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

一种面向联邦学习对抗攻击的选择性防御策略

电子与信息学报 2024年第3期46卷 1119-1127页

作者：陈卓江辉周杨重庆理工大学计算机科学与工程学院重庆400054 奥本大学计算机科学与软件工程学院美国阿拉巴马州奥本市36849

联邦学习(FL)基于终端本地的学习以及终端与服务器之间持续地模型参数交互完成模型训练,有效地解决了集中式机器学习模型存在的数据泄露和隐私风险。但由于参与联邦学习的多个恶意终端能够在进行本地学习的过程中通过输入微小扰动即可... 详细信息

联邦学习(FL)基于终端本地的学习以及终端与服务器之间持续地模型参数交互完成模型训练,有效地解决了集中式机器学习模型存在的数据泄露和隐私风险。但由于参与联邦学习的多个恶意终端能够在进行本地学习的过程中通过输入微小扰动即可实现对抗性攻击,并进而导致全局模型输出不正确的结果。该文提出一种有效的联邦防御策略-SelectiveFL,该策略首先建立起一个选择性联邦防御框架,然后通过在终端进行对抗性训练提取攻击特性的基础上,在服务器端对上传的本地模型更新的同时根据攻击特性进行选择性聚合,最终得到多个适应性的防御模型。该文在多个具有代表性的基准数据集上评估了所提出的防御方法。实验结果表明,与已有研究工作相比能够提升模型准确率提高了2%~11%。

关键词：联邦学习对抗性攻击防御机制对抗性训练

在线全文

学校读者我要写书评

暂无评论

基于时空特征融合的交通警察手势识别

计算机工程与应用 2024年第8期60卷 250-257页

作者：杜兵赵骥辽宁科技大学计算机与软件工程学院辽宁鞍山114051

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重... 详细信息

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重组,设计后的特征提取模块更好提取图片特征;在CPM第一阶段加入并行多分支Inception4d结构,使CPM网络具有多尺度特征融合思想,有效改进对人体关键点定位的问题;提出基于注意力机制的GRU,通过为每帧分配不同权重来达到对每帧不同程度的关注,从而更好获取时间信息;结合时空特征信息进行交通警察手势识别。交通警察手势识别的准确度达到了93.7%,相比网络改进之前提高了2.95个百分点。

关键词：手势识别人体关键点卷积姿态机 GRU 时空特征信息

改进YOLOv8的多尺度轻量型车辆目标检测算法

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3期60卷 129-137页

作者：张利丰田莹辽宁科技大学计算机与软件工程学院辽宁鞍山114000

针对传统车辆目标检测模型设备需求高、检测精度低、重叠目标漏检率高等问题,提出了一种改进YOLOv8的车辆目标检测算法RBT-YOLO。采用多尺度融合的方式对主干网络进行重构。对BiFPN进行改进,增加卷积操作以及调整输入输出通道个数以适应... 详细信息

针对传统车辆目标检测模型设备需求高、检测精度低、重叠目标漏检率高等问题,提出了一种改进YOLOv8的车辆目标检测算法RBT-YOLO。采用多尺度融合的方式对主干网络进行重构。对BiFPN进行改进,增加卷积操作以及调整输入输出通道个数以适应YOLOv8,加强其特征融合能力。在Neck部分输出的特征图之后加入轻量型注意力机制Triplet Attention,提升模型的特征提取能力。针对真实情况下车辆目标重叠度较高的问题,使用SoftNMS(soft non-maximum suppression)替换原有NMS,使模型对候选框的处理方式更为温和,增强了模型对目标的检测能力,提升了召回率。在Pascal VOC和MS COCO数据集上进行实验,结果表明提出的RBT-YOLO性能超越原始模型,参数量和计算量下降60%左右,mAP分别提高了2.6和3.0个百分点,并在体积和精度上优于其他经典检测模型,具有很强的实用性。

关键词：车辆检测多尺度注意力机制 YOLOv8 非极大值抑制

基于多尺度特征融合和对比池化的点云补全网络

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第2期41卷 635-640页

作者：马精彬朱丹辰张亚王晓明西华大学计算机与软件工程学院成都610039

点云补全在点云处理任务中具有重要作用,它可以提高数据质量、辅助生成精确三维模型,为多种应用提供可靠的数据支撑。然而,现有基于深度网络的点云补全算法采用的单层次全局特征提取方法较为简单,没有充分挖掘潜在语义信息,并在编码过... 详细信息

点云补全在点云处理任务中具有重要作用,它可以提高数据质量、辅助生成精确三维模型,为多种应用提供可靠的数据支撑。然而,现有基于深度网络的点云补全算法采用的单层次全局特征提取方法较为简单,没有充分挖掘潜在语义信息,并在编码过程中丢失部分细节信息。为解决这些问题,提出了一种多尺度特征逐级融合的点云补全网络,并结合注意力机制提出了一种全新的池化方法。实验结果表明,在PCN、ShapeNet34和ShapeNet55三个数据集上取得了SOTA水平,证明该网络具有更好的特征表示能力和补全效果。

