检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2023年第7期35卷 1052-1063页

作者：高光勇周正源南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学计算机学院、软件学院、网络空间安全学院南京210044 郑州信大先进技术研究院郑州450001

针对彩色图像可逆信息隐藏中相对较少的嵌入容量和数据嵌入后的图像质量问题,提出基于可逆信息隐藏的高性能彩色图像对比度增强算法.该算法将原始RGB图像转换成HSV(色调,饱和度,亮度)图像,在预处理时,合并像素直方图单侧2个高度最低的条... 详细信息

针对彩色图像可逆信息隐藏中相对较少的嵌入容量和数据嵌入后的图像质量问题,提出基于可逆信息隐藏的高性能彩色图像对比度增强算法.该算法将原始RGB图像转换成HSV(色调,饱和度,亮度)图像,在预处理时,合并像素直方图单侧2个高度最低的条柱,并设置一个失真阈值防止图像失真;数据嵌入过程中,在保持色调分量不变的同时增大单个像素能嵌入秘密信息的长度,且在增大数据嵌入量的同时减少了图像失真;在多次执行数据嵌入过程后,直方图实现均衡化,从而有效地增强图像的对比度.在Kodak和USC-SICI图像集上的实验结果表明,与同类算法(UCE和HSP算法)相比,所提算法在嵌入容量指标和色彩差异指标CIEDE2000的性能上分别平均提升28.6%和34.7%.

关键词：对比度增强 HSV颜色模型可逆信息隐藏

来源：评论

学校读者我要写书评

暂无评论

基于结构嵌入的可溯源联邦学习版权保护方法

引用

计算机工程 2024年

作者：陈先意糜慧何俊杰付章杰南京信息工程大学计算机学院网络空间安全学院南京信息工程大学数字取证教育部工程研究中心南京信息工程大学软件学院

由于参与联邦学习联合训练的客户端并非完全可信，从而带来联邦学习模型的版权泄露风险，而当前由中央服务器嵌入水印的方法面临着许多难题，例如难以适用于安全联邦学习架构、溯源能力不足、服务器计算负担过重等。为此，本文提出了一... 详细信息

由于参与联邦学习联合训练的客户端并非完全可信，从而带来联邦学习模型的版权泄露风险，而当前由中央服务器嵌入水印的方法面临着许多难题，例如难以适用于安全联邦学习架构、溯源能力不足、服务器计算负担过重等。为此，本文提出了一种基于正交约束的可溯源安全联邦学习版权保护方案，简称为FedSOW。首先，服务器复制待嵌入水印的卷积层形成双层通道，作为初始化水印层；然后，根据施密特正交化原理设计正交约束规则并以不同的规则约束局部模型水印层的输出特征；最后，客户端通过训练反向引导水印层形成具有不同正交结构的可溯源局部模型。与现有的水印方案相比，FedSOW具有较好的水印持续性，确保能在安全联邦学习框架的训练过程中进行版权验证。大量实验证明，FedSOW在可溯源性、保真度和抗攻击能力等方面表现出具有卓越的性能。

关键词：联邦学习版权保护可溯源性鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算的无人机通感融合网络波束成形与资源优化

引用

通信学报 2023年第9期44卷 228-237页

作者：李斌彭思聪费泽松南京信息工程大学计算机学院江苏南京210044 北京理工大学信息与电子学院北京100081

为了解决传统通信−感知融合网络模式对地面基础设施的依赖,针对复杂场景下通感融合网络系统功耗较大、信号阻塞、覆盖盲区等问题,提出了一种无人机搭载边缘计算服务器与雷达收发器辅助通感融合网络。首先,在满足用户传输功率、雷达估计... 详细信息

