检索结果-内蒙古大学图书馆

中国图象图形学报 2022年第7期27卷 2057-2077页

作者：魏秀参许玉燕杨健南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室南京210094 社会安全图像与视频理解江苏省重点实验室南京210094

细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域(如智慧城市、公共安全、生态保护、农业生产与安全保障)具有重要的科学意义和应用价值。细粒度图像识别在深度学习的助... 详细信息

细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域(如智慧城市、公共安全、生态保护、农业生产与安全保障)具有重要的科学意义和应用价值。细粒度图像识别在深度学习的助力下取得了长足进步,但其对大规模优质细粒度图像数据的依赖成为制约细粒度图像识别推广和普及的瓶颈。随着互联网和大数据的快速发展,网络监督图像数据作为免费的数据来源成为缓解深度学习对大数据依赖的可行解决方案,如何有效利用网络监督数据成为提升细粒度图像识别推广性和泛化性的热门课题。本文围绕细粒度图像识别主题,以网络监督数据下的细粒度识别为重点,先后对细粒度识别数据集、传统细粒度识别方法、网络监督下细粒度识别特点与方法进行介绍,并回顾了全球首届网络监督下的细粒度图像识别竞赛的相关情况及冠军解决方案。最后,在上述内容基础上总结和讨论了该领域的未来发展趋势。

关键词：网络监督细粒度图像识别噪声数据长尾分布类间差异小综述

来源：评论

学校读者我要写书评

暂无评论

分布式深度学习隐私与安全攻击研究进展与挑战

引用

计算机研究与发展 2021年第5期58卷 927-943页

作者：周纯毅陈大卫王尚付安民高艳松南京理工大学计算机科学与工程学院南京210094 桂林电子科技大学广西可信软件重点实验室广西桂林541004

不同于集中式深度学习模式,分布式深度学习摆脱了模型训练过程中数据必须中心化的限制,实现了数据的本地操作,允许各方参与者在不交换数据的情况下进行协作,显著降低了用户隐私泄露风险,从技术层面可以打破数据孤岛,显著提升深度学习的... 详细信息

不同于集中式深度学习模式,分布式深度学习摆脱了模型训练过程中数据必须中心化的限制,实现了数据的本地操作,允许各方参与者在不交换数据的情况下进行协作,显著降低了用户隐私泄露风险,从技术层面可以打破数据孤岛,显著提升深度学习的效果,能够广泛应用于智慧医疗、智慧金融、智慧零售和智慧交通等领域.但生成对抗式网络攻击、成员推理攻击和后门攻击等典型攻击揭露了分布式深度学习依然存在严重隐私漏洞和安全威胁.首先对比分析了联合学习、联邦学习和分割学习3种主流的分布式深度学习模式特征及其存在的核心问题.其次,从隐私攻击角度,全面阐述了分布式深度学习所面临的各类隐私攻击,并归纳和分析了现有隐私攻击防御手段.同时,从安全攻击角度,深入剖析了数据投毒攻击、对抗样本攻击和后门攻击3种安全攻击方法的攻击过程和内在安全威胁,并从敌手能力、防御原理和防御效果等方面对现有安全攻击防御技术进行了度量.最后,从隐私与安全攻击角度,对分布式深度学习未来的研究方向进行了讨论和展望.

关键词：深度学习分布式深度学习隐私攻击隐私保护后门攻击

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

对抗学习下的眼底图像视盘视杯分割算法

引用

计算机应用与软件 2024年第2期41卷 229-237页

作者：王彩云玄祖兴周建平胡晰远程钢炜宋禄琴北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学基础与交叉科学研究所北京100101 安徽工业大学计算机科学与技术学院安徽马鞍山243032 南京理工大学计算机科学与工程学院江苏南京210094 北京协和医院眼科中心北京100005

由于不同数据集的质量、拍摄条件和采集状态的差异,导致模型图像分割效果参差不齐。针对这种情况,提出对抗学习下的眼底图像视盘视杯分割算法,从不同眼底图像数据集中分割视盘(OD)和视杯(OC),在生成对抗网络的基础上,改进生成器网络,加... 详细信息

由于不同数据集的质量、拍摄条件和采集状态的差异,导致模型图像分割效果参差不齐。针对这种情况,提出对抗学习下的眼底图像视盘视杯分割算法,从不同眼底图像数据集中分割视盘(OD)和视杯(OC),在生成对抗网络的基础上,改进生成器网络,加入密集连接块,使网络在更低计算成本、更短训练时间的情况下,获得更优的性能,提高了模型在不同数据集中的泛化能力。实验结果表明,在REFUGE数据集中验证了该算法在分割性能方面的稳定性,同时将算法推广到无须进一步训练就能测试来自不同设备的眼底数据集中均取得了较好的效果。

