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

差分隐私结合GAN的图像数据保护方法仿真

计算机仿真 2023年第11期40卷 147-150,515页

作者：李盼盼魏丽芳赵浩福建农林大学金山学院福建福州350002 福建农林大学计算机与信息学院福建福州350002

图像数据的过度挖掘会对图像隐私性带来影响,使得数据被泄露或滥用的风险不断增加。为避免图像隐私数据泄露,提出差分隐私结合GAN的图像隐私数据保护算法研究。针对当前图像数据参杂的不确定性,通过对图像数据清洗,获取的图像重要隐私区... 详细信息

图像数据的过度挖掘会对图像隐私性带来影响,使得数据被泄露或滥用的风险不断增加。为避免图像隐私数据泄露,提出差分隐私结合GAN的图像隐私数据保护算法研究。针对当前图像数据参杂的不确定性,通过对图像数据清洗,获取的图像重要隐私区域,有利于后续噪声的加入,便于实现图像隐私数据的保护;根据差分隐私与生成对抗网络(Generative Adversarial Networks, GAN)结合,构建图像数据差分隐私保护的GAN模型,依据拉普拉斯实现机制,对清洗后的图像数据扰动,达到隐私数据保护的目的;由于模型在迭代期间会对图像数据隐私性产生侵犯,所以进一步对图像隐私性侵犯程度度量,令上述算法在实际应用时有效兼顾图像隐藏数据的安全性及隐私性。实验结果表明,所提方法对图像的加密和解密时间短,且隐私性高。

关键词：图像清洗图像隐私性保护拉普拉斯噪声分配隐私侵犯度量

维普期刊数据库

基于风格迁移及改进SSD算法的绝缘子定位方法

在线全文

学校读者我要写书评

暂无评论

电瓷避雷器 2022年第6期 180-189页

作者：尤振飞罗麟赵健张非马光恕边晓燕王小宇上海电力大学电气工程学院上海200090 国网浙江省电力有限公司舟山供电公司浙江舟山316021

近年来,基于深度学习的图像识别技术广泛应用于电力巡检图像分析领域。针对电力巡检图像中绝缘子定位算法准确性受到训练图像数量和质量限制的问题,提出一种基于风格迁移算法和图像清洗的电力巡检图像样本扩充方法。首先,提出一种基于... 详细信息

近年来,基于深度学习的图像识别技术广泛应用于电力巡检图像分析领域。针对电力巡检图像中绝缘子定位算法准确性受到训练图像数量和质量限制的问题,提出一种基于风格迁移算法和图像清洗的电力巡检图像样本扩充方法。首先,提出一种基于风格迁移算法的目标检测数据集扩充方法,通过调整风格迁移算法中风格特征和内容特征占比的系数,生成同时包含绝缘子图像内容特征和风格图像风格特征的风格化图像,并通过复用风格化图像对应的原图像的标注文件,完成风格化图像中绝缘子位置和类别的标注。其次,提出一种基于改进LeNet-5算法的图像质量评定及清洗方法,对绝缘子图像质量进行评定分类,清洗低质量图像。此外,为进一步提升定位准确性,提出改进SSD算法的绝缘子定位方法。通过融合原SSD算法的前3个尺度的目标检测特征图,再利用特征金字塔算法完成特征重构,生成新的6个尺度的特征图进行目标检测。实验证明,本研究方法能够有效提升电力巡检图像中绝缘子定位准确性。

关键词：风格迁移样本扩充图像清洗电力巡检绝缘子

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于网络资源的大规模珊瑚数据集构建

东北师大学报（自然科学版） 2023年第1期55卷 72-79页

作者：花明珠王连明江佳蔚东北师范大学物理学院吉林长春130024 海南热带海洋学院海洋信息工程学院海南三亚572022

针对目前公开已有珊瑚数据集种类、样本少等问题.为构建种类丰富的大规模珊瑚数据集,本文首先以珊瑚属名为关键词,通过爬虫技术在网络中搜集大量珊瑚图片形成初始数据集;其次使用感知哈希算法对初始数据集中的图片进行去重处理;再次采用... 详细信息

针对目前公开已有珊瑚数据集种类、样本少等问题.为构建种类丰富的大规模珊瑚数据集,本文首先以珊瑚属名为关键词,通过爬虫技术在网络中搜集大量珊瑚图片形成初始数据集;其次使用感知哈希算法对初始数据集中的图片进行去重处理;再次采用YOLO V3深度学习网络对去重后的数据集进行清洗,去除大噪声样本;然后通过旋转、镜像、随机裁剪、改变亮度和对比度等方法进行数据增强,均衡各个珊瑚属包含的图像数量;最后,构建了一个包含34个珊瑚属,218467张珊瑚图像的珊瑚数据集.所构建的珊瑚数据集种类和样本数均高于已有的、公开的珊瑚数据集.所提出的珊瑚数据集构建方法也适用于其他难以获得样本的数据集的构建.

关键词：珊瑚数据集网络爬虫 YOLO V3 图像清洗

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

电网图像样本管理系统设计与实现

电网图像样本管理系统设计与实现

作者：夏源东南大学

学位级别：硕士

近年来,随着人工智能技术及图像采集手段的发展,其在电网领域的应用不断增长,电网企业在各环节部署了数十万的摄像机,并引入了无人机、机器人等先进设备,对电网进行监控巡查,采集了海量的视频及图像数据,但是数据未能得到统一有效的管... 详细信息

近年来,随着人工智能技术及图像采集手段的发展,其在电网领域的应用不断增长,电网企业在各环节部署了数十万的摄像机,并引入了无人机、机器人等先进设备,对电网进行监控巡查,采集了海量的视频及图像数据,但是数据未能得到统一有效的管理及利用。本文针对目前存在的数据管理、标注、质量提升、小样本增广问题进行了研究,主要开展了以下工作:1、通过对电网业务中的图像样本进行调研分析,基于业务特点建立相应的编码机制,实现样本数据文件命名、标注标签的统一规范化处理。2、针对电网图像样本进行辅助标注技术研究,设计了基于双线性插值法的连续帧图像标注方法、基于高分辨模型的图像分割标注方法和基于卷积神经网络的目标检测标注等三种辅助标注方法,通过实验验证了三种方法的有效性。3、针对电网图像样本质量提升,设计了基于特征的去重、去相似、去低质量数据的样本清洗方法,并通过实验验证了方法的有效性。4、针对电网图像样本的增广问题,对几何变换、色域变换等常规增广方法进行了试验,确认了其在电网图像领域的有效性。同时利用生成式对抗网络技术实现了电网图像样本的增广,并针对部分数据风格迁移很难成功的特点,设计实现了基于贴图和循环生成式对抗网络（Copy-Paste And Cycle Gan,简称CPCG）的电网图像样本增广方法。实验证明本方法可有效提升算法效果。5、基于业务需求,融合上述研究内容,设计实现一套适用于电网图像样本的管理系统。

关键词：电网图像样本编码图像标注图像增广图像清洗