检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于重心的抗同步攻击的音频水印算法

自动化学报 2013年第8期39卷 1321-1329页

作者：黄雄华王宏霞蒋伟贞崔更申西南交通大学信息科学与技术学院成都610031 桂林电子科技大学广西可信软件重点实验室桂林541004 暨南大学信息科学技术学院广州510084

抗同步攻击是音频水印领域公开的难题.相对重心是音频的一个稳定的全局特征量,对TSM(Time scale modification)等同步攻击不敏感.本文提出一种基于相对重心的抗同步攻击的音频水印算法,提出的算法通过量化音频的相对重心生成水印,生成... 详细信息

抗同步攻击是音频水印领域公开的难题.相对重心是音频的一个稳定的全局特征量,对TSM(Time scale modification)等同步攻击不敏感.本文提出一种基于相对重心的抗同步攻击的音频水印算法,提出的算法通过量化音频的相对重心生成水印,生成的水印由混沌序列加密后以量化的方法嵌入载体音频三级小波近似分量均值中.为了降低同步攻击后同步位置的连续偏移,水印嵌入提取过程采用了均匀分帧的方法.实验结果表明提出的算法能抵抗常规信号处理操作,同时能抵抗20%的TSM操作(包含音调不变TSM和重采样操作)和1/10的抖动操作,有很好的鲁棒性.

关键词：音频水印相对重心 TSM 均匀分帧

在线全文

学校读者我要写书评

暂无评论

基于TSM的人体行为识别研究

基于TSM的人体行为识别研究

作者：方洪斌西安电子科技大学

学位级别：硕士

近年来,计算机视觉相关研究飞速发展,人体行为识别技术是计算机视觉中的一项重要任务,它在智慧安防、人机交互和自动驾驶等领域有着重要的需求以及十分广泛的前景。随着深度学习技术的发展,越来越多的研究者开始使用深度学习进行行为识... 详细信息

近年来,计算机视觉相关研究飞速发展,人体行为识别技术是计算机视觉中的一项重要任务,它在智慧安防、人机交互和自动驾驶等领域有着重要的需求以及十分广泛的前景。随着深度学习技术的发展,越来越多的研究者开始使用深度学习进行行为识别的研究,这使得该技术取得了飞速的发展。但是因为人体行为的复杂性和行为视频中存在复杂的背景干扰,并且现在行为识别的主流算法大多无法去平衡较高的准确率和较低的运算成本,没有很好的利用视频多模态数据之间的互补有用信息。如何设计一种准确率高、运算成本低的行为识别算法依然存在很大的挑战。本文针对以上存在的问题,对人体行为识别技术展开了进一步的研究,主要的研究工作如下:本文将具有时序建模能力的时间移位模块(TSM)嵌入到性能优良的二维卷积网络Res Net50网络中,得到了一个具有进行空间建模和时序建模能力的二维卷积网络TSM-Res Net50,该网络具有和原二维卷积网络相当的运算成本。本文用该网络作为本文算法的特征提取网络,以此来平衡准确率和运算成本的问题。为了减少视频中背景和光线变化等因素的影响,本文研究了利用人体的骨架信息进行行为识别的效果,本文首先使用Open Pose算法对原视频数据进行处理,得到包含人体骨架信息的视频数据,然后通过本文使用的TSM-Res Net50网络进行时空特征的提取并进行行为分类。本文将该方案与使用骨架信息和图卷积网络的方案进行了实验对比,结果显示本文算法的识别准确率更高。为了更好的利用多模态数据中的有用信息,提高模型的准确率和泛化能力,本文采用了经典多流网络中TSN的网络框架,将其中的特征提取网络替换为本文的TSMRes Net50网络,形成一个新的多流网络。本文计算了光流和扭曲光流两种模态的数据,然后分别实验了RGB、光流和扭曲光流三种模态数据在该网络上的效果。本文对网络中不同的融合策略进行了实验,选取了效果较好的策略作为网络的融合策略。本文研究了利用多视角信息进行行为识别,将多流网络应用于多视角数据库上,探究其可行性和效果。为进一步提升网络性能,通过对TSM进行研究分析,发现TSM更多的是进行短期的时序建模,所以为了提升网络的长期时序建模能力和让网络将更多的注意力放在更重要的特征上,本文对上述网络进行改进,在Segment Consensus模块中引入LSTM、GRU这些具有长时间时序建模能力的网络和注意力机制,通过不断对这些结构进行调整并进行实验,最终使得网络性能有了一定效果的提升。

