检索结果-内蒙古大学图书馆

计算机学报 2023年第9期46卷 1855-1887页

作者：周志立丁淳李进彭飞张新鹏南京信息工程大学数字取证教育部工程研究中心南京210044 广州大学人工智能与区块链研究院广州510006 复旦大学计算机科学技术学院上海201203

隐写术通常将秘密信息以不可见的形式隐藏到载体中,从而通过传递含密载体实现隐蔽通信.嵌入式隐写方案通过修改载体将秘密信息嵌入其中,但会不可避免地改变载体的统计特性,因此难以抵抗各类隐写分析工具的检测.为了解决此问题,生成式隐... 详细信息

隐写术通常将秘密信息以不可见的形式隐藏到载体中,从而通过传递含密载体实现隐蔽通信.嵌入式隐写方案通过修改载体将秘密信息嵌入其中,但会不可避免地改变载体的统计特性,因此难以抵抗各类隐写分析工具的检测.为了解决此问题,生成式隐写方案以秘密信息为驱动直接生成含密载体.相比于嵌入式隐写方案,生成式隐写方案针对现有基于统计特征的隐写分析方法具有较好的抗检测性能,因此逐渐成为信息隐藏领域的研究热点.本文首先对四类生成式隐写方案进行详细地描述和分析,包括:(1)图像生成式隐写方案;(2)文本生成式隐写方案;(3)音频生成式隐写方案;(4)社交网络行为生成式隐写方案;其次,通过实验详细分析和对比了各种图像和文本生成式隐写方法的性能;最后,本文分析了当前生成式隐写方案仍然存在的问题,并提出相应的解决方案和展望未来的发展方向.

关键词：生成式隐写信息隐藏数字水印隐蔽通信隐写分析

来源：评论

学校读者我要写书评

暂无评论

基于空地协同的动态车载边缘任务卸载方法

引用

计算机工程 2024年

作者：崔萌萌施静燕项昊龙南京信息工程大学软件学院江苏省先进计算与智能服务工程技术研究中心

近年来，车联网作为智能交通系统的核心组成部分，凭借其卓越的车辆互联特性，为用户提供智能化、便捷化和安全化的车载服务。为了进一步优化车载服务的服务质量（QoS），移动边缘计算（MEC）被深度整合于车联网中，旨在为车辆提供地理... 详细信息

近年来，车联网作为智能交通系统的核心组成部分，凭借其卓越的车辆互联特性，为用户提供智能化、便捷化和安全化的车载服务。为了进一步优化车载服务的服务质量（QoS），移动边缘计算（MEC）被深度整合于车联网中，旨在为车辆提供地理位置较近的计算资源，降低任务处理延迟和能耗。然而，传统的MEC服务器部署主要依赖于地面基站（BS），这不仅导致高昂的部署成本，而且限制其覆盖范围，难以确保为所有车辆提供无间断服务。为了应对上述挑战，空地协同车联网作为一种新兴的技术方案应运而生。无人机（UAV）能够借助其视距链路的灵活性动态地协助路边单元（RSU），为车辆用户提供更为灵活的计算资源，进而保障车载服务的连续性和高效性。因此，本文提出了一种基于空地协同的动态车载边缘任务卸载方法（DVETOM）。该方法采用车-路-空架构，构建了车辆到RSU链路（V2R）和车辆到UAV链路（V2U）。本文针对车辆任务的本地执行、卸载至RSU执行和卸载至UAV执行三种模式分别构建传输模型和计算模型，并以最小化系统时延和能耗作为联合优化目标构建目标函数。DVETOM将任务卸载问题转化为马尔可夫决策过程（MDP），基于深度强化学习（DRL）的分布式深度确定性策略梯度算法（D4PG）优化任务卸载策略。最后，通过与五种基准实验进行对比，DVETOM在提升车辆用户QoS的同时，在降低系统时延方面优于现有方法3.45%～23.7%，在降低系统能耗方面优于现有方法5.8%～23.47%。综上所述，本文提出的DVETOM方法有效地优化了车联网中的车载边缘任务卸载，为车联网用户提供了更高效、更节能的服务解决方案，展现了其在智能交通系统领域的广泛应用潜力。

关键词：车联网边缘计算空地协同任务卸载深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于转动式二维激光扫描仪和多传感器的三维重建方法

