检索结果-内蒙古大学图书馆

计算机应用 2020年第3期40卷 842-846页

作者：袁琳君蒋旻罗敦浪江佳俊郭嘉武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

人像修复广泛用于基于图像渲染和计算摄影的照片编辑。针对衣着的不同、高矮胖瘦的区别以及姿态的高自由度等因素给人像修复带来的困难,提出了一种基于生成对抗网络(GAN)的高效人像修复方法。算法分为两阶段:第一阶段基于编码器-解码器... 详细信息

人像修复广泛用于基于图像渲染和计算摄影的照片编辑。针对衣着的不同、高矮胖瘦的区别以及姿态的高自由度等因素给人像修复带来的困难,提出了一种基于生成对抗网络(GAN)的高效人像修复方法。算法分为两阶段:第一阶段基于编码器-解码器网络粗略修复图像,然后估计其中人体姿态信息;第二阶段基于姿态信息和GAN来精确修复人像。利用人像姿态信息来连接人像姿态关键点,形成姿态框架并执行膨胀操作,得到人像姿态掩码,以此构造人像姿态损失函数进行网络训练。实验结果表明,与Contextual Attention修复方法相比,所提方法的修复结果在结构相似度(SSIM)上提升了1%。该方法将人像姿态信息加入到修复过程中,有效地约束了待修复区域人像数据的解空间范围,加强了网络对人像姿态信息的关注程度。

关键词：人像姿态信息生成对抗网络图像修复姿态掩码人像姿态损失

来源：评论

学校读者我要写书评

暂无评论

基于区块链的云数据审计方案

引用

计算机应用研究 2020年第6期37卷 1799-1803页

作者：周坚金瑜何亨李鹏武汉科技大学计算机科学与技术学院武汉430081 湖北省智能信息处理与实时工业系统重点实验室武汉430081

云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而,如何确保云数据完整性成为亟待解决的安全挑战。目前的云数据完整性审计方案绝大部分是基于半可信第三方来提供公共审计服务,它们存在单点失效、性能瓶颈以及泄... 详细信息

云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而,如何确保云数据完整性成为亟待解决的安全挑战。目前的云数据完整性审计方案绝大部分是基于半可信第三方来提供公共审计服务,它们存在单点失效、性能瓶颈以及泄露用户隐私等问题。针对这些缺点提出了基于区块链的审计模型。该模型采用分布式网络、共识算法建立一个去中心化、易扩展的网络解决单点失效问题和计算力瓶颈,利用区块链技术和共识算法加密用户数据保证数据不可窜改和伪造,确保了用户数据的隐私。实验结果表明,与基于半可信第三方云数据审计方案相比,该模型能够保护用户隐私,显著提高了审计效率,减少了通信开销。

关键词：区块链云存储审计共识算法

来源：评论

学校读者我要写书评

暂无评论

基于L1/2正则化和局部纹理约束的人脸超分辨率图像重建

引用

计算机应用研究 2020年第2期37卷 598-600,605页

作者：王宝成李波武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人... 详细信息

为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人脸图像重建,再次加入重建约束和局部纹理约束。为了使获取的人脸图像稀疏系数更加稀疏,使用L1/2正则化求解稀疏表示系数。实验结果表明,重建的人脸图像保持了原图像的结构,可以实现很好的重建结果,并且具有更好的鲁棒性。

关键词：稀疏表示人脸图像图像重建 L1/2正则化局部纹理约束

来源：评论

学校读者我要写书评

暂无评论

离散数学与思政教育

引用

科教导刊-电子版（中旬） 2021年第2期 216-217页

作者：黄莉张凯胡威王晓峰陈诚武汉科技大学计算机科学与技术学院湖北·武汉 430080 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室院湖北·武汉 430080

新时代,高校教育面临新的挑战和机遇之机,新的以德育人的教育观念正在形成.计算机相关的教学中,离散数学课程是数据结构等其他多门专业课的先导课,但对于绝大多数计算机专业认识还停留在娱乐层面的大一学生来说,初次接触离散数学难免感... 详细信息

新时代,高校教育面临新的挑战和机遇之机,新的以德育人的教育观念正在形成.计算机相关的教学中,离散数学课程是数据结构等其他多门专业课的先导课,但对于绝大多数计算机专业认识还停留在娱乐层面的大一学生来说,初次接触离散数学难免感觉晦涩难懂.考虑到学生对思政课程的长期学习和熟悉,本文把离散数学和思政课程相结合的新模式,使学生以思政元素来理解专业知识点,同时在学习专业知识过程中进行思政教育,两者相得益彰.