关键词：行为识别 TSM 骨架提取多流网络循环神经网络注意力机制

基于TSM的压电免疫传感器等效电路模型的研究进展

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

电子学报 2008年第4期36卷 744-749页

作者：黄以华符健邱志明凌国俊中山大学信息科学与技术学院电子与通信工程系广东广州510275

本文对基于TSM的压电免疫传感器的起源进行了回顾,指出了Sauerbrey方程的局限性,分析、讨论了敏感膜粘弹特性、测试溶液的粘滞性以及测试溶液的电导率和介电常数对压电免疫传感器等效电路的影响,给出了压电免疫传感器在生物敏感膜和溶... 详细信息

本文对基于TSM的压电免疫传感器的起源进行了回顾,指出了Sauerbrey方程的局限性,分析、讨论了敏感膜粘弹特性、测试溶液的粘滞性以及测试溶液的电导率和介电常数对压电免疫传感器等效电路的影响,给出了压电免疫传感器在生物敏感膜和溶液共同作用下的等效电路,总结了此研究领域存在的问题及今后的发展方向.

关键词： TSM 压电免疫传感器等效电路

基于influxDB的工业时序数据库引擎设计

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2019年第9期36卷 33-36,40页

作者：徐化岩初彦龙冶金自动化研究设计院混合流程工业自动化系统及装备技术国家重点实验室北京100071 辽宁警察学院治安管理系辽宁大连116036

工业时序数据具有测点多、采样频率快、读取性能要求高等特点。influxDB提出时间结构合并树TSM,解决了数据的读写性能优化问题,并针对整数、浮点数、布尔、字符串、时间五种数据类型采用不同的压缩算法。它在读写性能、存储空间占用方... 详细信息

工业时序数据具有测点多、采样频率快、读取性能要求高等特点。influxDB提出时间结构合并树TSM,解决了数据的读写性能优化问题,并针对整数、浮点数、布尔、字符串、时间五种数据类型采用不同的压缩算法。它在读写性能、存储空间占用方面取得了较好的效果,在开源时序数据库软件中排名第一。针对influxDB元数据结构相对于工业时序数据过于复杂的问题,提出简化后的TSM文件结构,开发工业时序数据库的引擎,并进行了读写性能测试。结果显示,该引擎一次5万点整型数据写入平均耗时约310 ms,读取1 000点共计100万条数据耗时约626 ms,并且具有很大的性能提升潜力。

关键词：时序数据库 influxDB TSM 压缩索引

肠膜明串珠菌BD1710在TSM中的产糖条件优化

在线全文

学校读者我要写书评

暂无评论

食品研究与开发 2015年第10期36卷 115-120页

作者：韩瑨吴正钧游春苹徐晓芬乳业生物技术国家重点实验室上海200436 上海乳业生物工程技术研究中心上海200436 光明乳业研究院光明乳业股份有限公司上海200436

研究了肠膜明串珠菌BD1710(L.mesenteroides BD1710,CGMCC NO.6432)以TSM为基料时,接种量、初始p H、番茄汁浓度、蔗糖浓度、发酵温度对多糖产量的影响,同时,比较了肠膜明串珠菌BD1710在最优条件下发酵TSM和CDM的多糖产量,并对所获得的... 详细信息