关键词：深度学习图像分割生成对抗网络(GAN) 眼底图像青光眼诊断

来源：评论

学校读者我要写书评

暂无评论

基于生成式对抗网络的联邦学习后门攻击方案

引用

计算机研究与发展 2021年第11期58卷 2364-2373页

作者：陈大卫付安民周纯毅陈珍珠南京理工大学计算机科学与工程学院南京210094 信息安全国家重点实验室(中国科学院信息工程研究所) 北京100093

联邦学习使用户在数据不出本地的情形下参与协作式的模型训练,降低了用户数据隐私泄露风险,广泛地应用于智慧金融、智慧医疗等领域.但联邦学习对后门攻击表现出固有的脆弱性,攻击者通过上传模型参数植入后门,一旦全局模型识别带有触发... 详细信息

联邦学习使用户在数据不出本地的情形下参与协作式的模型训练,降低了用户数据隐私泄露风险,广泛地应用于智慧金融、智慧医疗等领域.但联邦学习对后门攻击表现出固有的脆弱性,攻击者通过上传模型参数植入后门,一旦全局模型识别带有触发器的输入时,会按照攻击者指定的标签进行误分类.因此针对联邦学习提出了一种新型后门攻击方案Bac_GAN,通过结合生成式对抗网络技术将触发器以水印的形式植入干净样本,降低了触发器特征与干净样本特征之间的差异,提升了触发器的隐蔽性,并通过缩放后门模型,避免了参数聚合过程中后门贡献被抵消的问题,使得后门模型在短时间内达到收敛,从而显著提升了后门攻击成功率.此外,论文对触发器生成、水印系数、缩放系数等后门攻击核心要素进行了实验测试,给出了影响后门攻击性能的最佳参数,并在MNIST,CIFAR-10等数据集上验证了Bac_GAN方案的攻击有效性.

关键词：联邦学习生成式对抗网络后门攻击触发器水印

来源：评论

学校读者我要写书评

暂无评论

基于LightGBM的蛋白质类泛素化修饰位点预测

引用

南京理工大学学报 2022年第2期46卷 156-163页

作者：陈焕超魏志森於东军杨敬民杨静宇闽南师范大学计算机学院闽南师范大学数据科学与智能应用福建省高校重点实验室福建漳州363000 南京理工大学计算机科学与工程学院江苏南京210094

蛋白质类泛素化修饰位点的准确识别对基础研究和药物开发都具有重要意义。该文提出了一种基于蛋白质序列特征的类泛素化修饰位点预测模型。该模型结合氨基酸的物理化学属性统计特征和氨基酸序列二元语法模式特征,训练一种轻量型梯度提升... 详细信息

蛋白质类泛素化修饰位点的准确识别对基础研究和药物开发都具有重要意义。该文提出了一种基于蛋白质序列特征的类泛素化修饰位点预测模型。该模型结合氨基酸的物理化学属性统计特征和氨基酸序列二元语法模式特征,训练一种轻量型梯度提升机(Light gradient boosting machine,LightGBM)分类器预测某个蛋白质序列的类泛素化修饰位点。该文对比了不同特征的鉴别性,以及不同分类模型的预测性能。在基准数据集上的试验结果证明了该文所提方法的有效性,相比于现有方法在性能上取得了明显的提升,马修斯相关系数为91.64%。

关键词：蛋白质翻译后修饰蛋白质类泛素化修饰位点基于序列的预测轻量型梯度提升机二元语法模式

来源：评论

学校读者我要写书评

暂无评论

生成式不完整多视图数据聚类

引用

自动化学报 2021年第8期47卷 1867-1875页

作者：赵博宇张长青陈蕾刘新旺李泽超胡清华天津大学智能与计算学部天津300350 江苏省大数据安全与智能处理重点实验室南京210023 南京邮电大学计算机学院南京210023 国防科技大学计算机学院长沙410073 南京理工大学计算机科学与工程学院南京210094

基于自表示子空间聚类的多视图聚类引起越来越多的关注.大多数现有算法假设每个样本的所有视图都可获得,然而在实际应用中,由于各种因素,可能会导致某些视图缺失.为了对视图不完整数据进行聚类,本文提出了一种在统一框架下同时执行缺失... 详细信息

基于自表示子空间聚类的多视图聚类引起越来越多的关注.大多数现有算法假设每个样本的所有视图都可获得,然而在实际应用中,由于各种因素,可能会导致某些视图缺失.为了对视图不完整数据进行聚类,本文提出了一种在统一框架下同时执行缺失视图补全和多视图子空间聚类的方法.具体地,缺失视图是由已观测视图数据约束的隐表示生成的.此外,多秩张量应用于挖掘不同视图之间的高阶相关性.这样通过隐表示和高阶张量同时挖掘了不同视图以及所有样本(即使是不完整视图样本)之间的相关性.本文使用增广拉格朗日交替方向最小化(AL-ADM)方法求解优化问题.在真实数据集上的实验结果表明,我们的方法优于最新的多视图聚类算法,具有更好的聚类准确度和鲁棒性.