关键词：点云补全多尺度池化特征融合

LLFlowGAN:以生成对抗方式约束可逆流的低照度图像增强

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2024年第1期29卷 65-79页

作者：黄颖彭慧李昌盛高胜美陈奉重庆邮电大学软件工程学院重庆400065

目的现有低照度图像增强方法大多依赖于像素级重建,旨在学习低照度输入和正常曝光图像之间的确定性映射,没有对复杂的光照分布进行建模,从而导致了不适当的亮度及噪声。大多图像生成方法仅使用一种(显式或隐式)生成模型,在灵活性和效率... 详细信息

目的现有低照度图像增强方法大多依赖于像素级重建,旨在学习低照度输入和正常曝光图像之间的确定性映射,没有对复杂的光照分布进行建模,从而导致了不适当的亮度及噪声。大多图像生成方法仅使用一种(显式或隐式)生成模型,在灵活性和效率方面有所限制。为此,改进了一种混合显式—隐式的生成模型,该模型允许同时进行对抗训练和最大似然训练。方法首先设计了一个残差注意力条件编码器对低照度输入进行处理,提取丰富的特征以减少生成图像的色差;然后,将编码器提取到的特征作为可逆流生成模型的条件先验,学习将正常曝光图像的分布映射为高斯分布的双向映射,以此来模拟正常曝光图像的条件分布,使模型能够对多个正常曝光结果进行采样,生成多样化的样本;最后,利用隐式生成对抗网络(generative adversarial network,GAN)为模型提供约束,改善图像的细节信息。特别地,两个映射方向都受到损失函数的约束,因此本文设计的模型具有较强的抗模式崩溃能力。结果实验在2个数据集上进行训练与测试,在低照度(low-light dataset,LOL)数据集与其他算法对比,本文算法在峰值信噪比(peak signal-to-noise ratio,PSNR)上均有最优表现、图像感知相似度(learned perceptual image patch similarity,LPIPS)、在结构相似性(structural similarity index measure,SSIM)上取得次优表现0.01,在无参考自然图像质量指标(natural image quality evaluator,NIQE)上取得较优结果。具体地,相较于18种现有显著性模型中的最优值,本文算法PSNR提高0.84 dB,LPIPS降低0.02,SSIM降低0.01,NIQE值降低1.05。在MIT-Adobe FiveK(Massachu-setts Institute of Technology Adobe FiveK)数据集中,与5种显著性模型进行对比,相较于其中的最优值,本文算法PSNR提高0.58 dB,SSIM值取得并列第一。结论本文提出的流生成对抗模型,综合了显式和隐式生成模型的优点,更好地调整了低照度图像的光照,抑制了噪声和伪影,提高了生成图像的视觉感知质量。

关键词：低照度图像增强流模型生成对抗网络(GAN) 双向映射复杂光照分布

在线全文

学校读者我要写书评

暂无评论

边界对比学习的三维激光点云场景分割算法

电光与控制 2024年

作者：张迪刘婷婷宋家友郑州西亚斯学院计算机与软件工程学院郑州大学信息工程学院

针对传统三维激光点云场景分割算法容易忽略目标边界模糊的问题，采用边界对比学习算法设计了三维激光点云场景分割网络，旨在通过对比学习提升模型在边界处的预测性能。首先采用PointNet++作为主干网络，通过多尺度的降采样特征编码和... 详细信息

针对传统三维激光点云场景分割算法容易忽略目标边界模糊的问题，采用边界对比学习算法设计了三维激光点云场景分割网络，旨在通过对比学习提升模型在边界处的预测性能。首先采用PointNet++作为主干网络，通过多尺度的降采样特征编码和上采样特征解码来学习点云中不同类别的语义特征，并逐点预测目标类别，实现场景整体分割；然后引入了对比学习算法，采用迭代的方式捕获子场景点云的边界，并挖掘出模糊的边界点；最后在网络训练阶段利用对比学习损失函数实现边界类别增强，大幅提升了对三维激光点云场景分割的精度。在公开的三维激光点云场景分割数据集上进行了大量实验，结果表明：提出的分割算法在19个语义类别的点云中有15个的分割性能是最佳的，整体的指标性能均优于对比算法，消融实验和可视化结果也验证了提出的方法可以有效改善三维激光点云场景分割任务中边界的预测性能，充分说明了提出算法的优越性。

关键词：三维激光点云场景分割深度学习对比学习点云边界损失函数

结合变种残差模型和Transformer的城市公路短时交通流预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：杨鑫陈雪妮吴春江周世杰成都信息工程大学软件工程学院电子科技大学信息与软件工程学院