为了解决传统通信−感知融合网络模式对地面基础设施的依赖,针对复杂场景下通感融合网络系统功耗较大、信号阻塞、覆盖盲区等问题,提出了一种无人机搭载边缘计算服务器与雷达收发器辅助通感融合网络。首先,在满足用户传输功率、雷达估计信息率、任务卸载比例限制的条件下,通过联合优化无人机雷达波束成形、计算资源分配问题、任务卸载量划分、终端用户发射功率和无人机飞行轨迹,建立系统总能耗最小化问题;其次,将该非凸优化问题重新构建为一个马尔可夫决策过程,使用深度强化学习中的近端策略优化算法实现系统的优化决策。仿真结果表明,所提算法训练速度较快,能够在保证应用的感知与计算时延需求的同时有效降低系统能耗。

关键词：感知−通信−计算融合网络无人机深度强化学习资源分配与优化

来源：评论

学校读者我要写书评

暂无评论

混合特征及多头注意力的中文短文本分类

引用

计算机工程与应用 2024年第9期60卷 237-243页

作者：江结林朱永伟许小龙崔燕赵英男南京信息工程大学软件学院南京210044 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京210044 南京特殊教育师范学院数学与信息科学学院南京210038 南京信息工程大学计算机学院、网络空间安全学院南京210044

传统的短文本分类研究方法存在两方面不足,一是不能全面地表示文本的语义信息,二是无法充分地提取和融合文本全局和局部信息。基于此,提出一种混合特征及多头注意力(HF-MHA)的中文短文本分类方法。该方法利用预训练模型计算中文短文本... 详细信息

传统的短文本分类研究方法存在两方面不足,一是不能全面地表示文本的语义信息,二是无法充分地提取和融合文本全局和局部信息。基于此,提出一种混合特征及多头注意力(HF-MHA)的中文短文本分类方法。该方法利用预训练模型计算中文短文本的字符级向量和词级向量表示,以得到更全面的文本特征向量表示;采用多头注意力机制捕捉文本序列中的依赖关系,以提高文本的语义理解;通过卷积神经网络分别提取两种向量表示的特征,并将其融合为一个特征向量,以整合文本的全局和局部信息;通过输出层得到分类结果。在三个公开数据集上的实验表明,HF-MHA能够有效地提升中文短文本分类的性能。

关键词：中文短文本分类注意力机制词级向量字符级向量

来源：评论

学校读者我要写书评

暂无评论

基于能量感知的智能反射面辅助无人机时效数据收集策略

引用

电子与信息学报 2025年第2期47卷 427-438页

作者：张涛张迁朱颖雯代陈江苏开放大学信息工程学院南京210000 南京航空航天大学计算机科学与技术学院南京210016 南京邮电大学计算机学院南京210023

为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题,该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性... 详细信息

为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题,该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束,设计了一种基于双深度Q网络(DDQN)的联合优化方案,涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题,使无人机能够根据实时环境动态调整飞行轨迹和通信策略,从而在提升数据传输效率的同时降低能量消耗。仿真结果表明,与传统方法相比,所提方案能够显著提高数据收集效率。此外,通过合理分配能量与通信资源,所提方案能够动态适应不同通信环境参数变化,确保系统在能耗与AoI之间达到最佳均衡。

关键词：无人机辅助通信时效性深度强化学习智能反射面

来源：评论

学校读者我要写书评

暂无评论

基于YOLOX的类增量印刷电路板缺陷检测方法

引用

智能系统学报 2024年第4期19卷 1061-1070页

作者：吴瑞林葛泉波刘华平南京信息工程大学自动化学院清华大学计算机科学与技术系

为了应对更加实际的增量式印刷电路板缺陷检测场景，本文将知识蒸馏与YOLOX相结合，提出了一种基于YOLOX的类增量印刷电路板缺陷检测方法。在只使用新训练数据的情况下，模型能够检测出所有学过的缺陷类型。通过对模型的输出特征和中间... 详细信息

