检索结果-内蒙古大学图书馆

北京航空航天大学学报 2022年第8期48卷 1383-1389页

作者：刘美琴徐晨铭姚超林春雨赵耀北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 北京科技大学计算机与通信工程学院北京100083

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualN... 详细信息

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明:与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。

关键词：视频编码 H.265/HEVC 编码单元(CU)划分深度学习对偶神经网络

来源：评论

学校读者我要写书评

暂无评论

分级特征反馈融合的深度图像超分辨率重建

引用

自动化学报 2022年第4期48卷 992-1003页

作者：张帅勇刘美琴姚超林春雨赵耀北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 北京科技大学计算机与通信工程学院北京10004483

受采集装置的限制,采集的深度图像存在分辨率较低、易受噪声干扰等问题.本文构建了分级特征反馈融合网络(Hierarchical feature feedback network,HFFN),以实现深度图像的超分辨率重建.该网络利用金字塔结构挖掘深度-纹理特征在不同尺... 详细信息

受采集装置的限制,采集的深度图像存在分辨率较低、易受噪声干扰等问题.本文构建了分级特征反馈融合网络(Hierarchical feature feedback network,HFFN),以实现深度图像的超分辨率重建.该网络利用金字塔结构挖掘深度-纹理特征在不同尺度下的分层特征,构建深度-纹理的分层特征表示.为了有效利用不同尺度下的结构信息,本文设计了一种分级特征的反馈式融合策略,综合深度-纹理的边缘特征,生成重建深度图像的边缘引导信息,完成深度图像的重建过程.与对比方法相比,实验结果表明HFNN网络提升了深度图像的主、客观重建质量.

关键词：深度图像超分辨率重建特征融合残差学习

来源：评论

学校读者我要写书评

暂无评论

针对身份证文本识别的黑盒攻击算法研究

引用

自动化学报 2024年第1期50卷 103-120页

作者：徐昌凯冯卫栋张淳杰郑晓龙张辉王飞跃北京交通大学计算机与信息技术学院信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 中国科学院自动化研究所多模态人工智能系统全国重点实验室北京100190 中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190 中国科学院大学人工智能学院北京100049 北京航空航天大学交通科学与工程学院北京100191

身份证认证场景多采用文本识别模型对身份证图片的字段进行提取、识别和身份认证,存在很大的隐私泄露隐患.并且,当前基于文本识别模型的对抗攻击算法大多只考虑简单背景的数据(如印刷体)和白盒条件,很难在物理世界达到理想的攻击效果,... 详细信息

身份证认证场景多采用文本识别模型对身份证图片的字段进行提取、识别和身份认证,存在很大的隐私泄露隐患.并且,当前基于文本识别模型的对抗攻击算法大多只考虑简单背景的数据(如印刷体)和白盒条件,很难在物理世界达到理想的攻击效果,不适用于复杂背景、数据及黑盒条件.为缓解上述问题,本文提出针对身份证文本识别模型的黑盒攻击算法,考虑较为复杂的图像背景、更严苛的黑盒条件以及物理世界的攻击效果.本算法在基于迁移的黑盒攻击算法的基础上引入二值化掩码和空间变换,在保证攻击成功率的前提下提升了对抗样本的视觉效果和物理世界中的鲁棒性.通过探索不同范数限制下基于迁移的黑盒攻击算法的性能上限和关键超参数的影响,本算法在百度身份证识别模型上实现了100%的攻击成功率.身份证数据集后续将开源.

关键词：对抗样本黑盒攻击身份证文本识别物理世界二值化掩码

来源：评论

学校读者我要写书评

暂无评论

基于指数移动平均知识蒸馏的神经网络低比特量化方法

引用

模式识别与人工智能 2021年第12期34卷 1143-1151页

作者：吕君环许柯王东北京交通大学信息科学研究所北京100044 北京交通大学现代信息科学与网络技术北京市重点实验室北京100044

目前存储和计算成本严重阻碍深度神经网络应用和推广,而神经网络量化是一种有效的压缩方法.神经网络低比特量化存在的显著困难是量化比特数越低,网络分类精度也越低.为了解决这一问题,文中提出基于指数移动平均知识蒸馏的神经网络低比... 详细信息

目前存储和计算成本严重阻碍深度神经网络应用和推广,而神经网络量化是一种有效的压缩方法.神经网络低比特量化存在的显著困难是量化比特数越低,网络分类精度也越低.为了解决这一问题,文中提出基于指数移动平均知识蒸馏的神经网络低比特量化方法.首先利用少量图像进行自适应初始化,训练激活和权重的量化步长,加快量化网络收敛.再引入指数移动平均(EMA)知识蒸馏的思想,利用EMA对蒸馏损失和任务损失进行归一化,指导量化网络训练.在ImageNet、CIFAR-10数据集上的分类任务表明,文中方法可获得接近或超过全精度网络的性能.

