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

基于多尺度注意力特征融合的场景文本检测

计算机工程与应用 2024年第1期60卷 198-206页

作者：厍向阳刘哲董立红西安科技大学计算机科学与技术学院西安710054

针对目前文本检测中小尺度文本和长文本检测精度低的问题,提出了一种基于多尺度注意力特征融合的场景文本检测算法。该方法以Mask R-CNN为基线模型,引入Swin_Transformer作为骨干网络提取底层特征。在特征金字塔(feature pyramid networ... 详细信息

针对目前文本检测中小尺度文本和长文本检测精度低的问题,提出了一种基于多尺度注意力特征融合的场景文本检测算法。该方法以Mask R-CNN为基线模型,引入Swin_Transformer作为骨干网络提取底层特征。在特征金字塔(feature pyramid networks,FPN)中,通过将多尺度注意力热图与底层特征通过横向连接相融合,使检测器的不同层级专注于特定尺度的目标,并利用相邻层注意力热图之间的关系实现了FPN结构中的纵向特征共享,避免了不同层之间梯度计算的不一致性问题。实验结果表明:在ICDAR2015数据集上,该方法的准确率、召回率和F值分别达到了88.3%、83.07%和85.61%,在CTW1500和Total-Text弯曲文本数据集上相较现有方法均有良好表现。

关键词：场景文本检测 Mask R-CNN Swin Transformer 注意力机制多尺度特征融合

基于贪心回溯的求解完全0-1背包问题局部动态规划算法

在线全文

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2024年第2期52卷 16-21页

作者：何琨任硕郭子杰裘天宝华中科技大学计算机科学与技术学院湖北武汉430074

对于具有NP难度的完全0-1背包问题,提出了一种基于贪心与回溯思想的局部动态规划算法.该算法借鉴贪心与回溯技术快速找到近似最优解,再通过局部动态规划的结果回溯逼近最优解,兼顾了算法的正确性与时间复杂度.相比于传统动态规划算法,... 详细信息

对于具有NP难度的完全0-1背包问题,提出了一种基于贪心与回溯思想的局部动态规划算法.该算法借鉴贪心与回溯技术快速找到近似最优解,再通过局部动态规划的结果回溯逼近最优解,兼顾了算法的正确性与时间复杂度.相比于传统动态规划算法,该算法在大多数情况下能够显著缩短求解时间;相较于智能算法,该算法能够保证所求解是最优解.实验结果表明:所提出的算法在绝大多数情形下均能够在更短时间内准确找到问题的最优解,并且该算法贪心地进行最大单位平均价值成分的选取,背包容量不再直接影响求解时间,因此对于背包容量极大的情况,该算法能够极大地缩短求解时间.

关键词：完全0-1背包问题 NP难度动态规划贪心回溯

2021至2023年人工智能领域研究热点分析述评与展望

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第5期61卷 1261-1275页

作者：魏子舒韩越刘思浩张圣宇吴飞浙江大学计算机科学与技术学院杭州310013

在当今数字化和智能化的时代背景下,人工智能(artificial intelligence,AI)已成为科技创新的重要引擎,总结探讨AI研究的最新趋势和未来发展方向具有重要的研究和现实意义.为此,对2021—2023年间在中国计算机学会(CCF)推荐的AI领域CCF-A... 详细信息

在当今数字化和智能化的时代背景下,人工智能(artificial intelligence,AI)已成为科技创新的重要引擎,总结探讨AI研究的最新趋势和未来发展方向具有重要的研究和现实意义.为此,对2021—2023年间在中国计算机学会(CCF)推荐的AI领域CCF-A类国际会议和期刊所发表论文的研究成果进行收集,并在此基础上采用文献计量学的方法论来通过关键词对研究热点进行分析,进行基于高频关键词分析研究热点、基于新增关键词分析研究趋势、基于引用量加权的关键词分析高影响力研究,可以梳理AI研究的主流方向、发现AI主要研究方向的相互联系和交叉融合的特点.此外,对当前研究热点如大语言模型(large language model,LLM)、AI驱动的科学研究(AI for Science)和视觉生成相关论文的关联热点进行分析,可以挖掘技术路径和方法论的演变,展现技术创新背后的科学理论和应用前景,从而进一步揭示AI研究的最新趋势和发展前景.