研究了肠膜明串珠菌BD1710(L.mesenteroides BD1710,CGMCC NO.6432)以TSM为基料时,接种量、初始p H、番茄汁浓度、蔗糖浓度、发酵温度对多糖产量的影响,同时,比较了肠膜明串珠菌BD1710在最优条件下发酵TSM和CDM的多糖产量,并对所获得的多糖组成进行了分析。结果表明:肠膜明串珠菌BD1710发酵TSM产多糖的最适条件分别为接种量2.0%(体积分数)、初始p H 7.0、番茄汁浓度100%(体积分数)、蔗糖浓度15%、发酵温度28℃。在优化条件下,肠膜明串珠菌BD1710的多糖产量最高可达32.15 g/L,与在CDM中多糖的产量相当。采用乙醇沉淀的方法从BD1710发酵TSM得到的多糖碳水化合物含量为97.54%,蛋白质含量为0.72%。因此,TSM可替代CDM来应用于明串珠菌合成多糖。

关键词：肠膜明串珠菌BD1710 TSM 多糖葡聚糖

在线全文

学校读者我要写书评

暂无评论

基于改进YOWO算法的学生课堂行为识别

计算机系统应用 2024年第4期33卷 113-122页

作者：徐鑫磊张景异沈阳理工大学自动化与电气工程学院沈阳110159

当前,大部分的学生课堂行为识别工作主要基于单帧图像进行,忽略了行为的连贯性,因此不能充分利用视频信息来对学生的课堂行为进行准确刻画.所以,本文提出一种改进的YOWO算法模型,有效利用视频信息对学生课堂行为进行识别.首先,本文采集... 详细信息

当前,大部分的学生课堂行为识别工作主要基于单帧图像进行,忽略了行为的连贯性,因此不能充分利用视频信息来对学生的课堂行为进行准确刻画.所以,本文提出一种改进的YOWO算法模型,有效利用视频信息对学生课堂行为进行识别.首先,本文采集某高校真实课堂教学中的授课录像,制作出包含5类学生课堂行为的AVA格式视频数据集;其次,采用时移模块TSM(temporal shift module),用来增强模型获取时间上下文信息的能力;最后,采用非局部操作模块non-local来提高模型提取关键位置信息的能力.实验结果表明,通过对YOWO模型的优化,使得网络的识别性能更佳.在学生课堂行为数据集上,改进后的算法的mAP值为95.7%,相较于原YOWO算法在mAP值上提高了4.6%;模型参数量为81.97×10^(6),计算量为22.6 GFLOPs,参数量和计算量分别降低32.3%和9.6%;检测速度为24.03 f/s,提升了约3 f/s.

关键词： YOWO算法 TSM non-local 学生课堂行为行为识别注意力机制

在线全文

学校读者我要写书评

暂无评论

聚合支付在校园卡系统中的应用研究与实现

实验科学与技术 2023年第2期21卷 106-110页

作者：王卫计红燕陈波孙波杨岿华中农业大学信息技术中心武汉430070 华中农业大学财务与资产管理部武汉430070 中南财经政法大学信息管理部武汉430073

为了打破师生使用实体校园卡带来的消费局限,给师生提供更好的消费体验,提出了聚合支付在校园卡系统中的应用研究与实现。通过可信服务管理(TSM)来分发消费消息,在交易传输过程中引入国密SM3算法增强数据的安全,对每一种消费手段进行身... 详细信息

为了打破师生使用实体校园卡带来的消费局限,给师生提供更好的消费体验,提出了聚合支付在校园卡系统中的应用研究与实现。通过可信服务管理(TSM)来分发消费消息,在交易传输过程中引入国密SM3算法增强数据的安全,对每一种消费手段进行身份识别,并对消费数据统一管理,统一对账分账。以华中农业大学为例,聚合支付目前已满足多应用场景和消费手段,且都支持身份识别;满足数据隐私、信息安全的需求。通过对全校近两年的消费数据分析,聚合支付消费次数已占总比重的43%,聚合支付的消费金额占总比重的63%,证明了聚合支付在高校应用场景的必要性。

