检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种基于国密算法的保密多方字符串排序协议

电子与信息学报 2024年

作者：周由胜丁珊左祥建刘媛妮重庆邮电大学网络空间安全与信息法学院重庆邮电大学计算机科学与技术学院

保密排序问题由百万富翁问题衍生而来，是安全多方计算研究的基本问题，多参与方字符串排序对于数据库保密查询及电子投票求和问题的研究具有重要意义。现有保密排序问题的研究多集中在私密数据排序或者两方字符串排序，高效的多参与方... 详细信息

保密排序问题由百万富翁问题衍生而来，是安全多方计算研究的基本问题，多参与方字符串排序对于数据库保密查询及电子投票求和问题的研究具有重要意义。现有保密排序问题的研究多集中在私密数据排序或者两方字符串排序，高效的多参与方字符串排序方案尚处于探索中，该文基于改进的SM2同态加密算法与门限密码算法，提出半诚实模型下的保密多方单字符排序协议，进一步构造基于权重的保密单字符排序协议以及保密多方字符串排序协议。使用模拟范例对3种协议进行安全性证明，并对协议进行性能分析与仿真实验，结果表明该文提出的保密多方单字符排序协议与保密多方字符串排序协议性能相较现有同类方案均有明显提升。

关键词：安全多方计算保密排序同态加密门限密码国密算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多粒度表示学习的动态人脸草图检索

计算机科学 2024年

作者：王亮戴大伟付诗宇王国胤重庆邮电大学计算机科学与技术学院重庆邮电大学网络空间大数据智能计算教育部重点实验室大数据智能计算重点实验室

在特定场景中，人脸草图可用于人的身份识别。然而，绘制人脸草图往往需要专业技术，而且完整绘制非常耗时，这限制了其在实际场景中的广泛应用。在更少笔画人脸草图检索（Sketch Less Face Image Retrieval， SLFIR）[1]的框架中，试... 详细信息

在特定场景中，人脸草图可用于人的身份识别。然而，绘制人脸草图往往需要专业技术，而且完整绘制非常耗时，这限制了其在实际场景中的广泛应用。在更少笔画人脸草图检索（Sketch Less Face Image Retrieval， SLFIR）[1]的框架中，试图通过在绘制过程中提供人机互动的方法来克服上述障碍。但考虑到在 SLFIR 框架中包含少量笔画的不完整草图与完整的人脸照片之间存在较大差距，导致绘制初期阶段的检索性能不佳。在本研究中，我们提出了一种多粒度表示学习（Multi-Granularity Representation Learning， MGRL）的方法来解决 SLFIR 中存在的问题，即学习不完整绘制草图的不同粒度区域的表示，然后通过组合草图和图像的所有粒度区域来确定最终的检索距离。实验表明，在两个公开数据集上，我们的方法在草图绘制初期的检索效果优于最新的基线方法。

关键词：更少笔画人脸草图检索图像检索多粒度不完整草图

一种深度可微随机森林的腹部CT图像器官检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年

作者：郑申海刘小暄王瑞浩重庆邮电大学图像认知重庆市重点实验室重庆邮电大学计算机科学与技术学院

腹部医学图像器官检测在医学图像分割、配准、可视化、三维重建等计算机辅助诊断任务中起着重要作用，也可为自动化智能分析提供感兴趣区域由于医学图像的模糊性以及质异性，给自动化器官检测带来挑战。随机森林是一种经典的机器学习算... 详细信息

腹部医学图像器官检测在医学图像分割、配准、可视化、三维重建等计算机辅助诊断任务中起着重要作用，也可为自动化智能分析提供感兴趣区域由于医学图像的模糊性以及质异性，给自动化器官检测带来挑战。随机森林是一种经典的机器学习算法，具有独特的决策过程和在少量数据上学习的能力，但在处理复杂数据方面表现较差。针对这些问题，提出一种基于深度可微随机森林的腹部多器官检测的方法。方法将深度学习和随机森林进行巧妙地融合，使用全局-局部双编码器提取高层特征，再将特征输入到可微随机森林进行树分裂。所设计的决策注意力为每棵决策树分配权重，利用反向传播学习参数，构造最终的端到端的检测模型。与传统随机森林不同的是，所提方法采用概率的形式进行树节点分裂，多棵决策树以参数权重进行投票。这种反向传播学习节点分裂参数和投票权重参数策略，可以避免传统随机森林叶节点分裂造成的局部最优，使深度可微随机森林能寻找全局最优值。最后，在两个公共医学图像多器官数据集（AbdomenCT-1K、AMOS2022）上进行了实验，在AbdomenCT-1K五个器官平均Wall-dist和值比对比方法减少了0.7-2.66mm，在AMOS2022七个器官平均Wall-dist值比对比方法减少了0.67-2.68mm。这些结果表明了本方法具有较高的检测准确性。

关键词：多器官检测深度随机森林随机森林卷积神经网络决策注意力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种结构范数正则化的可微神经结构搜索算法

