检索结果-南通市图书馆

基于感知相似性的多目标优化隐蔽图像后门攻击

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 1182-1192页

作者：朱素霞王金印孙广路哈尔滨理工大学计算机科学与技术学院哈尔滨150080 黑龙江省智能信息处理及应用重点实验室(哈尔滨理工大学) 哈尔滨150080

深度学习模型容易受到后门攻击,在处理干净数据时表现正常,但在处理具有触发模式的有毒样本时会表现出恶意行为.然而,目前大多数后门攻击产生的后门图像容易被人眼察觉,导致后门攻击隐蔽性不足.因此提出了一种基于感知相似性的多目标优... 详细信息

深度学习模型容易受到后门攻击,在处理干净数据时表现正常,但在处理具有触发模式的有毒样本时会表现出恶意行为.然而,目前大多数后门攻击产生的后门图像容易被人眼察觉,导致后门攻击隐蔽性不足.因此提出了一种基于感知相似性的多目标优化隐蔽图像后门攻击方法.首先,使用感知相似性损失函数减少后门图像与原始图像之间的视觉差异.其次,采用多目标优化方法解决中毒模型上任务间冲突的问题,从而确保模型投毒后性能稳定.最后,采取了两阶段训练方法,使触发模式的生成自动化,提高训练效率.最终实验结果表明,在干净准确率不下降的情况下,人眼很难将生成的后门图像与原始图像区分开.同时,在目标分类模型上成功进行了后门攻击,all-to-one攻击策略下所有实验数据集的攻击成功率均达到了100%.相比其他隐蔽图像后门攻击方法,具有更好的隐蔽性.

关键词：后门攻击隐蔽后门投毒攻击深度学习模型安全

基于端到端深度神经网络和图搜索的OCT图像视网膜层边界分割方法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第6期35卷 3036-3051页

作者：胡凯蒋帅刘冬高协平智能计算与信息处理教育部重点实验室(湘潭大学) 湖南湘潭411105 智能计算与语言信息处理湖南省重点实验室(湖南师范大学) 湖南长沙410081 医学影像人工智能湖南省重点实验室(湘南学院) 湖南郴州423000

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态... 详细信息

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

关键词： OCT图像视网膜层边界分割残差神经网络注意力图搜索

融合多特征和注意力机制的多模态情感分析模型

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年第5期8卷 91-101页

作者：吕学强田驰张乐杜一凡张旭才藏太北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 青海师范大学藏语智能信息处理及应用国家重点实验室西宁810008

【目的】针对当前多模态情感分析中多模态特征提取不充分,模态内部信息和模态间交互信息结合不充分的问题,提出一种融合多特征和注意力机制的多模态情感分析模型。【方法】在多模态特征提取方面,增加视频模态中人物的肢体动作、性别和... 详细信息

【目的】针对当前多模态情感分析中多模态特征提取不充分,模态内部信息和模态间交互信息结合不充分的问题,提出一种融合多特征和注意力机制的多模态情感分析模型。【方法】在多模态特征提取方面,增加视频模态中人物的肢体动作、性别和年龄特征;对于文本模态,融合基于BERT的字粒度语义向量和融合义原信息的词粒度语义向量,丰富了多模态数据的低层特征。利用自注意力机制和跨模态注意力机制以实现模态内部信息和模态间信息的充分结合。将各模态特征进行拼接,通过软注意力机制为各模态特征分配注意力权重,通过全连接层输出最终的情感分类结果。【结果】在公开数据集CH-SIMS和本文构建的热点舆情评论视频数据集HPOC上与Self-MM模型对比,实验结果表明,本文模型在CH-SIMS数据集上的二分类准确率、三分类准确率和F1值分别提升1.83、1.74和0.69个百分点,在HPOC数据集上分别提升1.03、0.94和0.79个百分点。【局限】视频中人物所处的场景可能不断变化,不同的场景可能蕴含不同的情感信息,模型未考虑融合人物所处的场景信息。【结论】本文模型丰富了多模态数据的低层特征,充分结合模态内部信息和模态间信息,能够有效提升情感分析的效果。

