检索结果-内蒙古大学图书馆

计算机工程 2023年第1期49卷 130-137页

作者：郑德生陈继鑫周静柯武平陆超周永仇钎西南石油大学计算机科学学院成都610500 中国航发四川燃气涡轮研究院航空发动机高空模拟技术重点实验室四川绵阳621000 西北工业大学动力与能源学院西安710072

深度神经网络已被应用于人脸识别、自动驾驶等场景中,但容易受到对抗样本的攻击。对抗样本的生成方法被分为白盒攻击和黑盒攻击,当对抗攻击算法攻击白盒模型时存在过拟合问题,导致生成对抗样本的迁移性降低。提出一种用于生成高迁移性... 详细信息

深度神经网络已被应用于人脸识别、自动驾驶等场景中,但容易受到对抗样本的攻击。对抗样本的生成方法被分为白盒攻击和黑盒攻击,当对抗攻击算法攻击白盒模型时存在过拟合问题,导致生成对抗样本的迁移性降低。提出一种用于生成高迁移性对抗样本的对抗攻击算法CSA。在每次迭代过程中,通过对输入RGB图片的通道进行拆分,得到三张具有一个通道的输入图片,并对其进行零值填充,获得三张具有三个通道的输入图片。将最终得到的图片与原始RGB输入图片共同传入到模型中进行梯度计算,调整原始梯度的更新方向,避免出现局部最优。在此基础上,通过符号法生成对抗样本。在imagenet数据集上的实验验证该算法的有效性,结果表明,CSA算法能够有效提高对抗攻击的迁移性,在四种常规训练模型上的攻击成功率平均为84.2%,与DIM、TIM结合所得DI-TI-CSA算法在三种对抗训练黑盒模型上的攻击成功率平均为94.7%,对七种防御模型的攻击成功率平均为91.8%。

关键词：对抗攻击迁移性增强对抗样本白盒模型 imagenet数据集

来源：评论

学校读者我要写书评

暂无评论

一种针对快速梯度下降对抗攻击的防御方法

引用

计算机工程 2021年第11期47卷 121-128页

作者：王晓鹏罗威秦克杨锦涛王敏中国舰船研究设计中心武汉430064 武汉大学电子信息学院武汉430072

智能舰船识别可有效提高舰船装备智能化水平,但存在安全识别问题,即使性能卓越的分类模型也会受到对抗样本的攻击。面对快速梯度下降法(FGSM)这类对抗攻击,传统的防御方法需要先推倒已经训练好的分类模型,再通过安全手段进行重新训练。... 详细信息

智能舰船识别可有效提高舰船装备智能化水平,但存在安全识别问题,即使性能卓越的分类模型也会受到对抗样本的攻击。面对快速梯度下降法(FGSM)这类对抗攻击,传统的防御方法需要先推倒已经训练好的分类模型,再通过安全手段进行重新训练。为简化这一过程,提出防御FGSM对抗攻击的FGSM-Defense算法。获得分类器对对抗样本初次预测的类别排名后,按相应置信度大小排名取出指定数量的类别。在此基础上,通过暴力搜索将这些类别依次指定为攻击目标,分别对原对抗样本进行FGSM有目标攻击,并按相应规则分步缩小搜索范围,筛选出对抗样本真实的类别。实验结果表明,该算法能够准确区分对抗样本的真实类别,在imagenet数据集上的防御成功率为53.1%。与传统防御方法相比,其无需改变原有神经网络结构和重新训练分类模型,可减少对硬件算力的依赖,降低防御成本。

关键词：舰船识别对抗样本对抗攻击快速梯度下降法 imagenet数据集

来源：评论

学校读者我要写书评

暂无评论

基于InceptionV3和特征融合的人脸活体检测

引用

计算机应用 2022年第7期42卷 2037-2042页

作者：杨瑞杰郑贵林武汉大学电气与自动化学院武汉430072

针对身份验证中经常出现的照片欺诈问题,提出了一种基于InceptionV3和特征融合的人脸活体检测模型——InceptionV3_FF。首先,在imagenet数据集上预训练InceptionV3模型;其次,从InceptionV3模型的不同层得到图像的浅层、中层和深层特征;... 详细信息

针对身份验证中经常出现的照片欺诈问题,提出了一种基于InceptionV3和特征融合的人脸活体检测模型——InceptionV3_FF。首先,在imagenet数据集上预训练InceptionV3模型;其次,从InceptionV3模型的不同层得到图像的浅层、中层和深层特征;然后,将不同的特征进行融合得到最终的特征;最后,使用全连接层对特征进行分类,从而实现端到端的训练。InceptionV3_FF模型在NUAA数据集和自制的STAR数据集上进行仿真实验,实验结果表明,InceptionV3_FF模型在NUAA数据集和STAR数据集上分别取得了99.96%和98.85%的准确率,高于InceptionV3迁移学习和迁移微调模型;而与非线性扩散卷积神经网络(ND-CNN)、扩散核(DK)、异构内核卷积神经网络(HKCNN)等模型相比,InceptionV3_FF模型在NUAA数据集上的准确率更高,具备一定的优越性。InceptionV3_FF模型对数据集中随机抽取的单张图片进行识别时,仅需4 ms。InceptionV3_FF模型和OpenCV结合构成的活体检测系统可以对真假人脸进行识别。

关键词：活体检测特征融合人脸识别 imagenet数据集 NUAA数据集迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习方法的复杂场景下车辆目标检测

引用

计算机应用研究 2018年第4期35卷 1270-1273页

作者：宋焕生张向清郑宝峰严腾长安大学信息工程学院西安710064

针对实际交通场景下的车辆目标,应用深度学习目标分类算法中具有代表性的Faster R-CNN框架,结合Image Net中的车辆数据集,把场景中的目标检测问题转换为目标的二分类问题,进行车辆目标的检测识别。相比传统机器学习目标检测算法,基于深... 详细信息