关键词：离散数学课程思政课程改革

来源：评论

学校读者我要写书评

暂无评论

基于特征权重的恶意软件分类方法

引用

计算机技术与发展 2022年第11期32卷 115-120页

作者：叶彪李琳丁应宋荆汉万振华武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 上海航天精密机械研究所上海201600 深圳开源互联网安全技术有限公司广东深圳518000

近年来由于计算机和人们的工作生活结合得更加紧密,为保障信息安全,恶意软件分类的重要性与日俱增,但是现有的恶意软件分类方法大多都存在模型复杂、耗费时间长以及效果不突出等困境。为提高恶意软件分类效率,提出一个结合特征提取和卷... 详细信息

近年来由于计算机和人们的工作生活结合得更加紧密,为保障信息安全,恶意软件分类的重要性与日俱增,但是现有的恶意软件分类方法大多都存在模型复杂、耗费时间长以及效果不突出等困境。为提高恶意软件分类效率,提出一个结合特征提取和卷积神经网络的恶意软件分类框架。针对目前恶意软件分类算法准确率低、处理时间慢等问题,引入并改进了NLP领域中的一种特征权重算法。通过计算操作码的特征权重,选取具有较大信息增益的操作码作为特征词,然后提取恶意样本的特征图,最后传入卷积神经网络进行训练和分类。实验结果表明,该方法在big2015数据集上的准确率为99.26%,比基于TFIDF特征提取的方法略好,接近该数据集上的冠军方法,在不均衡类别上的分类表现优于基于频率的特征词选择的提取算法,并且在预处理时间上短于其他方法。

关键词：特征权重特征提取操作码卷积神经网络恶意软件分类

来源：评论

学校读者我要写书评

暂无评论

一种基于深度学习的自适应医学超声图像去斑方法

引用

电子与信息学报 2020年第7期42卷 1782-1789页

作者：付晓薇杨雪飞陈芳李曦武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065 华中科技大学材料成形与模具技术国家重点实验室武汉430074 武汉科技大学校医院超声影像科武汉430065 华中科技大学人工智能与自动化学院武汉430074

针对传统医学超声图像去斑方法的不足,该文提出一种自适应多曝光融合框架和前馈卷积神经网络模型图像去斑方法。首先,制作超声图像训练数据集;然后,提出一种自适应增强因子的多曝光融合框架,增强图像进行有效特征提取;最后,通过网络训... 详细信息

针对传统医学超声图像去斑方法的不足,该文提出一种自适应多曝光融合框架和前馈卷积神经网络模型图像去斑方法。首先,制作超声图像训练数据集;然后,提出一种自适应增强因子的多曝光融合框架,增强图像进行有效特征提取;最后,通过网络训练去斑模型并获得去斑后的图像。实验结果表明,该文较已有的方法,能更有效地滤除医学超声图像中的斑点噪声并更多的保留图像细节。

关键词：超声图像深度学习多曝光融合框架乘性斑点噪声

来源：评论

学校读者我要写书评

暂无评论

MRAU-Net:基于改进U-Net和注意力机制的视网膜血管分割

引用

计算机系统应用 2025年第6期 138-145页

作者：谢佳锋廖光忠武汉科技大学计算机科学与技术学院武汉科技大学智能信息处理与实时工业系统湖北省重点实验室

由于眼底图像背景复杂、毛细血管细小且模糊以及噪声干扰等原因,传统视网膜血管分割算法容易出现识别不准确和断连等问题.针对这些问题,提出一种基于改进U-Net和注意力机制的视网膜血管分割算法(MRAUNet).为解决特征提取不充分问题,设... 详细信息

