检索结果-内蒙古大学图书馆

计算机工程与应用 2022年第7期58卷 21-30页

作者：申栩林李超波李洪均南通大学信息科学技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室南京210093

视频异常检测作为计算机视觉的重要分支,是智能监控系统中一项极具挑战性的任务,通常是指自动识别视频中的异常目标、行为或事件,对保障公共安全起着至关重要的作用。生成对抗网络是一种新兴的无监督方法,不仅可以用于生成图像,且其独... 详细信息

视频异常检测作为计算机视觉的重要分支,是智能监控系统中一项极具挑战性的任务,通常是指自动识别视频中的异常目标、行为或事件,对保障公共安全起着至关重要的作用。生成对抗网络是一种新兴的无监督方法,不仅可以用于生成图像,且其独特的对抗性学习思想在异常检测领域也显示出良好的发展潜力。介绍了生成对抗网络的框架结构;根据场景密度以及行为发生的对象,从个体行为异常、群体异常两个方面论述了生成对抗网络在视频异常检测领域的研究现状,分别基于重构和预测的方法对个体异常行为检测和群体异常行为检测作进一步阐述;简要介绍了视频异常检测的常用数据集;最后对未来发展作出了展望。

关键词：异常行为检测生成对抗网络群体异常检测个体行为异常

来源：评论

学校读者我要写书评

暂无评论

Patch-Locator:一种基于排序学习的开源软件漏洞补丁定位方法

引用

小型微型计算机系统 2024年第10期45卷 2551-2560页

作者：杨云帆薄莉莉魏颖吴潇雪孙小兵扬州大学信息工程学院江苏扬州225127 江苏省知识管理与智能服务工程研究中心江苏扬州225127 计算机软件新技术国家重点实验室(南京大学) 南京210023

日益增多的开源软件漏洞对软件安全带来了巨大的风险,补丁在应对这一风险的过程中扮演了非常重要的角色.不幸的是,尽管大部分漏洞的补丁在被披露前就已经开发完毕,但仅有部分补丁会随漏洞同步公开.现有的研究发现了漏洞与其补丁之间存... 详细信息

日益增多的开源软件漏洞对软件安全带来了巨大的风险,补丁在应对这一风险的过程中扮演了非常重要的角色.不幸的是,尽管大部分漏洞的补丁在被披露前就已经开发完毕,但仅有部分补丁会随漏洞同步公开.现有的研究发现了漏洞与其补丁之间存在一定的相关性,并基于这些相关性特征对提交进行了排序,以定位漏洞的补丁,但仍旧存在漏洞数据部分缺失、定位准确率不佳等问题.本文提出了Patch-Locator,一种新的基于排序学习的补丁定位方法,通过扩展漏洞数据源对漏洞数据进行补充,并根据漏洞与补丁文本的相似性、漏洞产生的原因和导致的结果等更能反映漏洞与补丁间关联的因素提取了更具有针对性的相关性特征,并使用LambdaMart排序学习模型对提交基于其具有的相关性特征进行排序以定位安全补丁.本文用来自10个开源软件项目的1669个漏洞来评估Patch-Locator.实验结果表明,Patch-Locator的Recall@1指标为92.22%,Recall@5指标为95.51%,Manual Effort@5指标为1.2455,均优于现有方法.

关键词：开源软件安全补丁排序学习补丁定位

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的多尺度残差UNet实现乳腺癌灶分割

引用

计算机应用 2022年第3期42卷 818-824页

作者：罗圣钦陈金怡李洪均南通大学信息科学技术学院江苏南通226019 计算机软件新技术国家重点实验室(南京大学) 南京210023

针对乳腺癌灶在磁共振成像(MRI)中呈现大小形状不一、边界模糊等特点,为避免误分割并提高分割精度,提出一种基于注意力机制的多尺度残差UNet分割算法。首先,利用多尺度残差单元替换UNet在下采样过程中的相邻两个卷积块以加强对形态大小... 详细信息