中国科学:信息科学 2024年第9期54卷 2181-2199页

作者：曾宪华吴杰夏耀光向一心重庆邮电大学计算机科学与技术学院/人工智能学院重庆邮电大学图像认知重庆市重点实验室

可微神经结构搜索(differentiable neural architecture search, DNAS)作为近年来神经结构搜索的主流方法之一,通过结合基于梯度优化的搜索策略能够有效地搜索网络结构.然而,存在结构搜索稳定性差和模型复杂度高的问题.为了解决这两个问... 详细信息

可微神经结构搜索(differentiable neural architecture search, DNAS)作为近年来神经结构搜索的主流方法之一,通过结合基于梯度优化的搜索策略能够有效地搜索网络结构.然而,存在结构搜索稳定性差和模型复杂度高的问题.为了解决这两个问题,本文提出了一种结构范数正则化的可微神经结构搜索算法,提高了结构搜索的稳定性;设计了一种冗余边剪枝算法修剪网络结构中的冗余边,降低了最终模型的复杂度.本文在CIFAR10, CIFAR100, miniImageNet和胎儿心脏标准平面分类(fetal heart standard plane, FHSP)等4个数据集上进行了算法性能对比实验,与一系列当前最新的可微神经结构搜索算法相比,取得了最优的综合性能.

关键词：深度学习可微神经结构搜索剪枝正则化高效搜索网络结构

同方期刊数据库

自适应特征融合与cosIoU-NMS的目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第1期36卷 112-121页

作者：马素刚李宁博彭冠升杨小宝侯志强西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 西安电子科技大学计算机科学与技术学院西安710126 西安邮电大学西安市大数据与智能计算重点实验室西安710121

针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题,提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合,获取丰富的... 详细信息

针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题,提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合,获取丰富的上下文信息和空间信息;然后采用cosIoU计算检测框之间的余弦相似度与重叠面积,使目标定位更准确;最后使用cosIoU-NMS代替Greedy-NMS抑制置信度分数较高的冗余框,保留更准确的检测结果.以RetinaNet和FCOS为基准,在PASCAL VOC数据集上的实验结果表明,所提算法的检测精度达到81.3%和82.3%,分别提升2.8个百分点和1.2个百分点;在MSCOCO数据集上检测精度达到36.8%和38.0%,分别提升1.0个百分点和0.7个百分点;该算法能够增强特征表征能力,筛除多余的检测框,有效地提高检测性能.

关键词：深度学习目标检测多尺度特征融合交并比非极大值抑制余弦相似度

在线全文

学校读者我要写书评

暂无评论

基于多边形特征池化与融合的复杂文本检测

西安电子科技大学学报 2024年第3期51卷 113-123页

作者：张相南高新波田春娜西安电子科技大学电子工程学院陕西西安710071 重庆邮电大学计算机科学与技术学院图像认知重庆市重点实验室重庆400065

文本检测在图像理解中发挥着重要的作用。基于深度学习的文本检测是当前的主流算法,包括单阶段方法和双阶段方法两类,而且后者的检测精度往往高于前者。双阶段的检测方法通常包含感兴趣区域特征池化操作,为进一步的检测和识别任务提供... 详细信息

文本检测在图像理解中发挥着重要的作用。基于深度学习的文本检测是当前的主流算法,包括单阶段方法和双阶段方法两类,而且后者的检测精度往往高于前者。双阶段的检测方法通常包含感兴趣区域特征池化操作,为进一步的检测和识别任务提供特定维度的局部区域特征。然而对于弯曲文本等复杂文本区域来说,现有的基于矩形感兴趣区域的池化方法不再适用,而基于点特征替代区域特征的方法又损失了空间信息。针对该问题,提出了一种基于多边形特征池化和Transformer的复杂文本区域检测方法。首先,将复杂文本区域检测中感兴趣区域进行多边形特征池化,将池化操作的区域形状从矩形拓展到多边形并且不需要借助其他形状进行拟合,即可将多边形区域对应的特征池化为固定维度的特征序列,避免了拟合过程中出现误差。进而,将池化后的特征视为具有空间关系的序列,然后利用Transformer融合视觉特征之间的上下文关系,降低训练难度,提升检测精确度。在包含弯曲文本等复杂文本情况的ICDAR2015、MLT、Total Text和CTW1500数据集上的测试实验结果表明,提出的双阶段检测算法能更好地提取感兴趣区域特征,并取得了比现有方法更好的检测结果。

关键词：文本检测双阶段方法多边形特征池化 Transformer

GAT-IL：一种基于图注意力网络与模仿学习的服务功能链部署方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第8期 2811-2823页

作者：范琪琳牛岳尹浩王天富李秀华郝金隆重庆大学大数据与软件学院清华大学北京信息科学与技术国家研究中心中国科学技术大学计算机科学与技术学院

网络功能虚拟化通过将网络功能从专用硬件设备迁移到商用服务器上运行的软件中间盒中，简化了网络服务的配置和管理.在网络功能虚拟化的环境下，由一系列有序的虚拟网络功能组成的服务功能链正在成为承载网络服务的主流形式.将底层物理... 详细信息

