检索结果-南通市图书馆

同方期刊数据库

类别条件生成对抗网络的语音对抗样本生成方法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年

作者：于振华胡旭飞叶鸥西安科技大学计算机科学与技术学院

针对现有面向自动语音识别系统的对抗攻击方法难以捕捉不同语音尺度之间的相关性，导致攻击成功率低的问题，提出一种类别条件生成对抗网络的语音对抗样本生成方法。通过目标标签映射模块将攻击目标标签转化为独热向量，作为条件输入到... 详细信息

针对现有面向自动语音识别系统的对抗攻击方法难以捕捉不同语音尺度之间的相关性，导致攻击成功率低的问题，提出一种类别条件生成对抗网络的语音对抗样本生成方法。通过目标标签映射模块将攻击目标标签转化为独热向量，作为条件输入到构建的类别条件生成对抗网络中，以此控制语音样本类别的生成。该类别条件生成对抗网络中的生成器采用设计的NReSidual U-block网络模块与U-Net相融合，可以更好地学习不同时间尺度的语音特征，以及提升语音特征的表示能力，从而可以针对特定语音类别生成对抗样本；判别器采用卷积块和全连接层相结合的网络结构，将错误损失通过梯度反向传播至生成器，能有效保留语音信号的时序信息，并解决数据分布不稳定问题。在通用的谷歌命令数据集和音乐流派数据集上进行实验，结果表明：所提语音对抗样本生成方法的攻击成功率与主流方法相比分别提高了3.47%、5.1%，平均信噪比提升了3.2、1.49dB，该方法具有较好的攻击效果和语音质量。

关键词：自动语音识别系统生成对抗网络对抗攻击语音对抗样本生成标签映射

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向自动语音识别系统的对抗样本生成方法

计算机科学与探索 2024年

作者：于振华苏玉璠叶鸥丛旭亚西安科技大学计算机科学与技术学院

通过对系统进行对抗攻击可以检测系统漏洞，进而提高系统鲁棒性。然而，对抗攻击前往往需要系统的参数信息，这使得攻击条件受限。为此，结合一种新的量子粒子群优化算法，提出一种黑盒有目标对抗攻击方法。该方法通过在原始样本中添加... 详细信息

通过对系统进行对抗攻击可以检测系统漏洞，进而提高系统鲁棒性。然而，对抗攻击前往往需要系统的参数信息，这使得攻击条件受限。为此，结合一种新的量子粒子群优化算法，提出一种黑盒有目标对抗攻击方法。该方法通过在原始样本中添加微小噪声，构造差异化粒子群，作为初始对抗样本种群；基于记忆搜索的领域重分布策略得到当前种群的全局最优粒子，从而生成初始对抗样本；融入扩维和自适应权重位置更新，使得种群更接近目标；根据对抗样本与目标语句的编辑距离，继续优化初始对抗样本，生成最终对抗样本。为了验证方法的攻击效果，在Google Speech、LibriSpeech以及Common Voice数据集上，对语音识别模型DeepSpeech进行实验，将目标语句设置为不同场景中的常见语音指令。实验结果表明，提出的方法在三个数据集上成功率都优于对比方法，其中在Common Voice数据集上的成功率比对比方法提升了10%。同时，召集志愿者对生成的对抗样本噪声强度进行主观评估，其中82.4%的对抗样本被志愿者判断为没有噪声或噪声很小。

关键词：对抗攻击语音识别黑盒攻击样本生成量子粒子群算法梯度评估方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于联合编码的煤矿综采设备知识图谱构建

工矿自动化 2024年第4期50卷 84-93页

作者：韩一搏董立红叶鸥西安科技大学计算机科学与技术学院陕西西安710054

利用知识图谱技术进行数据管理可实现对煤矿综采设备的有效表示,以便获取具有深度挖掘价值的信息。煤矿综采设备数据不均衡、某些类别设备实体较少等问题影响实体识别精度。针对上述问题,提出了一种基于联合编码的煤矿综采设备知识图谱... 详细信息

利用知识图谱技术进行数据管理可实现对煤矿综采设备的有效表示,以便获取具有深度挖掘价值的信息。煤矿综采设备数据不均衡、某些类别设备实体较少等问题影响实体识别精度。针对上述问题,提出了一种基于联合编码的煤矿综采设备知识图谱构建方法。首先构建综采设备本体模型,确定概念及关系。然后设计实体识别模型:利用Token Embedding、Position Embedding、Sentence Embedding和Task Embedding 4层Embedding结构与Transformer−Encoder进行煤矿综采设备数据编码,提取词语间的依赖关系及上下文信息特征;引入中文汉字字库,利用Word2vec模型进行编码,提取字形间的语义规则,解决煤矿综采设备数据中生僻字问题;使用GRU模型对综采设备数据和字库编码后的字符向量进行联合编码,融合向量特征;利用Lattice−LSTM模型进行字符解码,获取实体识别结果。最后利用图数据库技术,将抽取的知识以图谱的形式进行存储和组织,完成知识图谱构建。在煤矿综采设备数据集上进行实验验证,结果表明该方法对综采设备实体的识别准确率较现有方法提高了1.26%以上,在一定程度上缓解了在少量样本情况下构建煤矿综采设备知识图谱时因数据较少导致的精度不足问题。