针对实际交通场景下的车辆目标,应用深度学习目标分类算法中具有代表性的Faster R-CNN框架,结合Image Net中的车辆数据集,把场景中的目标检测问题转换为目标的二分类问题,进行车辆目标的检测识别。相比传统机器学习目标检测算法,基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明,该方法在识别精度以及速度上均取得了显著的提高。

关键词：深度学习 Faster R-CNN imagenet数据集车辆目标检测

来源：评论

学校读者我要写书评

暂无评论

基于Apache Spark的海量图像并行检索

引用

计算机应用 2018年第A02期38卷 183-186,230页

作者：曹健张俊杰李海生蔡强北京工商大学计算机与信息工程学院北京100048 北京工商大学食品安全大数据技术北京重点实验室北京100048

针对海量图像如何高效存储和快速检索问题,结合Spark大数据平台和视觉词袋图像(BoVW)检索方法,设计了一种基于Bo VW模型的海量图像并行检索框架。首先,通过BoVW模型对图像进行特征提取、特征聚类和向量表示等预处理过程;其次,对Hadoop... 详细信息

针对海量图像如何高效存储和快速检索问题,结合Spark大数据平台和视觉词袋图像(BoVW)检索方法,设计了一种基于Bo VW模型的海量图像并行检索框架。首先,通过BoVW模型对图像进行特征提取、特征聚类和向量表示等预处理过程;其次,对Hadoop分布式文件系统(HDFS)中将预处理结果实现高效和稳定的存储;最后,框架利用Spark平台进行并行检索,完成图像间的相似度匹配。在imagenet图像集上,利用图像的特征提取和聚类、向量表示等方法作为基础实验,采用扩展率和数据伸缩率证明框架稳定性的情况下,通过与传统框架进行对比,该系统加速比均在58%以上,检索准确率保持一致。实验结果表明,该方法具有更强的稳定性和更快速的检索效果。

关键词：图像检索 Spark 视觉词袋 Hadoop分布式文件系统 imagenet数据集

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的水面目标识别方法研究

基于神经网络的水面目标识别方法研究

引用

作者：陈胜中国舰船研究院

学位级别：硕士

随着人们对海洋重视程度的提高,如何快速有效完成对水面目标的分类识别变得愈发重要。针对这个问题,本文以水面目标为研究对象,利用imagenet数据集中有关数据,通过BP神经网络和卷积神经网络,展开了对水面目标识别的具体研究,论文的整体... 详细信息

随着人们对海洋重视程度的提高,如何快速有效完成对水面目标的分类识别变得愈发重要。针对这个问题,本文以水面目标为研究对象,利用imagenet数据集中有关数据,通过BP神经网络和卷积神经网络,展开了对水面目标识别的具体研究,论文的整体内容有以下几个方面。首先,本文介绍了目标识别所用到的相关技术手段,包括图像特征提取的方法、词袋模型、卷积神经网络中的参数优化以及防止过拟合的方法。其次,通过提取目标图像包括形状特征、hu不变矩特征和仿射不变矩特征在内的14维特征向量,建立了较为完备的水面目标特征库。应用BP神经网络对特征库中特征向量进行训练,通过调整网络参数和学习步长,实现对水面目标的有效分类识别,并在matlab2014a平台下进行仿真实验。最后,对imagenet数据集中的几种水面目标图像进行标注,并通过图像随机翻转和改变对比度等方法进行数据增强,获得实验所需的训练集和测试集。基于AlexNet网络构造水面目标识别网络,实验结果表明最终获得的识别率在90%以上,可以有效用于水面目标的分类识别。

关键词：水面目标特征提取 BP神经网络 imagenet数据集卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

结合迁移学习与深度卷积网络的心电分类研究

引用

中国医学物理学杂志 2018年第11期35卷 1307-1312页

作者：查雪帆杨丰吴俣南刘颖袁绍锋南方医科大学生物医学工程学院广东广州510515 南方医科大学广东省医学图像处理重点实验室广东广州510515

为解决一维深度卷积网络(1D-DCNN)在心电分类方面存在的多类疾病识别不准、难以提取最佳特征等问题,提出一种结合迁移学习与二维深度卷积网络(2D-DCNN)直接识别心电图像的方法。首先,截取R波前后75 ms内的心电信号,并将一维心电电压信... 详细信息

为解决一维深度卷积网络(1D-DCNN)在心电分类方面存在的多类疾病识别不准、难以提取最佳特征等问题,提出一种结合迁移学习与二维深度卷积网络(2D-DCNN)直接识别心电图像的方法。首先,截取R波前后75 ms内的心电信号,并将一维心电电压信号转化为二维灰度图像信号。接着,构建2D-DCNN对心电节拍样本进行分类训练,权值初始化采用在imagenet大规模图像数据集上进行预训练的AlexNet参数值。本文提出方法在MIT-BIH心电数据库上进行性能验证,其准确率达到98%,并在不同信噪比下保持较高的准确率,证明了所述模型在心电分类上具有良好的鲁棒性。为了验证2D-DCNN的识别性能,实验部分与采用不同激活函数的1D-DCNN、近些年性能较好的深度学习方法进行比较。量化结果表明,结合迁移学习和2D-DCNN方法,比最优1D-DCNN算法,其准确率提升2%、敏感度提升0.6%、特异性提高4%;在二分类与多分类任务中,均好于现有的其他算法。

关键词：心电节拍分类迁移学习深度学习二维深度卷积网络一维深度卷积网络 imagenet数据集

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：