为了应对更加实际的增量式印刷电路板缺陷检测场景，本文将知识蒸馏与YOLOX相结合，提出了一种基于YOLOX的类增量印刷电路板缺陷检测方法。在只使用新训练数据的情况下，模型能够检测出所有学过的缺陷类型。通过对模型的输出特征和中间特征使用知识蒸馏来促进旧缺陷类别知识的传递，使得学生模型能够有效保留教师模型在旧缺陷类别上的检测性能。实验结果表明，本文方法能够显著缓解增量学习过程中的灾难性遗忘问题，在两阶段增量场景下，模型对所有缺陷的平均检测精度为88.5%，参数量为25.3×106，检测速度为39.8 f/s，便于工业设备部署的同时，可以满足增量式检测场景下印刷电路板(printed circuit board,PCB)质检的检测精度和检测速度要求。

关键词：深度学习印刷电路板类增量增量学习缺陷检测目标检测动态检测知识蒸馏灾难性遗忘

来源：评论

学校读者我要写书评

暂无评论

多尺度特征融合的知识蒸馏异常检测方法

引用

计算机辅助设计与图形学学报 2022年第10期34卷 1542-1549页

作者：陈亚当陈柳任余文斌朱加乐南京信息工程大学计算机学院、软件学院、网络空间安全学院南京210044 南京信息工程大学数字取证教育部研究中心南京210044

为提高一分类异常检测方法的泛化性,提出了多尺度特征融合的知识蒸馏异常检测方法.在训练阶段,使用训练好的教师网络教授学生网络学习正常样本特征信息;在测试阶段,由于教师网络强大的泛化能力,对未见过的异常样本也有较好的表示能力,... 详细信息

为提高一分类异常检测方法的泛化性,提出了多尺度特征融合的知识蒸馏异常检测方法.在训练阶段,使用训练好的教师网络教授学生网络学习正常样本特征信息;在测试阶段,由于教师网络强大的泛化能力,对未见过的异常样本也有较好的表示能力,而学生网络未见过异常样本,因此,两者对异常样本的表征会产生较大差异,从而实现异常检测.为了进一步提高检测精度,采用中层特征金字塔实现多尺度特征融合,以增强对不同大小异常点的检测能力;同时,为了增大学生和教师网络对异常样本的表征差异,设计了特征重构模块对中层特征进行重构.在公开数据集MVTecAD上的实验结果表明,文中方法分别达到较高的97.8%AUC像素级得分、97.7%AUC图像级得分.

关键词：异常检测知识蒸馏一分类问题特征融合

来源：评论

学校读者我要写书评

暂无评论

中国地面自动气象站小时降水质量控制方法

引用

应用气象学报 2024年第6期35卷 680-691页

作者：朱亚妮杨溯张志强仇建华国家气象信息中心北京100081 南京信息工程大学计算机学院南京210044

高时空分辨率自动气象站降水观测作为重要数据来源,已被广泛应用于强对流天气监测、模式评估、预报复盘等研究工作。仪器故障、特殊天气条件下观测设备的局限性等因素是自动气象站降水数据不确定性的主要来源,这些问题在无人值守气象站... 详细信息

高时空分辨率自动气象站降水观测作为重要数据来源,已被广泛应用于强对流天气监测、模式评估、预报复盘等研究工作。仪器故障、特殊天气条件下观测设备的局限性等因素是自动气象站降水数据不确定性的主要来源,这些问题在无人值守气象站尤为突出。该研究基于2021—2023年中国自动气象站实时观测降水量数据、高时空分辨率雷达数据和高灵敏性降水类天气现象数据,发展适应于中国自动气象站小时降水数据的多源数据协同质量控制方法(multi-source data collaborative quality control,MDC)。通过综合定量指标与典型个例分析,对MDC的应用效果进行全面评估。结果显示:MDC判识正确率为99.92%,错误数据命中率较现行业务提升39.3%。基于多源降水观测数据时空一致性,MDC显著提升了晴空降水、融雪性降水和虚假零值降水等异常数据的甄别能力,有效弥补了传统方法的不足。