关键词：人工智能研究热点关键词统计分析数据挖掘

多头注意力机制的图同构网络智能合约源码漏洞检测

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 2024年第7期60卷 258-265页

作者：师自通师智斌刘冬明雷海卫龚晓元中北大学计算机科学与技术学院太原030051

针对智能合约源码转化为字节码后部分语法、语义丢失,且现有漏洞检测方法精度低、误报率高,特别是对重入漏洞和时间戳漏洞的检测能力有限等问题,提出一种多头注意力机制的图同构网络智能合约源码漏洞检测方法。使用智能合约源码,结合重... 详细信息

针对智能合约源码转化为字节码后部分语法、语义丢失,且现有漏洞检测方法精度低、误报率高,特别是对重入漏洞和时间戳漏洞的检测能力有限等问题,提出一种多头注意力机制的图同构网络智能合约源码漏洞检测方法。使用智能合约源码,结合重入漏洞和时间戳漏洞特点构建图结构并将其规范化;将规范化后的图结构数据投入图同构网络进行迭代训练,利用该网络强大的节点表示和图表示能力进行漏洞检测;在图同构网络的基础上增加多头注意力机制,进一步增强图同构网络的节点表示能力。实验结果显示该方法对重入漏洞和时间戳漏洞检测准确率达到93.08%和92.30%,相较于普通图同构网络方法分别提升1.44和2.00个百分点。证明该方法对相关漏洞的检测能力要优于其他检测工具。

关键词：智能合约漏洞检测重入漏洞时间戳漏洞图同构网络多头注意力机制

在线全文

学校读者我要写书评

暂无评论

基于冗余覆盖信息约简的软件缺陷定位方法

电子学报 2024年第1期52卷 324-337页

作者：王浩仁崔展齐岳雷陈翔郑丽伟北京信息科技大学计算机学院北京100101 南通大学计算机科学与技术学院江苏南通226019

软件规模和复杂程度的不断提高,为软件质量保障带来了严峻的挑战.软件缺陷定位是一种重要的软件质量保障技术,其中基于频谱的缺陷定位(Spectrum-based Fault Localization,SFL)是应用最为广泛的软件缺陷定位技术,其通过分析语句覆盖信... 详细信息

软件规模和复杂程度的不断提高,为软件质量保障带来了严峻的挑战.软件缺陷定位是一种重要的软件质量保障技术,其中基于频谱的缺陷定位(Spectrum-based Fault Localization,SFL)是应用最为广泛的软件缺陷定位技术,其通过分析语句覆盖信息矩阵计算代码语句的可疑度值,并根据可疑度值定位缺陷所在语句.然而,语句覆盖信息矩阵中存在着严重的数据冗余问题,冗余的数据极大地影响了SFL的缺陷定位性能.以Defects4J数据集中395个程序的语句覆盖信息矩阵为例,在超过一半的语句覆盖信息矩阵中有90%的语句存在与其具有相同覆盖信息的语句.特征选择是常用的数据预处理技术,通过去除冗余和不相关特征来获取原始特征集中有价值的特征子集.因此,我们将语句覆盖信息矩阵作为原始特征集,将冗余覆盖信息约简建模为特征选择问题,提出了一种基于冗余覆盖信息约简的软件缺陷定位方法(Fault Localization based on Redundant coverage information Reduction,FLRR).首先,使用特征选择技术对语句覆盖信息和测试用例执行结果组成的语句覆盖信息矩阵进行约简,得到语句覆盖信息矩阵子集;然后,使用SFL计算语句覆盖信息矩阵子集中语句的可疑度值,并根据可疑度值对语句进行降序排列,以定位缺陷语句.本文使用六种常用的特征选择技术对语句覆盖信息矩阵进行特征选择和约简,以得到语句覆盖信息矩阵子集,并使用四种典型的SFL技术对语句覆盖信息矩阵子集中的语句进行缺陷定位.为评估FLRR的缺陷定位性能,本文使用E_(inspect)@n和MRR(Mean Reciprocal Rank)评价指标在基于Defects4J的数据集上与四种典型的SFL技术进行了对比实验.实验结果表明,FLRR能够有效提升SFL的缺陷定位性能.对于E_(inspect)@n指标,当n=1时,FLRR相比DStar、Ochiai、Barinel和OP2分别多定位到23条、26条、14条和13条缺陷语句,分别增加了69.70%、76.47%、45.16%和38.24%;对于MRR指标,FLRR相比DStar、Ochiai、Barinel和OP2分别提升了20.08%、24.94%、17.45%和19.15%.

