪造检测技术存在的挑战性问题,并对未来研究进行展望。本文汇总的相关数据集和代码可在https://***/media-sec-lab/Audio-Deepfake-Detection访问。

关键词：语音深度伪造语音深度伪造检测语音合成(SS) 语音转换(VC) 人工智能生成内容(AIGC) 自监督学习对抗训练

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于多分支空谱特征增强的高光谱图像分类

液晶与显示 2024年第6期39卷 844-855页

作者：李铁李文许王军国高乔裕辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

为了解决高光谱图像自身及分类过程中噪声干扰大、空间-光谱特征信息提取不足以及有限样本下分类性能不佳等问题,提出一种基于多分支空谱特征增强的高光谱图像分类模型SSFE-MBACNN。首先,利用多分支特征提取模块分别提取浅层空谱特征和... 详细信息

为了解决高光谱图像自身及分类过程中噪声干扰大、空间-光谱特征信息提取不足以及有限样本下分类性能不佳等问题,提出一种基于多分支空谱特征增强的高光谱图像分类模型SSFE-MBACNN。首先,利用多分支特征提取模块分别提取浅层空谱特征和深层空间特征信息,并引入注意力机制抑制噪声干扰。其次,设计一种改进多尺度空谱特征提取融合模块及结合双池化和空洞卷积的空间特征增强模块实现空谱特征增强,减少模型参数量和提高分类性能。最后,用全局平均池化层代替全连接层,进一步降低参数量,缓解模型过拟合问题。实验结果表明,在Indian Pines(10%训练样本)、Pavia University (5%训练样本)和Salinas(1%训练样本)数据集分别取得了0.990 7、0.997 5和0.994 7的总体分类精度。SSFE-MBACNN不仅能充分利用空谱特征信息,而且在有限样本下也取得了优秀的分类性能,明显高于其他对比方法。

关键词：高光谱图像分类特征增强多分支特征提取注意力机制多尺度特征双池化空洞卷积

维普期刊数据库博看期刊