关键词：聚合支付校园卡系统身份识别消费安全 SM3算法 TSM

在线全文

学校读者我要写书评

暂无评论

基于深度学习的视频行人行为识别

基于深度学习的视频行人行为识别

作者：江泽平华南农业大学

学位级别：硕士

随着科学技术的快速发展,生活水平的提高以及对公共安全的重视,娱乐视频和公共监控视频数据的快速增长,仅靠人力来处理日益增长的视频数据是不现实的。深度学习方法在计算机视觉领域取得越来越多的成果,特别是在静态图像的检测、识别、... 详细信息

随着科学技术的快速发展,生活水平的提高以及对公共安全的重视,娱乐视频和公共监控视频数据的快速增长,仅靠人力来处理日益增长的视频数据是不现实的。深度学习方法在计算机视觉领域取得越来越多的成果,特别是在静态图像的检测、识别、分割等方面,而在视频方面由于早期视频数据的限制以及对训练视频数据的设备要求较高等原因,相比于静态图像的发展较缓慢一点,随着近年来技术的进步和研究的深入,视频行为识别领域也吸引着越来越多的人关注。本文利用深度学习方法进行视频行人行为识别的研究,具体内容和创新点如下:（1）利用深度学习的2D卷积网络对视频行人行为识别进行研究,对比了主流的2D卷积网络的视频行人行为识别方法。基于时序通道移动TSM网络算法,改进和设计了一个新TSM主干网络来识别视频行人的行为,在UCF101数据集上比原有TSM网络在精度上取得2.15%的提升,在HMDB51数据集上取得0.91%的提升,模型参数减少到3.4倍,FLOPs减少到1.4倍。（2）基于3D卷积网络更容易地提取到视频时序信息的特点,本文也设计了3D卷积网络对视频行人行为识别的模型。基于一个快慢通道相结合的Slow Fast 3D卷积网络,慢通道主要捕获视频的外观信息,快通道主要捕获视频的时序信息,Slow Fast网络的慢通道和快通道都是采用一样深度的卷积网络,由于时序信息捕获不需要很深的网络就可以捕获到了。本文设计了一个更轻量级的Slow Fast-Lite网络,将Slow Fast网络的快通道采用更浅的网络,改进的Slow Fast-Lite网络,模型参数减少了0.22M,FLOPs值减少了1.32G,在UCF101数据集上结果提升了3.35%,在HMDB51数据集上结果提升了1.89%。（3）深度学习方法有效的原因除了网络算法设计有效外,还需要大量的数据训练,大量的数据采集和训练需要花费大量的人力和物力。深度学习的迁移学习从而避免了重复造轮子的问题,可以把一些现有的经过大量训练的网络迁移到特定任务里来。本文以TSM网络算法为研究对象,研究迁移学习对视频行人行为识别的影响,在Kinetics数据集上的预训练后,UCF101数据集上的识别精度从79.35%达到了90.51%。

关键词：视频行人行为深度学习 TSM SlowFast-Lite 迁移学习

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

基于TSM框架的三维空间动态手势识别模型

舰船电子工程 2021年第6期41卷 91-93页

作者：吴心怡徐火生李恒胡超武汉数字工程研究所武汉430000

动态手势识别通常使用RGB-D融合数据来训练三维卷积神经网络,识别精度较高并且鲁棒性较强,但是存在数据量大、模型复杂度高的问题,给模型训练带来了一定困难。论文提出了一种基于TSM(Time Shift Module,时间移位模块)框架的动态手势识... 详细信息

动态手势识别通常使用RGB-D融合数据来训练三维卷积神经网络,识别精度较高并且鲁棒性较强,但是存在数据量大、模型复杂度高的问题,给模型训练带来了一定困难。论文提出了一种基于TSM(Time Shift Module,时间移位模块)框架的动态手势识别模型,能够减小网络复杂度和模型训练所需的数据量。该模型在大型手势数据集EgoGestrue和Chalearn IsoGD LAP上的准确率分别为88.8%和69.3%,在RGB模式上的识别效果能够接近RGB-D模式,而数据量和复杂度却大大降低,体现了其高效、轻量以及鲁棒性较高的特点。

关键词： TSM 手势识别卷积神经网络轻量