城市公路交通流的预测受到历史交通流量和相邻车道交通流量的影响，蕴含了复杂的时空特征。针对传统交通流预测模型卷积长短时记忆网络(ConvLSTM)进行交通流预测时，未将时空特征分开提取而造成的提取不充分、特征信息混淆和特征信息缺... 详细信息

城市公路交通流的预测受到历史交通流量和相邻车道交通流量的影响，蕴含了复杂的时空特征。针对传统交通流预测模型卷积长短时记忆网络(ConvLSTM)进行交通流预测时，未将时空特征分开提取而造成的提取不充分、特征信息混淆和特征信息缺失等问题，对ConvLSTM模型作出改进。首先，提取每个采样时刻的交通流数据的短期时间特征和空间特征，并在特定的维度下将交通流的短期时空特征融合；其次，进行残差映射；最后，将映射后的短期时空特征交由Transformer模型捕捉交通流数据长期的时空间特征，并根据所捕捉的长期特征对未来时刻每个采样点交通流进行预测。使用加州城市快速路数据对模型进行验证，在消融实验中,以平均绝对误差(MAE)作为模型评价指标时，所提模型相较于Conv-Transformer模型，预测精度提高了18%，验证了所提模型的有效性。

关键词：短时交通流预测交通流时空特征提取残差结构 Transformer 组合模型

改进YOLOv8的汽车表面伤损实例分割模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第14期 197-208页

作者：谭旭赵骥辽宁科技大学计算机与软件工程学院

针对人工定损方式无法满足智能汽车时代的发展要求，及传统汽车伤损检测模型精度低、信息少、难部署等问题，提出了改进YOLOv8的汽车伤损实例分割模型EIS-YOLO。在主干网络中设计了一个多尺度特征融合与通道数减小的CRDB模块，取代传统... 详细信息

针对人工定损方式无法满足智能汽车时代的发展要求，及传统汽车伤损检测模型精度低、信息少、难部署等问题，提出了改进YOLOv8的汽车伤损实例分割模型EIS-YOLO。在主干网络中设计了一个多尺度特征融合与通道数减小的CRDB模块，取代传统C2f模块，显著减少了参数量的同时提高了特征融合的能力；提出了保留高分辨率分支的HRFPN结构，以加强细节信息保留能力，增强细节与语义信息的交换，该结构通过AFF和BiAM注意力融合模块增强了深层传递，经由简化冗余连接的E-FPN完成特征融合。还增加了一个额外的输出头捕捉细小伤损，提高了模型对小目标伤损及伤损边缘的精确识别。在CarDD数据集上，主干网络部分提出的CRDB模块对比C2f模块实现了同架构下计算量减小20.15%，同时多任务平均准确率提升2个百分点，在此基础上，结合HRFPN结构与额外输出头设计的模型整体的准确率PB、PM相较于基准模型分别提升了4.4和6.6个百分点，且模型更轻量，计算复杂度更低。

关键词：汽车伤损检测 YOLO-Seg 注意力机制多尺度特征融合 CarDD汽车伤损数据

基于DeFi消息传递机制的跨链交易关联方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：林丹郑梓烨付齐双吴嘉婧郑子彬中山大学计算机学院中山大学软件工程学院

跨链桥作为一种新型区块链基本服务，实现了区块链间的资产和数据流通，极大地促进了区块链去中心化金融的建设。然而，在实际应用过程中，由于跨链桥的交易不透明与资产难追踪问题，许多犯罪分子开始将跨链技术作为一种洗钱手段，在链... 详细信息

跨链桥作为一种新型区块链基本服务，实现了区块链间的资产和数据流通，极大地促进了区块链去中心化金融的建设。然而，在实际应用过程中，由于跨链桥的交易不透明与资产难追踪问题，许多犯罪分子开始将跨链技术作为一种洗钱手段，在链间进行非法资产的转移。因此，跨链交易追踪问题正逐渐成为学术界与相关监管部门关注的焦点。现有方法主要通过规则匹配的启发式算法来实现跨链交易的关联，这种方法虽能有效地匹配特定区块链间的交易，但仅面向中心化金融（Centralized Finance，CeFi）跨链桥服务，且高度依赖于中心化的内部应用程序编程接口（Application Programming Interface，API），难以广泛支持多种跨链桥的交易关联。提出一种面向去中心化金融（Decentralized Finance，DeFi）跨链桥服务的交易关联方法解决以上问题。根据跨链桥消息传递机制获取源链的存款事件日志，并基于专家规则提取关键跨链信息。利用数据爬取技术构造目标链交易搜索空间。在此基础上，通过多种业务规则实现跨链交易的关联。该方法在Celer cBridge、Multichain和Poly Network三座跨链桥的真实交易数据集（以太坊作为源链，币安智能链作为目标链）上进行了验证，准确率分别达到了93.6%、95.3%和91.6%，具有较好的关联效果。

关键词：跨链交易关联 DeFi跨链桥服务启发式算法消息传递机制交易追踪