检索结果-内蒙古大学图书馆

计算机工程与应用 2024年第9期60卷 101-110页

作者：石洋宇左景谢承杰郑棣文卢树华中国人民公安大学信息网络安全学院北京102600 公安部安全防范技术与风险评估重点实验室北京102600

针对异常行为检测目标面临多尺度变化、易漏检误检以及复杂背景干扰等问题,提出了一种多尺度特征融合与快速多交叉结构改进的行人异常行为检测方法。该方法以YOLOv8为基线网络,在模型主干部分设计了快速多交叉结构提升上下文信息感知能... 详细信息

针对异常行为检测目标面临多尺度变化、易漏检误检以及复杂背景干扰等问题,提出了一种多尺度特征融合与快速多交叉结构改进的行人异常行为检测方法。该方法以YOLOv8为基线网络,在模型主干部分设计了快速多交叉结构提升上下文信息感知能力并减少网络参数,提出空间递进卷积池化模块实现多尺度信息融合,降低尺度差异带来的易漏检误检问题,提高检测的准确度;在模型颈部中引入SimAM注意力机制抑制复杂背景干扰,提升目标检测性能;最后采用WIoU损失函数平衡检测锚框的惩戒力度增强模型泛化性能。所提方法在UCSD-Ped1、UCSD-Ped2数据集进行验证,并在OPIXray数据集进行了泛化性测试。结果表明,所提方法异常行为识别精度较诸多先进检测算法均有不同程度的提升,且参数量更小,是一种性能较为优异的行人异常行为检测方法。

关键词：异常行为检测 YOLOv8 空间递进卷积池化(S-PCP) 快速多交叉结构(FMB)

来源：评论

学校读者我要写书评

暂无评论

基于反向瓶颈和LCBAM设计的X光违禁品检测

引用

计算机科学与探索 2024年第5期18卷 1259-1270页

作者：董乙杉郭靖圆李明泽孙嘉傲卢树华中国人民公安大学信息网络安全学院北京102600 公安部安全防范技术与风险评估重点实验室北京102600

针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进... 详细信息

针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进网络应对检测目标大角度变化问题;采用轻量化卷积块注意力机制抑制复杂背景干扰,降低模型参数量;此外,采用高斯误差线性单元激活函数和改进的置信度损失函数增强模型的非线性表达能力,加大对置信度预测的惩罚力度,优化网络对困难样本的检测性能。所提模型在三个大型公开数据集OPIXray、SIXray、HiXray上进行训练和测试,mAP分别达到了91.9%、93.4%和82.2%。结果表明,所提模型能够有效解决基线模型应对X光违禁品角度变化问题,具有较高的检测准确性和稳健性。

关键词： X光图像违禁品检测反向瓶颈轻量化卷积块注意力模块(LCBAM)

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的PTCR外部知识型视觉问答框架

引用

计算机科学与探索 2024年第11期18卷 2912-2924页

作者：薛迪李欣刘明帅中国人民公安大学信息网络安全学院北京100038 安全防范技术与风险评估公安部重点实验室北京100026

针对外部知识型视觉问答(VQA)模型输入信息不足、推理性能差的问题,构建了一种基于大语言模型(LLM)的PTCR外部知识型VQA框架。该框架由答案候选生成、针对性图像描述、自主式思维链构建、提示LLM推理四部分构成。PTCR框架使用LLM指导多... 详细信息

针对外部知识型视觉问答(VQA)模型输入信息不足、推理性能差的问题,构建了一种基于大语言模型(LLM)的PTCR外部知识型VQA框架。该框架由答案候选生成、针对性图像描述、自主式思维链构建、提示LLM推理四部分构成。PTCR框架使用LLM指导多模态大模型生成针对性的图像描述,解决了以往图像标题覆盖不全面的问题;通过LLM自主生成思维链,并在推理过程中提供相似问题的思考过程,提高了模型的推理能力;在推理过程引入选项重排技术消除LLM的选择位置偏见,通过多数投票的方式降低了推理的随机性误差。实验结果表明,经PTCR框架增强的CogVLM模型,其准确率在OK-VQA、A-OKVQA数据集上分别提升了16.7个百分点、13.3个百分点。同时,与Prophet相比,PTCR框架在OK-VQA、A-OKVQA数据集上准确率分别提升了3.4个百分点、5.0个百分点。消融实验的结果证明,所使用的针对性图像描述、自主式思维链等方法对准确率均有提升效果。可见PTCR框架在改进外部知识型VQA任务性能方面有所提升。