针对乳腺癌灶在磁共振成像(MRI)中呈现大小形状不一、边界模糊等特点,为避免误分割并提高分割精度,提出一种基于注意力机制的多尺度残差UNet分割算法。首先,利用多尺度残差单元替换UNet在下采样过程中的相邻两个卷积块以加强对形态大小差异的关注;接着,在上采样阶段使用跨层的注意力引导网络对重点区域的关注,避免造成对健康组织的误分割;最后,引入空洞空间金字塔池化作为分割网络的桥接模块以强化对病灶的表征能力。与UNet相比,所提算法在Dice系数、交并比(IoU)、特异度(SP)、准确度(ACC)等指标上分别提升了2.26、2.11、4.16、0.05个百分点。实验结果表明,所提算法能够提高癌灶分割精度,有效降低影像诊断的假阳性率。

关键词：乳腺癌灶分割多尺度残差注意力机制桥接模块假阳性率

来源：评论

学校读者我要写书评

暂无评论

用户评论驱动的语音测试数据生成方法

引用

小型微型计算机系统 2023年第7期44卷 1382-1390页

作者：曹冬玉陶传奇郭虹静黄志球南京航空航天大学计算机科学与技术学院南京211106 南京航空航天大学高安全系统的软件开发与验证技术工信部重点实验室南京211106 南京大学计算机软件新技术国家重点实验室南京210023 软件新技术与产业化协同创新中心南京210093

目前,语音识别的测试需要提供语音及其转录文本,测试语音需要涵盖各个场景下的语音输入,因此,测试语音的数量远远不够.鉴于用户评论中包含用户使用场景等可辅助测试的信息,文中提出一种用户评论驱动的语音测试数据生成方法.首先,爬取移... 详细信息

目前,语音识别的测试需要提供语音及其转录文本,测试语音需要涵盖各个场景下的语音输入,因此,测试语音的数量远远不够.鉴于用户评论中包含用户使用场景等可辅助测试的信息,文中提出一种用户评论驱动的语音测试数据生成方法.首先,爬取移动应用市场中语音相关应用的用户评论,对其进行清洗和预处理.其次,提取评论中的语音属性并分析语音属性在评论中的组合.最后,通过数据蜕变对语音种子进行语音属性及其组合的变换,生成语音测试数据.文中对百度、阿里云和讯飞语音识别进行实验,通过语音种子与生成测试语音的输出结果是否一致来评估识别错误率.实验结果表明,生成的测试语音可以有效检测出三款语音识别软件中的错误行为.

关键词：用户评论挖掘测试数据生成语音识别数据蜕变测试

来源：评论

学校读者我要写书评

暂无评论

基于网络表示学习的车险欺诈溯因分析研究

引用

计算机科学 2023年第2期50卷 300-309页

作者：李炜卓卢冰洁杨骏铭那崇宁南京邮电大学现代邮政学院南京210003 之江实验室金融科技研究中心杭州311100 南京大学计算机软件新技术国家重点实验室南京210093 东南大学计算机网络和信息集成教育部重点实验室南京211189

车险欺诈检测对促进汽车保险业的良性健康发展有着重要意义。由于欺诈的判断涉及公民权利等核心内容,需要车险专家对案件进行核查,提供欺诈原因。尽管基于机器学习的方法泛化能力强、精确度高,但缺少可解释性,而基于专家系统的规则方法... 详细信息

车险欺诈检测对促进汽车保险业的良性健康发展有着重要意义。由于欺诈的判断涉及公民权利等核心内容,需要车险专家对案件进行核查,提供欺诈原因。尽管基于机器学习的方法泛化能力强、精确度高,但缺少可解释性,而基于专家系统的规则方法尽管有较好的可解释性,但受限于规则复杂的触发条件。为了解决未触发专家系统欺诈规则而被机器学习方法检测为“欺诈”的案件无法被解释的问题,文中提出了基于网络表示学习的车险欺诈溯因分析方法。该方法首先定义了车险欺诈溯因分析任务,然后采用网络表示学习对已触发专家系统中欺诈规则的案件进行案件-规则因子网络的建模,学习欺诈规则中因子的分布式向量表示。为了更好地度量“欺诈”案件与专家系统中因子未全部触发规则之间的相似度,该方法基于溯因缺省原理,设计了一种规则因子的加权拼接策略来缓解训练数据不足的问题。实验结果表明,所提方法相较于已有方法在车险欺诈溯因预测任务的3项指标中均能取得更好的效果。