网络功能虚拟化通过将网络功能从专用硬件设备迁移到商用服务器上运行的软件中间盒中，简化了网络服务的配置和管理.在网络功能虚拟化的环境下，由一系列有序的虚拟网络功能组成的服务功能链正在成为承载网络服务的主流形式.将底层物理网络资源分配给服务功能链的需求称为服务功能链部署问题.对于基础设施提供商来说，在有限的资源条件下获得长期高回报是一个重要的挑战.本文形式化定义了服务功能链部署问题，提出了一种基于图注意力网络与模仿学习的服务功能链部署方法（Graph Attention Network and Imitation Learning,GAT-IL）.该方法使用图注意力网络评估每个物理服务器的放置潜力，通过蒙特卡洛树搜索方法给出专家示范，并采用模仿学习方法进行智能体的训练，融入集束搜索策略优化解空间.大量的实验结果表明，本文提出的GAT-IL方法在平均收益代价比和接受率的性能指标上均优于现有代表性算法.

关键词：网络功能虚拟化服务功能链图注意力网络模仿学习蒙特卡洛树搜索集束搜索

基于跟踪检测时序特征融合的视频遮挡目标分割方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年第S1期51卷 403-408页

作者：郑申海高茜刘鹏威李伟生重庆邮电大学计算机科学与技术学院重庆400065 图像认知重庆市重点实验室(重庆邮电大学) 重庆400065

视频实例分割是近年来兴起的一项在图像实例分割基础上引入时序特性的视觉任务,旨在同时对每一帧的目标进行分割并实现帧间的目标跟踪。移动互联网和人工智能的迅猛发展产生了大量的视频数据,但由于拍摄角度、快速运动和部分遮挡等,视... 详细信息

视频实例分割是近年来兴起的一项在图像实例分割基础上引入时序特性的视觉任务,旨在同时对每一帧的目标进行分割并实现帧间的目标跟踪。移动互联网和人工智能的迅猛发展产生了大量的视频数据,但由于拍摄角度、快速运动和部分遮挡等,视频中的物体往往会出现分裂或模糊的情况,使得从视频数据中准确地分割目标并对目标进行处理和分析面临着重大挑战。经查阅和实践发现,现有的视频实例分割方法在遮挡情况下的表现较差。针对上述问题,提出了一种改进的遮挡视频实例分割算法——通过融合Transformer和跟踪检测的时序特征来改善分割性能。为增强网络对空间位置信息的学习能力,该算法将时间维度引入Transformer网络中,并考虑到视频中目标检测、跟踪和分割之间的相互依赖和促进关系,提出了一种能够有效地聚合目标在视频中的跟踪偏移的融合跟踪模块和检测时序特征模块,提升了遮挡环境下的目标分割性能。通过在OVIS和YouTube-VIS数据集上进行的实验,验证了所提方法的有效性。相比当前的基准方法,该方法展现出了更好的分割精度,进一步证明了其优越性。

关键词：视频实例分割目标检测目标跟踪时序特征遮挡目标

在线全文

学校读者我要写书评

暂无评论

内容感知的可解释性路面病害检测模型

计算机研究与发展 2024年第3期61卷 701-715页

作者：李傲葛永新刘慧君杨春华周修庄重庆大学大数据与软件学院重庆401331 重庆城市管理职业学院智能工程学院重庆401331 重庆大学计算机学院重庆400044 北京邮电大学人工智能学院北京100876

针对实际场景中高分辨路面图像难以直接作为现有卷积神经网络(convolutional neural network,CNN)的输入、现有预处理及下采样算法无法有效感知并保留原始路面图像中低占比的病害区域信息等问题,借助于可视化解释的技术手段,设计了一种... 详细信息

针对实际场景中高分辨路面图像难以直接作为现有卷积神经网络(convolutional neural network,CNN)的输入、现有预处理及下采样算法无法有效感知并保留原始路面图像中低占比的病害区域信息等问题,借助于可视化解释的技术手段,设计了一种即插即用的图像内容自适应感知模块(adaptive perception module,APM),既平衡了高分辨路面图像与CNN输入限制,又能够自适应感知激活前景病害区域,从而实现高分辨路面图像中病害类型的快速准确检测,构建可信路面病害视觉检测软件系统.APM利用大卷积核和下采样残差操作降低原始图像分辨率并获取图像浅层特征表示;通过注意力机制自适应感知并激活图像中路面病害区域信息,过滤无关的背景信息.利用联合学习的方式,无需额外监督信息完成对APM的训练.通过可视化解释方法辅助选择和设计APM的具体结构,在最新公开数据集CQUBPMDD上的实验结果表明:APM相比于现有的图像预处理采样算法均有明显提升,分类准确率最高为84.47%;在CQU-BPDD上的实验结果及APM决策效果可视化分析表明APM具备良好的泛化性与鲁棒性.实验代码已开源:https://***/Li-Ao-Git/apm.

关键词：路面病害检测可解释性自适应感知注意力机制联合学习