检索结果-南通市图书馆

光学精密工程 2013年第3期21卷 742-750页

作者：陈勇李愿吕霞付谢正祥冯鹏重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065 重庆医科大学生物医学工程研究室重庆400016

针对现行的被动(消极)彩色图像质量评价方法存在的问题,深入研究了人类视觉感知彩色图像特征的质量参数:彩色图像平均对比度、彩色图像平均信息熵、彩色图像平均亮度(平均灰度)、彩色图像平均层次因子和彩色图像平均带宽因子。以上述研... 详细信息

针对现行的被动(消极)彩色图像质量评价方法存在的问题,深入研究了人类视觉感知彩色图像特征的质量参数:彩色图像平均对比度、彩色图像平均信息熵、彩色图像平均亮度(平均灰度)、彩色图像平均层次因子和彩色图像平均带宽因子。以上述研究为基础,构建了基于扰动变换的主动(积极)彩色图像综合质量评价函数(CAF)。研究发现CAF是扰动参数Delta和Theta的函数,通过对扰动参数进行变换,可以使CAF达到最大值,从而实现对单幅彩色图像的质量评价和质量改善。分别对窄带谱、宽带谱和全带谱3种不同色度谱类型的彩色图像进行了积极评价,结果表明,纳入平均带宽因子和平均层次因子两个参数的彩色图像质量积极评价方法符合人类视觉主观评价要求,可使扰动变换获得的彩色图像更加柔和、更富有层次感。该方法不仅能评价单幅彩色图像质量的好坏,还可以通过扰动变换改善彩色图像质量。

关键词：视觉感知彩色图像质量积极评价扰动变换平均带宽因子平均层次因子

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

联邦学习深度梯度反演攻防研究进展

引用

电子与信息学报 2024年第2期46卷 428-442页

作者：孙钰严宇崔剑熊高剑刘建华北京航空航天大学网络空间安全学院北京100191 空天网络安全工业和信息化部重点实验室(北京航空航天大学) 北京100191

联邦学习作为一种“保留数据所有权,释放数据使用权”的分布式机器学习方法,打破了阻碍大数据建模的数据孤岛。然而,联邦学习在训练过程中只交换梯度而不交换训练数据的特点并不能保证用户训练数据的机密性。近年来新型的深度梯度反演... 详细信息

联邦学习作为一种“保留数据所有权,释放数据使用权”的分布式机器学习方法,打破了阻碍大数据建模的数据孤岛。然而,联邦学习在训练过程中只交换梯度而不交换训练数据的特点并不能保证用户训练数据的机密性。近年来新型的深度梯度反演攻击表明,敌手可从共享梯度中重建用户的私有训练数据,从而对联邦学习的私密性产生了严重威胁。随着梯度反演技术的演进,敌手从深层网络恢复大批量原始数据的能力不断增强,甚至对加密梯度的隐私保护联邦学习(PPFL)发起了挑战。而有效的针对性防御方法主要基于扰动变换,旨在混淆梯度、输入或特征以隐藏敏感信息。该文首先指出了隐私保护联邦学习的梯度反演漏洞,并给出了梯度反演威胁模型。之后从攻击范式、攻击能力、攻击对象3个角度对深度梯度反演攻击进行详细梳理。随后将基于扰动变换的防御方法依据扰动对象的不同分为梯度扰动、输入扰动、特征扰动3类,并对各类方法中的代表性工作进行分析介绍。最后,对未来研究工作进行展望。

关键词：联邦学习梯度反演数据重建标签恢复扰动变换

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于类激活映射的卷积神经网络解释技术

基于类激活映射的卷积神经网络解释技术

引用

作者：梁庆远哈尔滨工程大学

学位级别：硕士

随着人工智能的快速发展,在某些特定领域,人工智能的决策性能已经超过了人类的决策能力。但是,在人工智能决策过程中存在着黑盒模型的问题导致模型的结果虽然正确,但无法合理解释,阻碍了人工智能的进一步应用。为了提高人工智能的可解释... 详细信息

随着人工智能的快速发展,在某些特定领域,人工智能的决策性能已经超过了人类的决策能力。但是,在人工智能决策过程中存在着黑盒模型的问题导致模型的结果虽然正确,但无法合理解释,阻碍了人工智能的进一步应用。为了提高人工智能的可解释性,需要将深度学习决策过程透明,以建立人与人工智能之间的联系和信任。当前,深度卷积神经网络在人工智能和深度学习中的应用越来越多,使得深度卷积神经网络的可解释性备受关注。在计算机视觉领域,可视化是解释深度卷积神经网络的最流行方法之一。其中,基于类激活映射的方法可以突出显示输入图像的主要部分,并显示与神经网络决策相关的显著特征区域。然而,基本的类激活映射方法生成显著性图时存在许多问题,包括生成的图像中含有大量无意义的信息,如噪声或特征定位范围过大以及对于重要特征识别不准确等。此外,某些模型生成显著性图需要大量训练、计算时间长。因此,本文对Score-CAM模型进行实验分析。深入探讨Score-CAM模型识别图像重要特征原理以及模型本身存在的不足之处,并对其进行改进。首先,在Score-CAM的基础上,本文提出使用基于高斯滤波的扰动变换对ScoreCAM模型进行改进,目的是优化输入卷积神经网络的图像能有更少的噪声和更少的无意义信息的干扰,以及能够更多的体现图像中重要特征。其次,针对Score-CAM模型中使用双线性插值上采样方式可能导致上采样图像中存在一定的干扰与错误,本文提出使用积分梯度对双线性插值上采样图像进行处理,旨在减少上采样图像中存在不良因素与误差等问题,同时也为高斯滤波优化ScoreCAM模型奠定基础。最后,在ILSVR2012数据集上评估本文改进Score-CAM模型的方法,并对提出的两种方法分别进行实验分析并与原模型实验结果进行比较。实验结果表明,本文提出的改进Score-CAM模型方法与目前现有的相关方法相比,改进方法在图像特征识别的精确度以及对图像中多个目标识别能力更具有优势。在可视化结果中,对于输入图像中重要目标的整体信息识别能力也有所提升,具有更好的表现。

关键词：深度学习类激活映射扰动变换高斯滤波积分梯度

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种新的图案纹样生成方法

引用

计算机系统应用 2011年第3期20卷 85-89,97页

作者：赵海英惠雯徐光美北京科技大学信息工程学院北京100083 新疆师范大学计算机科学技术学院乌鲁木齐830054 北京联合大学信息工程学院北京100101

解决如何用计算机生成具有民族风格的纹样的图案是一个富有挑战的问题。提出一种图案生成方法,基于图案基元的变换来快速生成具有民族风格的图案。首先,引入交互分割模型提取图案中具有代表性的意义相对独立的图案基元。设计图案基元的... 详细信息

解决如何用计算机生成具有民族风格的纹样的图案是一个富有挑战的问题。提出一种图案生成方法,基于图案基元的变换来快速生成具有民族风格的图案。首先,引入交互分割模型提取图案中具有代表性的意义相对独立的图案基元。设计图案基元的相似变换规则,产生分形基元矩阵。然后引入准Arnold变换规则,对基元分形矩阵进行扰动生成新图案。对图案基元进行变换、扰动不仅生成多种纹样图案,而且由于变换中图案基元的保留,使得生成图案传承了原图案的风格与特色。所提方法简单易行,能快速生成大量保持民族风格的图案纹样。

关键词：图案基元(图案基本要素) 分形基元矩阵相似变换扰动变换

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：