关键词：视觉问答提示工程大语言模型跨模态

来源：评论

学校读者我要写书评

暂无评论

自适应与多尺度特征融合的X光违禁品检测

引用

计算机工程与应用 2024年第2期60卷 96-102页

作者：孙嘉傲董乙杉郭靖圆李明泽李帅超卢树华中国人民公安大学信息网络安全学院北京102600 公安部安全防范技术与风险评估重点实验室北京102600

针对X光安检违禁品图像空间多尺度变化、背景干扰及模型复杂等问题,提出了空间自适应与多尺度特征融合的YOLOv5轻量模型。以YOLOv5为基本框架,引入自适应空间特征融合机制抑制特征尺度差异的影响,结合双向特征金字塔网络集成了特征双向... 详细信息

针对X光安检违禁品图像空间多尺度变化、背景干扰及模型复杂等问题,提出了空间自适应与多尺度特征融合的YOLOv5轻量模型。以YOLOv5为基本框架,引入自适应空间特征融合机制抑制特征尺度差异的影响,结合双向特征金字塔网络集成了特征双向加权融合;采用轻量化通道注意力机制获得编码的位置信息,增强有效特征的表达;同时利用GhostConv替换部分Conv降低网络计算复杂度。此模型在OPIXray、SIXray、HiXray等3个公开数据集上mAP分别达到94.2%、92.8%、83.3%,比基线模型分别提高了5.4、0.5、1.7个百分点,且未明显改变推理效率,较好兼顾了模型检测精度与速度,优于当前诸多先进算法。

关键词： X光图像违禁品检测空间特征融合 YOLOv5

来源：评论

学校读者我要写书评

暂无评论

遗忘学习前置的反后门学习方法研究

引用

计算机工程与应用 2024年第19期60卷 259-267页

作者：王晗旭李欣许文韬斯彬洲中国人民公安大学信息网络安全学院北京100038 安全防范技术与风险评估公安部重点实验室北京100026

反后门学习方法(anti-backdoor learning,ABL)在利用中毒数据集进行模型训练过程中能实时检测并抑制后门生成,最终得到良性模型。但反后门学习方法存在后门样本和良性样本无法有效隔离、后门消除效率不高的问题。为此,提出遗忘学习前置... 详细信息

反后门学习方法(anti-backdoor learning,ABL)在利用中毒数据集进行模型训练过程中能实时检测并抑制后门生成,最终得到良性模型。但反后门学习方法存在后门样本和良性样本无法有效隔离、后门消除效率不高的问题。为此,提出遗忘学习前置的反后门学习方法(anti-backdoor learning method based on preposed unlearning,ABLPU),在隔离阶段对训练样本增加提纯操作,达到有效隔离良性样本的目标,在消除阶段采用后门遗忘-模型再训练的范式,并引入遗忘系数,实现后门的高效消除。在CIFAR-10数据集上针对后门攻击方法BadNets,遗忘学习前置的反后门学习方法较反后门学习方法(基线方法)良性准确率提高1.21个百分点,攻击成功率下降1.38个百分点。

关键词：后门攻击反后门学习数据提纯遗忘学习前置遗忘系数

来源：评论

学校读者我要写书评

暂无评论

面向威胁情报的多层次知识蒸馏实体识别方法研究

引用

情报杂志 2025年

作者：文伍扬李欣李明锋唐伟杰刘士铭中国人民公安大学信息网络安全学院安全防范技术与风险评估公安部重点实验室

[研究目的]随着网络环境日益复杂,构建精准高效的威胁情报抽取模型对于预警、阻断以及追踪攻击至关重要,为此,文章提出一种基于多层次知识蒸馏的命名实体识别方法。[研究方法]首先,针对威胁情报领域标注数据稀缺、实体分布不均衡等问题... 详细信息