关键词：缺陷定位特征选择软件调试可疑度语句覆盖信息测试用例

在线全文

学校读者我要写书评

暂无评论

文本核重建与扩展实现任意形状文本检测

计算机工程与应用 2024年第9期60卷 228-236页

作者：邓胜军陈念年西南科技大学计算机科学与技术学院四川绵阳621010

基于分割的方法对自然场景中的文本进行像素级预测,大幅度提升了对任意形状文本的检测效果,但是如何有效分离相邻文本仍然是检测中的难题。目前广泛采用的方法是通过缩小文本注释边界得到文本核来分离相邻文本。然而,网络预测文本核时... 详细信息

基于分割的方法对自然场景中的文本进行像素级预测,大幅度提升了对任意形状文本的检测效果,但是如何有效分离相邻文本仍然是检测中的难题。目前广泛采用的方法是通过缩小文本注释边界得到文本核来分离相邻文本。然而,网络预测文本核时舍弃了文本核外大部分信息,降低了基于分割的文本检测方法的性能。为了解决这个问题,提出了一种文本核重建算法,将文本核的生成放在后处理阶段,通过网络预测的方向场将文本实例向内收缩形成文本核。同时,提出了一种文本核扩展算法用于将文本核恢复为完整的文本实例。实验表明,所提方法在Total-Text(88.66%)、CTW-1500(87.28%)和MSRA-TD500(90.65%)三个数据集上取得了相似或最好的检测性能。

关键词：场景文本检测任意形状文本核

在线全文

学校读者我要写书评

暂无评论

逐像素注意力驱动的红外小目标检测网络

西北工业大学学报 2024年第2期42卷 335-343页

作者：王啸林方厚章李雪婷吴辰星王黎明西安电子科技大学计算机科学与技术学院陕西西安710071

红外小目标检测在军事和民用领域获得了广泛应用,但其存在目标尺度小、细节少、复杂背景干扰等问题,现有经典深度学习检测方法往往适用于通用目标检测,对红外小目标适配性较差。针对上述问题,构建了一种新的基于U形注意力块和逐像素注... 详细信息

红外小目标检测在军事和民用领域获得了广泛应用,但其存在目标尺度小、细节少、复杂背景干扰等问题,现有经典深度学习检测方法往往适用于通用目标检测,对红外小目标适配性较差。针对上述问题,构建了一种新的基于U形注意力块和逐像素注意力块的红外小目标检测网络。设计了U形注意力块,在单层级内通过局部U形子网络提取多尺度特征,并通过逐像素注意力精细化增强小目标特征,丰富多尺度小尺度目标特征表示,提升网络对小尺度目标判别能力;通过稠密融合方式进一步保留小目标信息,缓解不同层特征融合时的语义鸿沟,降低漏检率;将空间与通道2个维度逐像素注意力块应用于融合后的特征图,避免小目标特征被衰减,同时抑制复杂背景干扰。实验结果表明,提出的网络在2个红外小目标数据集NUDT-SIRST与IRSTD-1k上交并比、检测概率、虚警率指标均超过最新基准方法。此外,所提网络在检测精度和效率上也达到较好平衡。