关键词：汽车保险欺诈网络表示学习溯因推理专家系统可解释性

来源：评论

学校读者我要写书评

暂无评论

RGB-D图像多尺度融合的深度图像增强算法

引用

指挥信息系统与技术 2022年第3期13卷 78-84页

作者：赖水长过洁李悫炜郭延文南京大学计算机软件新技术国家重点实验室南京210023

随着消费级RGB及深度(RGB⁃D)图像相机技术的不断进步,场景的深度信息也在场景理解领域得以广泛应用。为了解决消费级相机获取的深度图像存在的分辨率低以及带有明显空洞与噪声等问题,提出了一种RGB⁃D图像多尺度融合的深度图像增强算法。... 详细信息

随着消费级RGB及深度(RGB⁃D)图像相机技术的不断进步,场景的深度信息也在场景理解领域得以广泛应用。为了解决消费级相机获取的深度图像存在的分辨率低以及带有明显空洞与噪声等问题,提出了一种RGB⁃D图像多尺度融合的深度图像增强算法。RGB图像和深度图像分别经独立分支处理得到多尺度高维特征,而这2类特征在多个尺度上逐步融合,从而使空洞和噪声从粗尺度到细尺度逐步减少。此外,设计了一种混合多尺度损失函数,以确保全局物体结构清晰,并保留物体边界的深度不连续性。试验结果表明,该算法及其损失函数均可提高深度图像的质量,算法可行有效。

关键词：深度图像增强特征融合卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的社交网络影响力预测算法

引用

南京大学学报（自然科学版） 2022年第3期58卷 386-397页

作者：陈轶洲刘旭生孙林檀李文中方立兵陆桑璐南京大学计算机软件新技术国家重点实验室南京210023 国家电网有限公司客户服务中心天津300309 南京大学工程管理学院南京210023

近十年来,通过社交网络(如微博、推特)分享信息已经成为人们日常生活中不可缺少的一个环节,如何有效地预测信息传播的影响力成为社交网络研究中的重要课题,不论是识别病毒式营销和虚假新闻还是精确推荐和在线广告都有许多应用.目前,一... 详细信息

近十年来,通过社交网络(如微博、推特)分享信息已经成为人们日常生活中不可缺少的一个环节,如何有效地预测信息传播的影响力成为社交网络研究中的重要课题,不论是识别病毒式营销和虚假新闻还是精确推荐和在线广告都有许多应用.目前,一些应用深度学习进行社交网络影响力预测的方法已经取得了一定进展,但在进行深度学习时仍会面临以下难点:用户通常具有不同的行为和兴趣并且他们同时通过不同的渠道进行互动;用户之间的关系难以检测和形式化表达.传统的社交网络影响力预测方法通过设计复杂的规则来手动提取用户及其所处网络的特征信息,这一方法的有效性严重依赖于设置规则的专业性,所以很难将某一领域的规则推广到其他领域的应用中去.基于深度神经网络模型,设计一种端到端的神经网络来学习用户的隐藏特征信息以预测其社交网络影响力.首先通过图嵌入的方式对用户的局部网络进行特征提取,然后将特征向量作为输入对图神经网络进行训练,从而对用户的社会表征进行预测.该方法的创新之处:运用图卷积和图关注方法,将社交网络中用户的特征属性和其所处局域网络特征相结合,大大提高了模型预测的精度.通过在推特、微博、开放知识图谱等数据集上的大量实验,证明该方法在不同类型的网络中都有较好的表现.