[研究目的]随着网络环境日益复杂,构建精准高效的威胁情报抽取模型对于预警、阻断以及追踪攻击至关重要,为此,文章提出一种基于多层次知识蒸馏的命名实体识别方法。[研究方法]首先,针对威胁情报领域标注数据稀缺、实体分布不均衡等问题,设计了生成—过滤—平衡三阶段数据增强策略,有效扩充训练数据集。其次,以RoBERTa-BiLSTM-IDCNN-CRF为教师模型,选取结构类似的BiLSTM-CRF为学生模型构建异构蒸馏体系,通过多层次知识蒸馏逐层对齐教师隐藏特征,并融合基于硬负样本采样的对比学习机制,以增强学生模型对复杂语境的理解和实体类别的区分能力。[研究结果/结论]实验结果显示,在增强后的CDTier数据集上,学生模型在保持F1值94.08%的同时,其推理效率提升22.05%,能够更好地满足网络安全领域对实时高效命名实体识别的实际需求。

关键词：威胁情报实体识别多层次知识蒸馏对比学习硬负样本采样

来源：评论

学校读者我要写书评

暂无评论

基于模态对齐与音视频极性向量辅助的多模态情感分析

引用

计算机科学与探索 2025年

作者：李泽龙刘成恺生春雷卢树华中国人民公安大学信息网络安全学院公安部安全防范技术与风险评估重点实验室

针对3种模态特征融合不充分与音视频情感极性表达较弱的问题，提出一种基于模态对齐与音视频极性向量辅助的多模态情感分析方法(Modality Alignment and audio-visual Polarity Vector Auxiliary， MA-PVA)。首先，设计了模态对齐层，... 详细信息

针对3种模态特征融合不充分与音视频情感极性表达较弱的问题，提出一种基于模态对齐与音视频极性向量辅助的多模态情感分析方法(Modality Alignment and audio-visual Polarity Vector Auxiliary， MA-PVA)。首先，设计了模态对齐层，利用跨模态注意力机制，对音视频特征中与文本无关的情感信息进行过滤，减少不同模态间特征表达差异，将筛选结果用于增强文本模态，使文本与音视频模态特征充分融合。然后，设计了音视频极性向量辅助任务，用于增强音视频情感极性。上述结构与预训练语言模型进行交互，能够得到更丰富的文本模态特征，以提升最终情感预测效果。所提方法在公开基准数据集CMU-MOSI与CMU-MOSEI上进行了大量实验，结果显示与最优基线方法相比，在CMU-MOSI数据集上二分类准确率分别为88.1%/89.9%，提升了0.6/0.3个百分点，七分类准确率为52.2%，提升了4.8个百分点；在CMU-MOSEI数据集上，二分类准确率分别为85.9%/87.5%，提升了1.2/0.4个百分点，七分类准确率为54.7%，提升了0.2个百分点；表明所提方法超越当前诸多性能先进的方法，有效地提高了情感分类的准确度。

关键词：多模态情感分析预训练语言模型 Transformer模型跨模态注意力

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的社交网络影响力最小化模型GCNNs-DDQN

引用

计算机科学与探索 2024年

作者：陈梓彦袁得嵛孙泽宇程佳琳中国人民公安大学信息网络安全学院安全防范与风险评估公安部重点实验室

谣言的传播迅速且危害较大，因此，利用辟谣信息对谣言传播进行抑制对于社会稳定有重要意义。为了使已经传播的谣言的影响力尽快减小并消失，提出一种结合图神经网络GCN、GNN、Double DQN的动态辟谣GCNNs-DDQN模型。首先使用GCN获得节... 详细信息

谣言的传播迅速且危害较大，因此，利用辟谣信息对谣言传播进行抑制对于社会稳定有重要意义。为了使已经传播的谣言的影响力尽快减小并消失，提出一种结合图神经网络GCN、GNN、Double DQN的动态辟谣GCNNs-DDQN模型。首先使用GCN获得节点作为源节点和目标节点的初始节点嵌入，结合节点状态向量，将其作为输入传入4个耦合的GNN以获得复杂节点嵌入，最后进行Q值计算，同时使用Double DQN结合Q值与奖励，优化4个耦合的GNN和Double DQN模型的权重参数，从而实现根据谣言传播的情况，选择当前情况下影响力最大的节点发布辟谣信息。使用10个不同大小的真实数据集来评估模型的辟谣效果，并对各参数对辟谣效果的影响进行分析，最后进行消融实验。实验结果表明GCNNs-DDQN模型具有更强的泛化能力，能够应用于不同的社交网络中，相较于传统算法，辟谣时间最高可缩短2个单位时间；对谣言有利的参数值的增加，会加大辟谣难度，增加阻断时间，而对辟谣信息有利的因素，则不一定会减少阻断时间，反而可能阻碍辟谣。