关键词：深度学习网络量化知识蒸馏模型压缩

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的轻量化目标检测算法

引用

系统工程与电子技术 2022年第9期44卷 2716-2725页

作者：宋爽张悦张琳娜岑翼刚李浥东北京交通大学计算机与信息技术学院北京100044 现代信息科学与网络技术北京市重点实验室北京100044 贵州大学机械工程学院贵州贵阳550025

深度卷积神经网络在各个领域都表现出很好的效果,与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题,提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNe... 详细信息

深度卷积神经网络在各个领域都表现出很好的效果,与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题,提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNet V2进行融合,提升网络特征提取能力,并利用融合后的网络对原始YOLOv5的骨干网络进行重构,显著降低了网络的计算量和内存占用,同时,引入可变形卷积以提升网络的检测性能。道路监控图像和VOC、COCO数据集测试结果表明,所提出的模型在保持检测精度的前提下,将参数量和模型尺寸降低了90%,计算量仅为原始模型的18%,实现了检测模型的轻量化,更有助于在计算资源有限和对实时性要求高的场景中部署。

关键词：目标检测卷积神经网络轻量化网络单阶段检测算法可变形卷积

来源：评论

学校读者我要写书评

暂无评论

机器学习中原型学习研究进展

引用

软件学报 2022年第10期33卷 3732-3753页

作者：张幸幸朱振峰赵亚威赵耀北京交通大学信息科学研究所北京100044 清华大学计算机科学与技术系北京100084 现代信息科学与网络技术北京市重点实验室(北京交通大学) 北京100044 国防科技大学计算机系湖南长沙410073

随着信息技术在社会各领域的深入渗透,人类社会所拥有的数据总量达到了一个前所未有的高度.一方面,海量数据为基于数据驱动的机器学习方法获取有价值的信息提供了充分的空间;另一方面,高维度、过冗余以及高噪声也是上述繁多、复杂数据... 详细信息

随着信息技术在社会各领域的深入渗透,人类社会所拥有的数据总量达到了一个前所未有的高度.一方面,海量数据为基于数据驱动的机器学习方法获取有价值的信息提供了充分的空间;另一方面,高维度、过冗余以及高噪声也是上述繁多、复杂数据的固有特性.为消除数据冗余、发现数据结构、提高数据质量,原型学习是一种行之有效的方式.通过寻找一个原型集来表示目标集,以从样本空间进行数据约简,在增强数据可用性的同时,提升机器学习算法的执行效率.其可行性在众多应用领域中已得到证明.因此,原型学习相关理论与方法的研究是当前机器学习领域的一个研究热点与重点.主要介绍了原型学习的研究背景和应用价值,概括介绍了各类原型学习相关方法的基本特性、原型的质量评估以及典型应用;接着,从原型学习的监督方式及模型设计两个视角重点介绍了原型学习的研究进展,其中,前者主要涉及无监督、半监督和全监督方式,后者包括基于相似度、行列式点过程、数据重构和低秩逼近这四大类原型学习方法;最后,对原型学习的未来发展方向进行了展望.

关键词：原型学习数据约简度量学习模型优化机器学习

来源：评论

学校读者我要写书评

暂无评论

相位敏感光时域反射仪的信号处理方法综述

引用

光学精密工程 2021年第9期29卷 2189-2209页

作者：田曼伶刘东辉曹晓敏余贶琭北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

相位敏感光时域反射仪由于具备监测范围广、灵敏度高等优点被广泛应用于周界安防等领域。近年来,研究者对其光学系统的改进使得传感距离更长、空间分辨率更高。但需要处理的数据量大大增加,且环境噪声以及扰动类型多样给分布式扰动传感... 详细信息

相位敏感光时域反射仪由于具备监测范围广、灵敏度高等优点被广泛应用于周界安防等领域。近年来,研究者对其光学系统的改进使得传感距离更长、空间分辨率更高。但需要处理的数据量大大增加,且环境噪声以及扰动类型多样给分布式扰动传感系统的实际应用带来了挑战。本文总结了提高该系统信号信噪比、扰动识别率等性能指标的信号处理方法,包括降噪算法、特征提取算法、机器学习以及深度学习算法,尽可能地对比各种算法的优劣,并展望了未来该领域信号处理方法可能的发展方向。

关键词：相位敏感光时域反射仪信号处理降噪算法特征提取机器学习

来源：评论

学校读者我要写书评

暂无评论

面向低质量裂缝图像的多知识蒸馏分类

引用

计算机工程 2023年第7期49卷 204-213页

作者：曹坪杨怀志薄一军尤嘉张淳杰李丹勇北京交通大学现代信息科学与网络技术北京市重点实验室北京100044 京沪高速铁路股份有限公司北京100038 中国铁道科学研究院集团有限公司电子计算技术研究所北京100081 北京交通大学电子信息工程学院北京100044