关键词：多特征多模态情感分析注意力机制

一种新的GBPA生成方法及其在模式识别中的应用

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第3期39卷 994-1002页

作者：付威王欣黑龙江大学自动化系哈尔滨150080 黑龙江省信息融合估计与检测重点实验室哈尔滨150080

广义证据理论是一种在不完备识别框架中处理多传感器信息融合问题的实用方法.由于时代环境的影响,人们的认知存在局限性,难免会将不完备的识别框架认为是完备的,经典证据理论在这种情况下并不完全适用.因此,根据广义证据理论提出一种新... 详细信息

广义证据理论是一种在不完备识别框架中处理多传感器信息融合问题的实用方法.由于时代环境的影响,人们的认知存在局限性,难免会将不完备的识别框架认为是完备的,经典证据理论在这种情况下并不完全适用.因此,根据广义证据理论提出一种新的广义基本概率赋值(generalized basic probability assignment, GBPA)生成方法.该方法首先根据训练数据分别构造样本类别和测试样本的广义三角模糊数模型;然后通过计算样本和类别间的广义三角模糊距离生成GBPA;最后使用广义组合规则融合所有证据并得出最终的结论. Iris数据集的实验结果表明所提方法合理有效,即使在样本不足的情况下仍有较高的分类精度.

关键词：广义证据理论广义基本概率赋值广义三角模糊数广义三角模糊距离

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的人体关键点隐式建模网络

计算机工程 2024年第3期50卷 317-325页

作者：赵佳圆张玉茹苏晓东徐红岩李世洲张玉荣哈尔滨商业大学计算机与信息工程学院黑龙江哈尔滨150028 黑龙江省电子商务与智能信息处理重点实验室黑龙江哈尔滨150028

人体姿态估计任务需要利用视觉线索和关节间的解剖关系来定位关键点,但基于卷积神经网络的方法难以关注远程上下文线索和建模远距离关节之间的依赖关系。为此,提出一种基于注意力机制的隐式建模方法,通过多阶段迭代计算关节之间的特征... 详细信息

人体姿态估计任务需要利用视觉线索和关节间的解剖关系来定位关键点,但基于卷积神经网络的方法难以关注远程上下文线索和建模远距离关节之间的依赖关系。为此,提出一种基于注意力机制的隐式建模方法,通过多阶段迭代计算关节之间的特征相关性来隐式建模关键点间的约束关系,消除卷积神经网络的局部操作,扩大网络的感受野,建模远距离关节之间的依赖关系。为了解决网络在训练过程中可能弱化不可见关键点的问题,采用焦点损失函数,使网络更关注于复杂的关键点。使用目前精度最高的特征提取高分辨率网络(HRNet)和经典特征提取残差网络(ResNet)作为主干网络进行实验,结果表明,在同等实验条件下,隐式建模方法可以提高人体姿态估计网络的性能,在MPII和MSCOCO人体姿态估计基准数据集上,以HRNet网络为主干网络的算法相较于原网络,精度分别提升了1.7%和2.6%。

关键词：人体姿态估计卷积神经网络注意力机制焦点损失隐式建模

在线全文

学校读者我要写书评

暂无评论

基于知识图谱的长短期序列推荐算法

南京邮电大学学报(自然科学版) 2024年

作者：胡泽宇肖玉芝霍宣蓉黄涛青海师范大学计算机学院省部共建藏语智能信息处理及应用国家重点实验室藏文信息处理教育部重点实验室

现有的部分序列推荐算法较少关注用户短期兴趣随时间变化的问题，从而导致推荐的精度不够理想，且在用户兴趣转变的可解释性上有待提高。据此，提出了一种基于知识图谱的长短期序列推荐算法（KGLSR）。将交互历史划分为长期和短期行为... 详细信息

现有的部分序列推荐算法较少关注用户短期兴趣随时间变化的问题，从而导致推荐的精度不够理想，且在用户兴趣转变的可解释性上有待提高。据此，提出了一种基于知识图谱的长短期序列推荐算法（KGLSR）。将交互历史划分为长期和短期行为序列后，结合卷积神经网络与注意力机制进行长期兴趣的特征重构，并引入知识图谱与图注意力更新用户的短期偏好，最后实现自适应聚合。经验证，该模型在3类真实场景下的数据集中以HR、MRR和NDCG为评价指标的表现均优于对比实验中的主流基线模型。

关键词：序列推荐知识图谱长短期兴趣图注意力网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高效全局注意网络的图像超分辨率重建