关键词：煤矿综采设备知识图谱本体模型联合编码实体识别

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

煤矿井下钻场目标检测数据集

中国科学数据（中英文网络版） 2024年第2期9卷 300-312页

作者：周蔚董立红叶鸥厍向阳段雪瑶彭志奎王思倩赵楠楠郭旭鹏西安科技大学西安710054

煤矿井下钻场打钻是解决瓦斯灾害、水害、隐蔽地质灾害的重要措施,可以显著提升我国煤矿井下灾害防治水平。为了实时监测打钻过程并提高打钻效率,需要进行煤矿井下钻场目标检测,即对打钻现场所涉及的重要目标进行识别和定位。相对于传... 详细信息

煤矿井下钻场打钻是解决瓦斯灾害、水害、隐蔽地质灾害的重要措施,可以显著提升我国煤矿井下灾害防治水平。为了实时监测打钻过程并提高打钻效率,需要进行煤矿井下钻场目标检测,即对打钻现场所涉及的重要目标进行识别和定位。相对于传统的煤矿井下钻场目标检测方法,基于深度学习的煤矿井下钻场目标检测方法可以提升目标检测的精度、时效性和稳定性,但需依赖高质量的数据集。目前,煤矿井下钻场目标检测研究主要依赖于小规模的私有数据集,难以为深度神经网络模型训练提供充足而可靠的数据。本研究通过采用煤矿用本安型执法记录仪对煤矿井下打钻现场进行拍摄,经过数据清洗、数据标注、专家抽检核查等步骤,构建了标准化的煤矿井下钻场目标检测数据集,并使用主流的YOLO系列目标检测模型进行数据质量评估。本数据集包含了来自不同钻场和环境背景条件下的70948张图片,涵盖了夹持器、钻机卡盘、煤矿工人、矿井安全帽和钻杆等5类目标,并提供了PASCAL VOC格式的标注文件。本数据集可为煤矿井下钻场目标检测研究提供强有力的数据支撑,对推动智能化煤矿井下监测预警具有重要作用。

关键词：煤矿井下打钻深度学习目标检测数据集

在线全文

学校读者我要写书评

暂无评论

拓扑自适应粒子群优化的黑盒对抗攻击

计算机辅助设计与图形学学报 2023年第8期35卷 1239-1248页

作者：于振华康建寅叶鸥西安科技大学计算机科学与技术学院西安710054

深度学习模型在对抗攻击面前非常脆弱,即使对数据添加一个小的、感知上无法区分的扰动,也很容易降低其分类性能.针对现有黑盒对抗攻击方法存在效率低和成功率不高的问题,提出基于拓扑自适应粒子群优化的黑盒对抗攻击方法.首先根据原始... 详细信息

深度学习模型在对抗攻击面前非常脆弱,即使对数据添加一个小的、感知上无法区分的扰动,也很容易降低其分类性能.针对现有黑盒对抗攻击方法存在效率低和成功率不高的问题,提出基于拓扑自适应粒子群优化的黑盒对抗攻击方法.首先根据原始图像随机生成初始对抗样本种群;然后根据邻域信息计算各样本的扰动并在搜索空间内迭代,计算动态惩罚项系数以控制样本的适应度值,当迭代多次种群适应度值未提高时,各样本进行邻域重分布,根据进化轨迹调整状态;最后修剪多余扰动获得最终的对抗样本.以InceptionV3等分类模型为攻击对象,使用MNIST,CIFAR-10和ImageNet数据集,在相同的样本数量和模型访问限制条件下,进行无目标对抗攻击和目标对抗攻击实验.结果表明,与现有方法相比,所提攻击方法具有较少的模型访问次数和较高的攻击成功率,对InceptionV3模型的平均访问次数为2 502,攻击成功率为94.30%.

关键词：深度学习粒子群优化黑盒对抗攻击邻域重分布对抗样本

一种基于CAEs-LSTM融合模型的窃电检测方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2022年第21期50卷 118-127页

作者：董立红肖纯朗叶鸥于振华西安科技大学计算机科学与技术学院陕西西安710000

为解决现有的智能电网电力盗窃行为检测方法中准确性不足、检测效率低下等问题,提出了一种由卷积自编码器网络(convolutional auto-encoders,CAEs)和长短期记忆网络(long short term memory,LSTM)相结合的CAEs-LSTM检测模型。该模型通... 详细信息

为解决现有的智能电网电力盗窃行为检测方法中准确性不足、检测效率低下等问题,提出了一种由卷积自编码器网络(convolutional auto-encoders,CAEs)和长短期记忆网络(long short term memory,LSTM)相结合的CAEs-LSTM检测模型。该模型通过分析数据集的特点对电力数据进行二维转换,设计卷积自编码器结构,采用池化、下采样和上采样重构电力数据的二维空间特征,加入高斯噪声提高模型鲁棒性,并构建长短期记忆网络以学习全局时序特征。最后,对提取的时空特征进行融合从而检测能源窃贼,并进行了参数调优。在由国家电网公布的真实数据集上,通过将CAEs-LSTM模型与支持向量机、LSTM以及宽深度卷积神经网络进行对比,CAEs-LSTM模型的平均精度均值和曲线下面积值均最优。仿真实验表明,基于CAEs-LSTM模型的窃电检测方法具有更高的窃电检测效率和精度。