关键词：谣言影响力最小化图神经网络 Double DQN

来源：评论

学校读者我要写书评

暂无评论

基于对偶映射学习的跨网络身份关联算法

引用

数据分析与知识发现 2024年

作者：程佳琳袁得嵛陈梓彦中国人民公安大学信息网络安全学院安全防范与风险评估公安部重点实验室

[目的] 为了判别来自两个不同社交网络的用户是否属于同一自然人。[方法] 提出一种结合了图嵌入和深度学习的身份关联算法eDual-ViewUIL，先通过网络扩展扩充潜在用户关系，然后使用DeepWalk算法学习用户节点的低维表示，并引入了对偶... 详细信息

[目的] 为了判别来自两个不同社交网络的用户是否属于同一自然人。[方法] 提出一种结合了图嵌入和深度学习的身份关联算法eDual-ViewUIL，先通过网络扩展扩充潜在用户关系，然后使用DeepWalk算法学习用户节点的低维表示，并引入了对偶映射学习的思想，同时利用排序敏感似然损失函数训练映射函数，进而进行跨网络用户身份关联。[结果] 通过在三个数据集上进行实验验证，本文提出的算法对比其他三个基线算法精确率均提升6%以上。[局限] 由于社交网络用户量巨大，整体计算量相对较大，算法运算效率还有待提升。[结论] eDual-ViewUIL算法在标签数据不足和正负样本不平衡的情况下表现出较强的泛化能力。因此，本研究对于解决跨网络身份关联问题具有重要的现实意义和应用价值。

关键词：网络嵌入社交网络深度学习身份关联 DeepWalk

来源：评论

学校读者我要写书评

暂无评论

基于交叉注意力的双通道文本关系抽取

引用

数据分析与知识发现 2024年第11期8卷 114-125页

作者：叶乃夫袁得嵛张郅侯晓龙中国人民公安大学信息网络安全学院北京100038 安全防范与风险评估公安部重点实验室北京102623 中国人民公安大学侦查学院北京100038

[目的]针对现有文本关系抽取模型只能获得部分文本特征的问题,构建基于交叉注意力的双通道文本关系抽取模型,提升文本关系抽取的全面性和准确性,实现领域数据集高性能关系抽取.[方法]本文提出基于交叉注意力的双通道文本关系抽取模型DCC... 详细信息

[目的]针对现有文本关系抽取模型只能获得部分文本特征的问题,构建基于交叉注意力的双通道文本关系抽取模型,提升文本关系抽取的全面性和准确性,实现领域数据集高性能关系抽取.[方法]本文提出基于交叉注意力的双通道文本关系抽取模型DCCAM(Dual Channel Cross Attention Model),设计融合序列通道和图通道的双通道结构,构建自注意力和门控注意力的交叉注意力机制,促进文本特征高度融合,更深入地挖掘文本潜在的关联信息.在公开数据集和构建的两类警务领域数据集中进行实验.[结果]在公开数据集NYT和WebNLG上的实验结果表明,DCCAM模型F1值与SAPCNN、GraphRel 2p模型相比分别提升3个百分点和4个百分点.此外,消融实验结果证明了各模块提升文本抽取能力的有效性.在警务领域的电信诈骗类数据集和帮助信息网络犯罪类数据集上的实验结果表明,DCCAM模型能够提高警务领域文本关系抽取效果,与GraphRel模型相比F1值分别提高8.8和11.8个百分点.[局限]未从大语言模型的角度进行文本关系抽取技术的探索.[结论]DCCAM模型可以显著提升文本关系抽取的能力,是警务工作中文本关联分析的解决方案.

关键词：文本关系抽取双通道机制交叉注意力机制

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：