关键词：图嵌入图卷积图注意力社交网络深度学习

来源：评论

学校读者我要写书评

暂无评论

人脸识别任务驱动的低光照图像增强算法

引用

图学学报 2022年第6期43卷 1170-1181页

作者：范溢华王永振燕雪峰宫丽娜郭延文魏明强南京航空航天大学计算机科学与技术学院江苏南京210016 南京大学计算机软件新技术国家重点实验室江苏南京210023

图像容易受外界照明条件的影响或相机参数条件的限制,导致图像整体偏暗、视觉效果不佳,降低了下游视觉任务的性能,从而引发安全问题。以人脸识别任务为驱动,提出了一种基于对比学习范式的非成对低光照图像增强算法Low-FaceNet。Low-Face... 详细信息

图像容易受外界照明条件的影响或相机参数条件的限制,导致图像整体偏暗、视觉效果不佳,降低了下游视觉任务的性能,从而引发安全问题。以人脸识别任务为驱动,提出了一种基于对比学习范式的非成对低光照图像增强算法Low-FaceNet。Low-FaceNet主干采用基于U-Net结构的图像增强网络,引入特征保持、语义分割和人脸识别3个子网络辅助图像增强网络的训练。使用对比学习范式可以使得真实世界大量非成对的低光照和正常光照图像作为负/正样本,提高了真实场景的泛化能力;融入高阶语义信息,可以指导低阶图像增强网络更高质量地增强图像;任务驱动可以增强图像的同时提升人脸识别的准确率。在多个公开数据集上进行验证,可视化与量化结果均表明,Low-FaceNet能在增强图像亮度的同时保持图像中各种细节特征,并有效地提升低光照条件下人脸识别的准确率。

关键词：低光照图像增强人脸识别对比学习任务驱动语义分割

来源：评论

学校读者我要写书评

暂无评论

可靠多模态学习综述

引用

软件学报 2021年第4期32卷 1067-1081页

作者：杨杨詹德川姜远熊辉南京理工大学计算机科学与工程学院江苏南京210094 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 Rutgers Business School NewarkNJ 07012USA

近年来,多模态学习逐步成为机器学习、数据挖掘领域的研究热点之一,并成功地应用于诸多现实场景中,如跨媒介搜索、多语言处理、辅助信息点击率预估等.传统多模态学习方法通常利用模态间的一致性或互补性设计相应的损失函数或正则化项进... 详细信息

近年来,多模态学习逐步成为机器学习、数据挖掘领域的研究热点之一,并成功地应用于诸多现实场景中,如跨媒介搜索、多语言处理、辅助信息点击率预估等.传统多模态学习方法通常利用模态间的一致性或互补性设计相应的损失函数或正则化项进行联合训练,进而提升单模态及集成的性能.而在开放环境下,受数据缺失及噪声等因素的影响,多模态数据呈现不均衡性.具体表现为单模态信息不充分或缺失,从而导致"模态表示强弱不一致""模态对齐关联不一致"两大挑战,而针对不均衡多模态数据直接利用传统的多模态方法甚至会退化单模态和集成的性能.针对这类问题,可靠多模态学习被提出并进行了广泛研究,系统地总结和分析了目前国内外学者针对可靠多模态学习取得的进展,并对未来研究可能面临的挑战进行展望.

关键词：不均衡多模态数据模态表示强弱不一致模态对齐关联不一致可靠多模态学习

来源：评论

学校读者我要写书评

暂无评论

移动App即时缺陷预测模型的可解释性方法

引用

计算机应用研究 2022年第7期39卷 2104-2108页

作者：胡新宇陈翔夏鸿崚顾亚锋南通大学信息科学技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室南京210023

在移动App即时缺陷预测领域,大部分研究只关注预测模型的性能,而忽略了模型的可解释性,因此会造成开发人员对缺陷预测模型的预测结果缺乏信任,并阻碍了缺陷预测模型在实践中的应用。主要针对Android移动App即时缺陷预测模型的可解释性... 详细信息

在移动App即时缺陷预测领域,大部分研究只关注预测模型的性能,而忽略了模型的可解释性,因此会造成开发人员对缺陷预测模型的预测结果缺乏信任,并阻碍了缺陷预测模型在实践中的应用。主要针对Android移动App即时缺陷预测模型的可解释性展开研究,通过差分进化算法对局部可解释技术LIME方法进行超参优化得到ExplainApp方法,该方法可以对预测结果生成高质量解释。选择了14个实际Android应用程序作为实验对象,最终结果表明,ExplainApp方法可以解释移动App即时缺陷预测模型得到的实例预测结果。ExplainApp方法在拟合优度上要优于原始的LIME方法,可以平均提高94.50%。

关键词：即时缺陷预测移动软件可解释性超参优化

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：