关键词：视图缺失多视图聚类张量生成式模型

来源：评论

学校读者我要写书评

暂无评论

双通道衍射计算成像光谱仪系统

引用

红外与激光工程 2022年第5期51卷 118-125页

作者：赵海博刘彦丽杨雯铄苏云高大化孙权森赵慧洁北京空间机电研究所北京100094 先进光学遥感技术北京市重点实验室北京100094 西安电子科技大学电子工程学院陕西西安710007 南京理工大学计算机科学与工程学院江苏南京210094 北京航空航天大学仪器科学与光电工程学院北京100094

常规衍射光谱成像系统采用单通道方案,主要针对简单图形目标或光谱特征已知的气体目标进行模拟仿真和光谱成像实验。而当目标为自然场景等复杂景物时,成像系统的光谱解算效果和精度难以保证。针对复杂景物成像,设计了一套双通道可见近... 详细信息

常规衍射光谱成像系统采用单通道方案,主要针对简单图形目标或光谱特征已知的气体目标进行模拟仿真和光谱成像实验。而当目标为自然场景等复杂景物时,成像系统的光谱解算效果和精度难以保证。针对复杂景物成像,设计了一套双通道可见近红外衍射计算成像光谱仪系统,在常规单通道衍射成像光谱仪系统的基础上,增加一路全色相机成像,可以为衍射成像通道提供复杂景物的全色信息和先验知识。将两个通道的数据进行联合处理,提升最终的光谱数据反演效果和反演精度。介绍了系统组成和基本原理,分析了系统性能,利用仿真程序模拟了系统成像过程。在实验室搭建了可见近红外衍射计算成像光谱原理验证装置。对实验得到的450~800 nm的可见近红外混叠光谱数据进行光谱复原。利用海洋光学光谱仪测试色板的光谱曲线作为标准谱线,与复原得到的光谱数据进行对比,反演的光谱数据平均精度优于90%。通过衍射计算成像原理分析、模拟仿真和原理实验,验证了双通道衍射计算成像系统原理的正确性,能够反演得到精度优于90%的复杂景物光谱数据,提升了衍射成像光谱系统应用潜力和应用价值。

关键词：光谱衍射计算成像图像复原

来源：评论

学校读者我要写书评

暂无评论

级联稀疏卷积与决策树集成的病理图像细胞核分割方法

引用

自动化学报 2021年第2期47卷 378-390页

作者：宋杰肖亮练智超南京邮电大学自动化学院、人工智能学院南京210023 南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室南京210094

数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义,其中细胞核的形态测量是病理量化分析的关键.然而,由于病理图像背景复杂,细胞核高密度分布、细胞粘连等,个体细胞核精准分割是一个挑战性问题.本文提出一个级联稀疏卷积... 详细信息

数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义,其中细胞核的形态测量是病理量化分析的关键.然而,由于病理图像背景复杂,细胞核高密度分布、细胞粘连等,个体细胞核精准分割是一个挑战性问题.本文提出一个级联稀疏卷积与决策树集成学习的细胞核分割模型.该模型由稀疏可分离卷积模块和集成决策树学习的正则化回归模块堆叠级联组成,其中:前者采取秩-1张量分解学习机制,可分层抽取细胞核的多尺度方向分布式抽象特征;而后者采取随机采样、树剪枝以及正则化回归机制提升逐像素回归分类能力.相比于现有深度学习模型,该模型无需非线性激活和后向传播计算,参数规模较小,可实现端到端的学习.通过乳腺、前列腺、肾脏、胃和膀胱等多组病理图像的分割实验表明:该模型能够实现复杂数字病理图像中的高密度细胞核的快速个体目标检测和分割,在Jaccard相似性系数、F1分数和平均边缘距离三个指标上均优于目前CNN2、CNN3和U-Net等深度学习方法,具有较好应用前景.

关键词：数字病理细胞核分割级联稀疏可分离卷积集成决策树正则化回归深层表征学习

来源：评论

学校读者我要写书评

暂无评论

基于图卷积网络融合依存信息的事件检测方法

引用

计算机应用研究 2023年第10期40卷 2967-2971,3006页

作者：张紫月王羽徐建南京理工大学计算机科学与工程学院南京210094 国防科技大学信息系统工程重点实验室长沙410003 中国电子科技集团公司第二十八研究所南京210007

句子级别细粒度的事件检测任务旨在对触发词进行识别与分类。针对现有事件检测方法中存在的过度平滑及缺乏依存类型信息的问题,提出了一种基于图卷积网络融合依存信息的事件检测方法。该模型首先使用双向长短期记忆网络对句子进行编码,... 详细信息

句子级别细粒度的事件检测任务旨在对触发词进行识别与分类。针对现有事件检测方法中存在的过度平滑及缺乏依存类型信息的问题,提出了一种基于图卷积网络融合依存信息的事件检测方法。该模型首先使用双向长短期记忆网络对句子进行编码,同时根据依存分析构建多阶句法图和依存句法图;然后利用图卷积网络融合句子的依存信息,从而有效地利用多跳信息和依存标签信息。在自动文本抽取数据集上进行实验,在触发词识别和分类这两个子任务中分别取得了81.7%和78.6%的F 1值。结果显示,提出的方法能更加有效地捕获句子中的事件信息,提升了事件检测的效果。

关键词：依存信息图卷积网络事件检测多阶句法图依存句法图

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：