引用

中国光学（中英文） 2023年第3期16卷 663-672页

作者：张新荣王鑫王瑶向高峰长安大学道路施工技术与装备教育部重点实验室陕西西安710064 中国铁建重工集团股份有限公司湖南长沙410000 南京信息工程大学计算机与软件学院江苏南京210044

三维重建技术是机器视觉中最热门的研究方向之一,在无人驾驶和数字化加工与生产等领域得到了广泛的应用。传统的三维重建方法包括深度相机和多线激光扫描仪,但是通过深度相机获得的点云存在着信息不完整和不精确的问题,而多线激光扫描... 详细信息

三维重建技术是机器视觉中最热门的研究方向之一,在无人驾驶和数字化加工与生产等领域得到了广泛的应用。传统的三维重建方法包括深度相机和多线激光扫描仪,但是通过深度相机获得的点云存在着信息不完整和不精确的问题,而多线激光扫描仪成本高,阻碍了该项技术的应用和研究。为解决上述问题,提出了一种基于转动式二维激光扫描仪的三维重建方法。首先,用步进电机带动二维激光扫描仪旋转运动来获取三维点云数据。然后,用多传感器融合的方法对激光扫描仪的位置进行标定,采用坐标系变换完成点云数据的匹配。最后,对采集得到的点云数据进行了滤波和精简处理。实验结果表明:相较于深度相机/IMU数据融合的重建方法,平均误差降低了0.93 mm,为4.24 mm;精度达到了毫米级别,误差率也控制在了2%以内;整套设备的成本相较于多线激光扫描仪大大降低。本文方法基本满足保留物体的外形特征、高精度和成本低的要求。

关键词：二维激光扫描仪坐标系变换多传感器融合三维重建

来源：评论

学校读者我要写书评

暂无评论

基于多分支结构和多层级注意力的乳腺肿块检测

引用

华中科技大学学报(自然科学版) 2025年第5期 135-142页

作者：谈玲梁颖夏景明南京信息工程大学计算机学院南京信息工程大学人工智能学院

针对现有乳腺肿块检测算法中存在不规则肿块漏检率高且容易误诊的问题，提出一种基于多分支结构和多层级注意力的肿块检测网络模型．为了解决小肿块特征表达能力差的问题，设计了一种非对称块和空洞卷积构成的多路分支结构，在降低参数... 详细信息

针对现有乳腺肿块检测算法中存在不规则肿块漏检率高且容易误诊的问题，提出一种基于多分支结构和多层级注意力的肿块检测网络模型．为了解决小肿块特征表达能力差的问题，设计了一种非对称块和空洞卷积构成的多路分支结构，在降低参数量的同时充分提取融合多层次特征；提出一种基于多层级特征图的注意力机制，通过注意力模块在相邻层之间融合深层注意力信息和浅层特征图信息，以获取重要特征及其位置．为解决肿块正负样本失衡的问题，在样本选择过程中引入自适应样本划分算法，根据锚框和肿块的交并比值集合的分布特征，自适应计算划分阈值，确保正样本比例和训练的有效性．在CBIS-DDSM数据集上进行实验，结果表明：该网络模型的平均精度均值达到86.10%，漏检率低至10.19%，实际检测结果优于其他主流算法．

关键词：目标检测乳腺钼靶诊断多分支结构注意力机制自适应样本划分

来源：评论

学校读者我要写书评

暂无评论

基于RCJAYA算法的太阳电池参数辨识

引用

北京航空航天大学学报 2024年第7期50卷 2133-2140页

作者：欧阳城添黄祖威刘裕嘉张林朱东林周昌军江西理工大学信息工程学院赣州341000 江西应用科技学院人工智能学院南昌330100 江西理工大学软件工程学院南昌330000 浙江师范大学计算机科学与技术学院金华321004

为提升智能优化算法辨识太阳电池参数的精度和准确度,提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新,以平衡局部和全局搜索能力,保持种群多样性;对最优个体进... 详细信息

为提升智能优化算法辨识太阳电池参数的精度和准确度,提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新,以平衡局部和全局搜索能力,保持种群多样性;对最优个体进行混沌扰动,发掘更优解替代最差解,提升种群质量;采用替换策略更新陷入停滞的个体,提升算法性能。通过RCJAYA算法辨识参数得到的太阳电池单、双二极管的电流均方根误差最优值分别为9.8602×10^(-4)A、9.8258×10^(-4)A,与JAYA等5种算法对比,结果表明,RCJAYA算法更具优势。根据辨识结果计算出模拟电流,与实测电流进行比对,在单、双二极管上的平均误差分别为0.00084 A、0.00082 A,表明RCJAYA算法辨识的参数值准确可靠。

