为了提高U-Net网络性能的同时尽可能减少额外计算量,本文提出了一种新的多尺度偶数卷积注意力UNet(Multiscale Even Convolution Attention U-Net,MECAU-Net)网络。该网络在编码端采用2×2偶数卷积代替3×3卷积进行特征提取,并...
详细信息
为了提高U-Net网络性能的同时尽可能减少额外计算量,本文提出了一种新的多尺度偶数卷积注意力UNet(Multiscale Even Convolution Attention U-Net,MECAU-Net)网络。该网络在编码端采用2×2偶数卷积代替3×3卷积进行特征提取,并借鉴多尺度思想,采用4×4偶数卷积将得到的信息直接传递给主干部分,以获取更全面的图像信息并减少额外计算开销,同时还采用对称填充解决偶数卷积提取信息过程中产生的偏移问题。此外,在2×2偶数卷积模块后加入卷积注意力模块,结合空间和通道注意力,在提取更丰富的信息的同时几乎不增加额外开销。最后,在两个医学图像数据集上进行仿真实验,实验结果表明提出的MECAU-Net网络相对于U-Net在稍微增加计算成本的情况下,分割性能得到了较大的提升,并比其他对比网络取得更好的分割性能的同时还降低了参数量。
软件定义网络(Software Defined Network,SDN)是一种革命性的通信网络架构,极大地提高了网络的灵活性和可管理性。然而,SDN面临着众多的数据共享安全威胁和机制缺陷。为了解决这些问题,区块链作为一种去中心化、不可篡改、数据多方维护...
详细信息
软件定义网络(Software Defined Network,SDN)是一种革命性的通信网络架构,极大地提高了网络的灵活性和可管理性。然而,SDN面临着众多的数据共享安全威胁和机制缺陷。为了解决这些问题,区块链作为一种去中心化、不可篡改、数据多方维护的分布式数据账本,提供了潜在的解决方案。首先简要介绍了SDN的基本概念以及在数据共享方面的需求,接着分析了区块链在提升数据安全共享方面的优势。根据安全信任框架、共享数据校验、跨域信息共识和节点安全防护等四个安全应用分类,系统地调研基于区块链的SDN网络数据安全共享的最新研究进展,并突出对比了各种解决方案的主要特性。然后从系统性能角度,分析基于区块链的解决方案可靠性。最后,从隐私保护、认证机制、共识安全和性能效率方面展望了未来的研究工作方向。
具有混合记忆的自步对比学习(Self-paced Contrastive Learning,SpCL)通过集群聚类生成不同级别的伪标签来训练网络,取得了较好的识别效果,然而该方法从源域和目标域中捕获的行人数据之间存在典型的分布差异,使得训练出的网络不能准确区别目标域和源域数据域特征。针对此问题,提出了双分支动态辅助对比学习(Dynamic Auxiliary Contrastive Learning,DACL)框架。该方法首先通过动态减小源域和目标域之间的局部最大平均差异(Local Maximum Mean Discrepancy,LMMD),以有效地学习目标域的域不变特征;其次,引入广义均值(Generalized Mean,GeM)池化策略,在特征提取后再进行特征聚合,使提出的网络能够自适应地聚合图像的重要特征;最后,在3个经典行人重识别数据集上进行了仿真实验,提出的DACL与性能次之的无监督域自适应行人重识别方法相比,mAP和rank-1在Market1501数据集上分别增加了6.0个百分点和2.2个百分点,在MSMT17数据集上分别增加了2.8个百分点和3.6个百分点,在Duke数据集上分别增加了1.7个百分点和2.1个百分点。
暂无评论