激光与光电子学进展 2024年第10期61卷 369-379页

作者：王庆庆辛月兰赵佳郭江王浩臣青海师范大学计算机学院青海西宁810001 省部共建藏语智能信息处理及应用国家重点实验室青海西宁810001

针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像... 详细信息

针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像高频细节信息缺失的问题。另外,构造了近邻像素重构块,将空间关联性和像素分析相结合,进一步促进边缘细节信息的重建。此外,还提出一种多阶段动态余弦热重启训练策略,通过动态调整学习率以避免模型过拟合,提高训练过程的稳定性并优化网络性能。大量实验结果表明,所提方法在Set5等5个基准数据集上相比于其他先进网络,峰值信噪比(PSNR)和结构相似性(SSIM)性能指标平均提高了0.51 dB和0.0078,参数量和浮点运算量(FLOPs)平均降低了332×10^(3)和70×10^(9)。综上,所提方法在拥有较低复杂度的同时,获得了更好的性能指标和视觉效果,实现了网络高效化。

关键词：图像超分辨率重建高效全局注意层次特征像素重构训练策略

融合坐标与多头注意力机制的交互语音情感识别

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第08期44卷 2400-2406页

作者：高鹏淇黄鹤鸣樊永红青海师范大学计算机学院藏语智能信息处理及应用国家重点实验室

语音情感识别（SER）是人机交互系统中一项重要且充满挑战性的任务。针对目前SER系统中存在特征单一和特征间交互性较弱的问题，提出多输入交互注意力网络MIAN。该网络由特定特征坐标残差注意力网络和共享特征多头注意力网络两个子网络... 详细信息

语音情感识别（SER）是人机交互系统中一项重要且充满挑战性的任务。针对目前SER系统中存在特征单一和特征间交互性较弱的问题，提出多输入交互注意力网络MIAN。该网络由特定特征坐标残差注意力网络和共享特征多头注意力网络两个子网络组成。前者利用Res2Net和坐标注意力模块学习从原始语音中获取的特定特征，并生成多尺度特征表示，增强模型对情感相关信息的表征能力；后者融合前向网络所获取的特征，组成共享特征，并经双向长短时记忆（BiLSTM）网络输入至多头注意力模块，能同时关注不同特征子空间中的相关信息，增强特征之间的交互性，以捕获判别性强的特征。通过2个子网络间的协同作用，能增加模型特征的多样性，增强特征之间的交互能力。在训练过程中，应用双损失函数共同监督，使同类样本更紧凑、不同类样本更分离。实验结果表明，MIAN在EMO-DB和IEMOCAP语料库上分别取得了91.43%和76.33%的加权平均精度，相较于其他主流模型，具有更好的分类性能。

关键词：语音情感识别坐标注意力机制多头注意力机制特定特征学习共享特征学习

在线全文

学校读者我要写书评

暂无评论

基于自适应的高阶网络鲁棒性分析

复杂系统与复杂性科学 2024年

作者：余文倩马福祥陈阳马秀娟藏语智能信息处理及应用国家重点实验室青海师范大学计算机学院

随着复杂网络应用的发展，普通网络（图）已不能全面刻画和揭示网络的全貌及其内在规律，由此高阶网络应运而生。当前，依据级联故障过程对高阶网络鲁棒性的研究仍相当匮乏。本文考虑了节点间的多元耦合关系，结合高阶结构及现实中的负... 详细信息

随着复杂网络应用的发展，普通网络（图）已不能全面刻画和揭示网络的全貌及其内在规律，由此高阶网络应运而生。当前，依据级联故障过程对高阶网络鲁棒性的研究仍相当匮乏。本文考虑了节点间的多元耦合关系，结合高阶结构及现实中的负载重分配情况，提出了四种自适应负载重分配策略，并分析了三类合成高阶网络、普通网络（图）以及实证高阶网络的鲁棒性。仿真实验表明，高阶网络的规模与其鲁棒性呈正相关；同时，不同的高阶结构和自适应负载重分配方式对高阶网络的鲁棒性产生了不同的影响。此外，本文提出的自适应负载重分配方式也适用于普通网络（图）和实证高阶网络。

关键词：高阶网络自适应级联故障负载重分配鲁棒性