裂缝受损程度分类是混凝土安全检测中重要的环节之一,在真实场景下,由于裂缝图像分辨率的降低和模糊噪声的增多,导致现有的分类方法难以识别低质量裂缝图像的受损程度。提出一种面向低质量裂缝图像的多知识蒸馏分类方法,基于退化重建网... 详细信息

裂缝受损程度分类是混凝土安全检测中重要的环节之一,在真实场景下,由于裂缝图像分辨率的降低和模糊噪声的增多,导致现有的分类方法难以识别低质量裂缝图像的受损程度。提出一种面向低质量裂缝图像的多知识蒸馏分类方法,基于退化重建网络的教师模型通过模拟高分辨率裂缝图像的退化和重建过程,缓解与学生模型之间的域差异,利用高质量模型引导的学生模型从具有高分辨率信息的教师模型中学习类别知识和重建知识。通过将教师模型的类别知识迁移到学生模型中,使教师模型的重建网络监督学生模型生成更有利于分类的超分辨率图像,确保图像恢复和图像分类之间的动态交互。经过教师模型的重建知识和类别知识的多重知识引导,使缺乏高分辨率信息的学生模型能有效识别低质量裂缝图像的受损程度。实验结果表明,与单一知识蒸馏的方法相比,该方法在最低分辨率的情况下,在裂缝数据集上的分类准确率提高了4.02个百分点,能有效提高低质量裂缝图像受损程度的分类准确率。

关键词：低质量图像知识蒸馏裂缝图像分类卷积神经网络图像重建

来源：评论

学校读者我要写书评

暂无评论

融合稀疏点云补全的3D目标检测算法

引用

图学学报 2021年第1期42卷 37-43页

作者：徐晨倪蓉蓉赵耀北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

基于雷达点云的3D目标检测方法有效地解决了RGB图像的2D目标检测易受光照、天气等因素影响的问题。但由于雷达的分辨率以及扫描距离等问题,激光雷达采集到的点云往往是稀疏的,这将会影响3D目标检测精度。针对这个问题,提出一种融合稀疏... 详细信息

基于雷达点云的3D目标检测方法有效地解决了RGB图像的2D目标检测易受光照、天气等因素影响的问题。但由于雷达的分辨率以及扫描距离等问题,激光雷达采集到的点云往往是稀疏的,这将会影响3D目标检测精度。针对这个问题,提出一种融合稀疏点云补全的目标检测算法,采用编码、解码机制构建点云补全网络,由输入的部分稀疏点云生成完整的密集点云,根据级联解码方式的特性,定义了一个新的复合损失函数。除了原有的折叠解码阶段的损失之外,还增加了全连接解码阶段存在的损失,以保证解码网络的总体误差最小,从而使得点云补全网络生成信息更完整的密集点云Ydetail,并将补全的点云应用到3D目标检测任务中。实验结果表明,该算法能够很好地将KITTI数据集中稀疏的汽车点云补全,并且有效地提升目标检测的精度,特别是针对中等和困难等级的数据效果更佳,提升幅度分别达到6.81%和9.29%。

关键词：目标检测雷达点云点云补全复合损失函数 KITTI

来源：评论

学校读者我要写书评

暂无评论

基于双通道卷积神经网络的视频目标移除取证算法

引用

信号处理 2020年第9期36卷 1415-1421页

作者：白珊山倪蓉蓉赵耀北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

针对现有数字视频目标移除取证算法的伪造帧识别准确率低的问题,本文提出了一种基于双通道卷积神经网络的视频目标移除取证算法。该算法利用双通道结构,分别提取视频绝对帧差图像的RGB特征和噪声特征,并利用双线性池化对二者进行特征融... 详细信息

针对现有数字视频目标移除取证算法的伪造帧识别准确率低的问题,本文提出了一种基于双通道卷积神经网络的视频目标移除取证算法。该算法利用双通道结构,分别提取视频绝对帧差图像的RGB特征和噪声特征,并利用双线性池化对二者进行特征融合,而后通过分类层输出视频帧的分类结果,从而有效地识别经过篡改的视频帧。其中,RGB通道能够发现绝对帧差图像中不自然的篡改边界和对比度,噪声通道能够发现原始区域和篡改区域之间噪声的不一致性。此外,算法在网络前端增加了预处理层来放大篡改视频帧的伪造痕迹。实验结果显示,所提算法有效地提高了伪造视频帧的识别准确率,且相对于传统的单通道网络结构,双通道特征融合的方式取得了更好的检测性能。

关键词：数字视频取证视频目标移除取证双通道卷积神经网络 Inception-v3网络

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：