关键词：太阳电池参数辨识 JAYA算法排序概率混沌扰动

来源：评论

学校读者我要写书评

暂无评论

CT-CloudDetect:用于遥感卫星云检测的混合模型

引用

遥感信息 2024年第5期39卷 1-11页

作者：方巍陶恩屹南京信息工程大学计算机学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室南京210041 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210041 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215000

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部... 详细信息

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部性,难以捕获长距离依赖关系。针对上述问题,文章提出一个基于CNN和ViT(Vision Transformer)的混合型云检测模型,并提出一种基于CNN和ViT的编码器,使网络具备捕捉局部和全局信息的能力。为了更好地融合语义和尺度不一致的特征,提出了一个双尺度注意力融合模块,通过注意力机制有选择地融合特征。此外,提出了轻量级路由解码器,该解码器通过路由结构降低模型复杂度。在3个公开云检测数据集上对模型进行了评估。大量实验表明,所提出的模型具有比现有模型更好的性能。

关键词：深度学习卷积神经网络空间Vision Transformer 混合模型云检测

来源：评论

学校读者我要写书评

暂无评论

一种基于有限密钥和诱骗态的双场量子密钥分发协议

引用

计算机应用与软件 2023年第10期40卷 329-336页

作者：康鹏郭翔赵胶胶贵州电网有限责任公司电力调度控制中心贵州贵阳550000 南京信息工程大学计算机与软件学院江苏南京210044

量子保密通信技术为电力业务数据传输提供端到端的信息安全保障,双场量子密钥分发(Twin-field Quantum Key Distribution,TF-QKD)可实现无量子中继器的远程安全通信,但其安全性是基于无限密钥的假设。为解决现实场景中量子密钥有限和光... 详细信息

量子保密通信技术为电力业务数据传输提供端到端的信息安全保障,双场量子密钥分发(Twin-field Quantum Key Distribution,TF-QKD)可实现无量子中继器的远程安全通信,但其安全性是基于无限密钥的假设。为解决现实场景中量子密钥有限和光子源不稳定的情形,提出一种基于有限密钥和诱骗态的双场量子密钥分发协议。在协议中采用诱骗态法和无替换的随机抽样法估计相位错误率,并利用Azuma不等式对协议进行安全性分析,验证了在不稳定光子源强度波动下协议的可组合安全性。数值模拟表明所提协议在不稳定光子源强度波动下得到的秘密密钥率可以超过线性密钥率的界线,且当信号脉冲数量较小时,强度波动对协议密钥率有显著影响。

关键词：双场量子密钥分发有限密钥诱骗态不稳定光子源

来源：评论

学校读者我要写书评

暂无评论

基于GEE云计算LandTrendr算法的长三角森林扰动与增益连续监测

引用

南京信息工程大学学报 2024年第3期17卷 423-431页

作者：江德婷童旭东陈冬花刘赛赛杜一莎樊景威南京信息工程大学遥感与测绘工程学院滁州学院信息与计算机工程学院安徽师范大学地理与旅游学院新疆师范大学地理与旅游学院

长三角作为我国森林资源丰富的区域之一，拥有巨大的碳汇潜力。准确捕捉和评估长三角森林的扰动与增益情况，对于提升该地区的森林管理水平以及生态环境保护工作具有重要意义。本研究采用LandTrendr变化检测算法和基于GEE（Google Earth... 详细信息

长三角作为我国森林资源丰富的区域之一，拥有巨大的碳汇潜力。准确捕捉和评估长三角森林的扰动与增益情况，对于提升该地区的森林管理水平以及生态环境保护工作具有重要意义。本研究采用LandTrendr变化检测算法和基于GEE（Google Earth Engine）云平台的Landsat5～8时间序列叠加的方法，对长三角1991—2020年长达30年的森林扰动与增益进行监测。结果表明：LandTrendr算法监测森林扰动与增益的总体精度达到88.5%，森林扰动与增益的生产精度、用户精度均高于80%，表明长三角森林扰动与增益监测效果较好。长三角森林扰动总面积为9646.96 km2，森林增益总面积为37205.46 km2，近30年长三角森林总面积呈增加趋势。基于GEE云平台的LandTrendr算法实现了长三角森林扰动与增益的精准监测。