关键词：窃电检测长短期记忆网络卷积自编码器深度学习缺失值填补

针对近重复视频的FD-means聚类清洗算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2022年第1期58卷 197-203页

作者：付燕韩泽叶鸥西安科技大学计算机科学与技术学院西安710054

近几年,随着视频数据规模的不断增加,近重复视频数据不断涌现,视频的数据质量问题越来越突出。通过近重复视频清洗方法,有助于提高视频集的数据质量。然而,目前针对近重复视频清洗问题的研究较少,主要集中于近重复视频检索等方面的研究... 详细信息

近几年,随着视频数据规模的不断增加,近重复视频数据不断涌现,视频的数据质量问题越来越突出。通过近重复视频清洗方法,有助于提高视频集的数据质量。然而,目前针对近重复视频清洗问题的研究较少,主要集中于近重复视频检索等方面的研究。现有研究方法尽管可以有效识别近重复视频,但较难在保证数据完整性的前提下,自动清洗近重复视频数据,以便改善视频数据质量。为解决上述问题,提出一种融合VGG-16深度网络与FD means(feature distance-means)聚类的近重复视频清洗方法。该方法借助MOG2模型和中值滤波算法对视频进行背景分割和前景降噪;利用VGG-16深度网络模型提取视频的深度空间特征;构建一种新的FD-means聚类算法模型,通过迭代产生的近重复视频簇,更新簇类中心点,并最终删除簇中中心点之外的近重复视频数据。实验结果表明,该方法能够有效解决近重复视频数据清洗问题,改善视频的数据质量。

关键词：视频数据质量近重复视频视频清洗 VGG-16深度网络 FD-means聚类

在线全文

学校读者我要写书评

暂无评论

融合随机擦除和残差注意力网络的行人重识别

计算机工程与应用 2022年第3期58卷 215-221页

作者：厍向阳李蕊心叶鸥西安科技大学计算机科学与技术学院西安710054

传统的行人重识别方法依赖人工构造视觉特征,容易受到其他外界因素的影响,识别精度低。深度学习模型能自主地提取特征,但随着网络层数的加深会出现梯度消失情况,残差网络能缓解梯度消失问题,但提取出的特征信息未被合理使用。行人部分... 详细信息

传统的行人重识别方法依赖人工构造视觉特征,容易受到其他外界因素的影响,识别精度低。深度学习模型能自主地提取特征,但随着网络层数的加深会出现梯度消失情况,残差网络能缓解梯度消失问题,但提取出的特征信息未被合理使用。行人部分图像被遮挡是影响行人重识别准确性的另一个重要因素。针对上述问题提出了融合随机擦除和残差注意力网络的行人重识别算法。该算法:(1)在残差网络的基础上,引入注意力机制模块,通过强化有用的特征和抑制作用不大的特征来提升网络的判别能力。(2)引入随机擦除的数据增强方法,以便降低过拟合现象,同时提高网络泛化能力,解决行人重识别中遮挡问题。(3)使用tripletloss对融合网络进行监督训练,实现样本在特征空间中达到更好的聚类效果,提升行人重识别的准确率。实验表明,该算法在Market-1501数据集和DukeMTMC-reID数据集上能获取较高的识别精度。

关键词：行人重识别随机擦除残差网络注意力机制深度学习

在线全文

学校读者我要写书评

暂无评论

基于YOLO的井下人员速度测量方法研究

煤炭工程 2022年第2期54卷 160-165页

作者：付燕窦晓熠叶鸥西安科技大学计算机科学与技术学院陕西西安710054

由于井下环境复杂、背景单一、参照物不够明显的视频数据特征,较难直接通过视觉计算的标定方式实现井下运动目标的测速。论文提出一种不依赖场景标定的速度检测方法,通过自主学习的方式,智能化监测井下工作人员的作业规范。该方法首先基... 详细信息

由于井下环境复杂、背景单一、参照物不够明显的视频数据特征,较难直接通过视觉计算的标定方式实现井下运动目标的测速。论文提出一种不依赖场景标定的速度检测方法,通过自主学习的方式,智能化监测井下工作人员的作业规范。该方法首先基于YOLOv3对巡检人员进行持续的检测跟踪,在此过程中通过视频相邻帧间的目标边界框特征点,确定图像消失点;其次,利用图像消失点建立三角形模型测量实时速度;最后,利用测量出的速度趋势智能判断井下工作人员是否存在漏检行为。在煤矿数据集上的实验结果表明,该方法能够有效度量井下运动目标的速度,用于判断井下工作人员巡检时是否存在漏检行为,比标定方法更适合井下场景的应用。

关键词：井下视频 YOLO 目标边界框特征点图像消失点三角形模型不安全行为