由于眼底图像背景复杂、毛细血管细小且模糊以及噪声干扰等原因,传统视网膜血管分割算法容易出现识别不准确和断连等问题.针对这些问题,提出一种基于改进U-Net和注意力机制的视网膜血管分割算法(MRAUNet).为解决特征提取不充分问题,设计了多尺度残差卷积模块(MSRCB)来代替U-Net传统的卷积块;为了减少信息丢失和噪声干扰,在瓶颈层嵌入双维注意力优化模块(DAOM);为了减少在编解码过程中造成的信息丢失,构建了一种新的多尺度密集空洞卷积块(MDCB),并与传统的跳跃连接相结合.在DRIVE和CHASE＿DB1两个公开数据集上进行了实验, F1-score分别为82.92%、83.75%, AUC分别为98.87%、98.96%,灵敏度分别为84.50%、83.82%,准确率分别为97.11%、97.63%.实验结果表明MRAU-Net较现有优秀算法拥有更优异的性能表现.

关键词：视网膜血管图像分割深度学习 U-Net 注意力机制多尺度密集空洞卷积

来源：评论

学校读者我要写书评

暂无评论

中文图文数据集构建

引用

武汉大学学报（理学版） 2020年第3期66卷 253-260页

作者：邓洲刘茂福胡慧君冯文贺武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 广东外语外贸大学语言工程与计算实验室广东广州510420

为了从更深层次语义信息来描述图像,定义了图像、文本、事件文本、事件图、图像关键要素和文本关键要素六元组,以六元组为对象建立了中文图文数据集。基于事件语义模型与事件语义标注规范,在对采集的图像文本标注事件语义角色与事件关... 详细信息

为了从更深层次语义信息来描述图像,定义了图像、文本、事件文本、事件图、图像关键要素和文本关键要素六元组,以六元组为对象建立了中文图文数据集。基于事件语义模型与事件语义标注规范,在对采集的图像文本标注事件语义角色与事件关系的基础上,采用事件图对其语义进行形式化表示。对该中文图文数据集的统计分析表明,该数据集中各个事件语义角色都有所涉及且分布适中,图文对应区域数量相对句子长度表现适中,图文对数据质量较高。

关键词：图像标题生成事件语义角色图文数据集事件图

来源：评论

学校读者我要写书评

暂无评论

基于PCA的哈希图像检索算法

引用

计算机工程与设计 2020年第2期41卷 483-487页

作者：马绍覃张鸿武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

图像哈希算法的步骤大致分为投影和量化两个阶段,为提高哈希编码的性能,分别对这两个阶段进行研究。在投影阶段,通过主成分分析算法将数据投影到新的特征子空间中,以降低原始特征之间的冗余性;在量化阶段,为减少量化所带来的损失,提出... 详细信息

图像哈希算法的步骤大致分为投影和量化两个阶段,为提高哈希编码的性能,分别对这两个阶段进行研究。在投影阶段,通过主成分分析算法将数据投影到新的特征子空间中,以降低原始特征之间的冗余性;在量化阶段,为减少量化所带来的损失,提出一种单双比特结合的量化方法;利用得到的哈希编码进行图像检索。在两个常用的图像数据集上的实验结果表明,提出的算法较现有的主流图像哈希算法在多个评价指标下均有所提高。

关键词：投影量化哈希图像检索主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于全局不相关的多流形学习

引用

计算机工程与设计 2020年第1期41卷 253-257页

作者：彭永康李波武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

为提升人脸识别算法的鲁棒性,减少判别信息的冗余度,提出基于全局不相关的多流形判别学习算法(UFDML)。使用特征空间到特征空间的距离,学习样本局部判别信息,提出全局不相关约束,使提取的判别特征是统计不相关的。在Yale,AR,ORL人脸库... 详细信息

为提升人脸识别算法的鲁棒性,减少判别信息的冗余度,提出基于全局不相关的多流形判别学习算法(UFDML)。使用特征空间到特征空间的距离,学习样本局部判别信息,提出全局不相关约束,使提取的判别特征是统计不相关的。在Yale,AR,ORL人脸库上的实验结果表明,与LPP(局部保持投影)、LDA(线性判别分析)、UDP(非监督判别投影)等人脸识别算法相比,所提算法的平均识别率高于其它算法,验证了其有效性。

关键词：多流形特征空间距离不相关约束人脸识别鲁棒性

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：