关键词：长三角森林扰动与增益 LandTrendr 谷歌地球引擎 Landsat数据

来源：评论

学校读者我要写书评

暂无评论

3分支多层次Transformer特征交互的RGB–D显著性目标检测

引用

工程科学与技术 2023年第6期55卷 245-256页

作者：孟令兵袁梦雅时雪涵刘晴晴程菲黎玲利何术锋安徽信息工程学院计算机与软件工程学院安徽芜湖241199 安徽信息工程学院电气与电子工程学院安徽芜湖241199 杭州电子科技大学管理学院浙江杭州310018 黑龙江大学计算机科学与技术学院黑龙江哈尔滨150006 南京水利科学研究院生态环境研究所江苏南京210017

RGB深度图像(RGB–D)显著性目标检测是计算机视觉领域的研究任务之一,很多模型在简单场景下取得了较好的检测效果,却无法有效地处理多目标、深度图质量低下及显著性目标色彩与背景相似等复杂场景。因此,本文提出一种3分支多层次Transfor... 详细信息

RGB深度图像(RGB–D)显著性目标检测是计算机视觉领域的研究任务之一,很多模型在简单场景下取得了较好的检测效果,却无法有效地处理多目标、深度图质量低下及显著性目标色彩与背景相似等复杂场景。因此,本文提出一种3分支多层次Transformer特征交互的RGB–D显著性目标检测模型。首先,提出一个跨模态坐标注意力模块,该模块通过采用坐标注意力抑制RGB图像和深度图的噪声信息,从而提取出更为显著的特征信息用于后续解码。其次,通过特征融合模块将高层的3层特征图调整到相同的分辨率送入Transformer层,有效地获取远距离显著性目标之间的关联关系和整幅图像的全局信息。然后,提出一个多层次特征交互模块,该模块有效地聚合多层次信息进行特征交互,从而能够更精准地定位显著性目标的位置,同时对显著性目标的边界进行细化。最后,设计一个密集扩张特征细化模块,利用密集扩张卷积获取丰富的多尺度特征,有效地应对显著性目标数量和尺寸变化。将模型在5个公开的基准数据集上与19种主流模型相比,实验结果表明:本文方法在多个测评指标上有较好的提升效果,提高了在特定复杂场景下的检测精度;从P–R(precision–recall)曲线、F–measure曲线和显著图也可以直观看出,本文方法取得了较好的检测结果,生成的显著图更完整、清晰,相比其他模型更加接近真值图。

关键词：显著性目标检测坐标注意力 Transformer 特征交互密集卷积显著图

来源：评论

学校读者我要写书评

暂无评论

融合特征增强模块的小样本农业害虫识别

引用

四川大学学报（自然科学版） 2023年第4期60卷 51-58页

作者：王祎李旭伟刘怡光陈立平四川大学计算机学院(软件学院) 成都610065 塔里木大学信息工程学院塔里木843300

基于深度学习的图像识别技术在具体应用前必须先经过大量带标签样本的训练,然而在实际场景中目标域样本可能非常稀缺,小样本图像识别技术应运而生.为了提升小样本场景下的图像识别准确率,本文提出一个通用的两阶段训练模型以融合现行主... 详细信息

基于深度学习的图像识别技术在具体应用前必须先经过大量带标签样本的训练,然而在实际场景中目标域样本可能非常稀缺,小样本图像识别技术应运而生.为了提升小样本场景下的图像识别准确率,本文提出一个通用的两阶段训练模型以融合现行主流方法并增强其表现.首先,针对训练时不同害虫种类背景相似度过高的问题提出融合双注意力机制的特征加强模块;其次,针对小样本情况下预测可能产生的过拟合问题提出基于高斯分布的特征生成模块以提高泛化能力;最后,将三种典型小样本识别方法统一成两阶段训练模型以融入提出的方法.将该思路及改进首次应用于传统害虫分类数据集IP102,识别准确率可以在基准方法上取得2.11%到6.87%的提升.为了进一步验证本文方法的有效性,在小样本领域公开数据集Mini-Imagenet也进行了相应的实验,提升效果同样显著.

关键词：图像识别小样本特征增强农业害虫

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：