关键词：自动气象站 1 h降水量多源数据协同检测质量控制

来源：评论

学校读者我要写书评

暂无评论

基于点云强度和地面约束的大范围激光SLAM

引用

电子测量与仪器学报 2024年第4期38卷 66-75页

作者：孙伟曾豪霆张小瑞王煜叶健峰南京信息工程大学自动化学院南京210044 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京210044 南京工业大学计算机与信息工程学院南京211816 南京信息工程大学电子与信息工程学院南京210044

在无人车领域,点云强度和地面约束对大范围环境下的建图和定位起着非常重要的作用。然而,现有的激光SLAM算法在构建地图时只考虑几何特征,而忽视点云强度信息和地面约束,导致建图细节模糊、在Z轴方向上易存在漂移,从而降低了SLAM系统的... 详细信息

在无人车领域,点云强度和地面约束对大范围环境下的建图和定位起着非常重要的作用。然而,现有的激光SLAM算法在构建地图时只考虑几何特征,而忽视点云强度信息和地面约束,导致建图细节模糊、在Z轴方向上易存在漂移,从而降低了SLAM系统的精度。为此,本文提出了一种基于点云强度和地面约束的激光SLAM优化算法。基于地面测量模型,提出构建局部条件性地面约束,不仅提高地面点提取的准确性,而且减少Z轴方向的漂移;引入点云强度信息来改善非地面点聚类的可靠性,进一步提高建图精度和定位稳定性。提出基于局部平滑度的特征提取方法,通过引入强度因子并对强度特征进行排序,优先选择具有一致强度信息的特征,增强特征提取的鲁棒性。引入球形强度图来构建强度残差,与几何残差共同优化估计位姿,有效解决里程计中地图细节处的模糊问题;基于特征投影的匹配距离以及强度差异被用来去除动态点云的干扰,进一步提高SLAM系统的鲁棒性。在公开数据集KITTI和真实场景下的实验表明,引入地面约束和点云强度信息后,本文提出的算法具有更高的建图和定位精度,相对优于传统LIO-SAM的LVI-SAM算法,本文算法的精度提升了54.5%,为无人车在大范围环境中的SLAM任务提供了可靠解决方案。

关键词：大范围环境地面约束点云强度动态点云

来源：评论

学校读者我要写书评

暂无评论

模态间匹配学习的高光谱和激光雷达联合分类

引用

遥感学报 2024年第1期28卷 154-167页

作者：杭仁龙孙瑜刘青山南京信息工程大学计算机学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044

如何有效地提取和融合不同模态的特征是高光谱图像和激光雷达数据联合分类的关键。近年来,得益于深度学习强大的特征学习能力,其在高光谱图像和激光雷达数据联合分类领域受到了越来越多的关注。然而,现有的深度学习模型大多基于监督学... 详细信息

如何有效地提取和融合不同模态的特征是高光谱图像和激光雷达数据联合分类的关键。近年来,得益于深度学习强大的特征学习能力,其在高光谱图像和激光雷达数据联合分类领域受到了越来越多的关注。然而,现有的深度学习模型大多基于监督学习的模式,分类性能依赖标注样本的数量和质量。为此,本文提出了一种基于模态间匹配学习的联合分类方法,充分利用未标注样本的信息,减少对标注信息的依赖性。具体而言,本文首先通过高光谱图像和激光雷达数据之间的匹配关系和KMeans聚类算法,构造模态匹配标签。然后,利用该标签训练含有多个卷积层的匹配学习网络。该网络由两个并行分支构成,每个分支负责提取单个模态的特征。最后,以该网络为基础,构造高光谱图像和激光雷达数据联合分类模型。该模型的参数由匹配学习网络进行初始化,因而只需要少量标注样本进行微调即可达到理想的分类效果。为了验证本文方法的有效性,在Houston和MUUFL两个常用的高光谱图像和激光雷达数据联合分类数据集上进行了大量的实验。实验结果表明,与已有的分类模型相比,本文方法能够获得更高的分类性能。

关键词：遥感图像高光谱图像激光雷达数据深度学习匹配学习联合分类

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：