关键词：红外小目标检测 U形注意力块逐像素注意力

基于多维空间卷积信息增强的低质车牌信息超分辨率重建

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：张睿惠永科张延军潘理虎太原科技大学机械工程学院太原科技大学计算机科学与技术学院

现有交通监控终端采集到的车辆影像往往存在远景低分辨率现象,并伴随有强噪、模糊、过曝、欠曝等一些不确定性像素影响因素,导致车牌信息智能识别的精度难以保证。针对上述问题,提出基于多维空间卷积信息增强的低质车牌信息超分辨率网络... 详细信息

现有交通监控终端采集到的车辆影像往往存在远景低分辨率现象,并伴随有强噪、模糊、过曝、欠曝等一些不确定性像素影响因素,导致车牌信息智能识别的精度难以保证。针对上述问题,提出基于多维空间卷积信息增强的低质车牌信息超分辨率网络(LL-SR)。首先,通过卷积挖掘特征点在空间和通道上协同卷积计算的关联关系,聚合浅层特征;其次,从不同感受野和不同维度挖掘特征图和特征图之间的关联关系,恢复车牌信息的高频细节;最后,对得到的不同尺度特征进行跨通道像素级融合和矫正,减少无用特征在上下文的传播,从而实现低质车牌信息的超分辨率重建。通过在数据集太原车牌(LT)和美国车牌(LU)上开展的实验结果表明,所提网络的峰值信噪比(PSNR)和结构相似性(SSIM)为26.6824dB、0.8203和22.3567、0.7831,相较于CARN(fast,Accurate,and lightweight super-resolution with Cascading Residual Network)、NGramSwin(N-Gram in Swin transformers for efficient lightweight image super-resolution)提升了0.2109～1.7361 dB、0.0057～0.033和0.4728～1.4192dB、0.0196～0.0399;且重建后的车牌信息具有更好的视觉效果。

关键词：低质车牌信息高质量重建卷积计算交通监控

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于误差分治的神经网络验证

软件学报 2024年第5期35卷 2307-2324页

作者：董彦松刘月浩董旭乾赵亮田聪于斌段振华西安电子科技大学计算机科学与技术学院陕西西安710071

随着神经网络技术的快速发展,其在自动驾驶、智能制造、医疗诊断等安全攸关领域得到了广泛应用,神经网络的可信保障变得至关重要.然而,由于神经网络具有脆弱性,轻微的扰动经常会导致错误的结果,因此采用形式化验证的手段来保障神经网络... 详细信息

随着神经网络技术的快速发展,其在自动驾驶、智能制造、医疗诊断等安全攸关领域得到了广泛应用,神经网络的可信保障变得至关重要.然而,由于神经网络具有脆弱性,轻微的扰动经常会导致错误的结果,因此采用形式化验证的手段来保障神经网络安全可信是非常重要的.目前神经网络的验证方法主要关注分析的精度,而易忽略运行效率.在验证一些复杂网络的安全性质时,较大规模的状态空间可能会导致验证方法不可行或者无法求解等问题.为了减少神经网络的状态空间,提高验证效率,提出一种基于过近似误差分治的神经网络形式化验证方法.该方法利用可达性分析技术计算非线性节点的上下界,并采用一种改进的符号线性松弛方法减少了非线性节点边界计算过程中的过近似误差.通过计算节点过近似误差的直接和间接影响,将节点的约束进行细化,从而将原始验证问题划分为一组子问题,其混合整数规划(MILP)公式具有较少的约束数量.所提方法已实现为工具NNVerifier,并通过实验在经典的3个数据集上训练的4个基于ReLU的全连接基准网络进行性质验证和评估.实验结果表明,NNVerifier的验证效率比现有的完备验证技术提高了37.18%.

关键词：神经网络模型抽象符号传播线性近似分治