检索结果-内蒙古大学图书馆

科学通报 2023年第35期68卷 4821-4843页

作者：张艳宁王鹏张磊闫庆森西北工业大学计算机学院空天地海一体化大数据应用国家工程实验室西安710129

无人移动平台是改变未来人类生产生活方式和战争形态的新质科技力量,其核心在于利用人工智能技术提升无人移动平台的自主化和智能化水平.然而,现阶段的人工智能模型参数、结构、推理链等核心要素固化,当无人移动平台面对复杂多变的对象... 详细信息

无人移动平台是改变未来人类生产生活方式和战争形态的新质科技力量,其核心在于利用人工智能技术提升无人移动平台的自主化和智能化水平.然而,现阶段的人工智能模型参数、结构、推理链等核心要素固化,当无人移动平台面对复杂多变的对象、环境、任务以及资源受限的硬件平台,泛化和外推能力严重受限,无法满足实际应用需求.为了攻克这一技术难题,受生命智能体进化机制启发,本文提出了面向无人移动平台的自主进化学习方法,并根据进化模式的不同,将智能模型的自主进化过程划分为即时性进化、长时性进化和推理链进化3个层次;详细讨论了每个层次智能模型进化方法的技术路线和优缺点;最后,对智能模型自主进化技术在无人移动平台上的应用进行了展望与分析,并指出了现阶段自主进化学习方法存在的问题以及未来的研究方向.

关键词：人工智能自主进化即时性进化长时性进化推理链路自主进化

来源：评论

学校读者我要写书评

暂无评论

面向深度模型的对抗攻击与对抗防御技术综述

引用

信号处理 2025年第2期41卷 198-223页

作者：王文萱汪成磊齐慧慧叶梦昊张艳宁西北工业大学计算机学院陕西西安710129 西北工业大学国家卓越工程师学院陕西西安710072 空天地海一体化大数据应用技术国家工程实验室陕西西安710129

深度学习技术已广泛应用于图像分类和目标检测等计算机视觉核心任务,并取得了瞩目的进展。然而,深度学习模型因其高度的复杂性与内在的不确定性,极易成为对抗样本攻击的靶标。攻击者巧妙地利用数据中细微的、精心设计的扰动,诱导模型以... 详细信息

深度学习技术已广泛应用于图像分类和目标检测等计算机视觉核心任务,并取得了瞩目的进展。然而,深度学习模型因其高度的复杂性与内在的不确定性,极易成为对抗样本攻击的靶标。攻击者巧妙地利用数据中细微的、精心设计的扰动,诱导模型以极高的置信度输出错误结果,此类对抗样本对实际应用场景中模型的可靠性及安全性构成了严峻的挑战与潜在威胁。例如,攻击者可利用对抗眼镜误导人脸识别系统,导致身份误判,进而实施非法入侵、身份冒用等威胁公共安全和个人隐私的行为;也可对自动驾驶系统的监控数据添加对抗噪声,虽不破坏交通工具本身特征,却可能导致漏检重要交通工具,引发交通混乱甚至事故,造成严重后果。本文旨在梳理当前对抗攻击与对抗防御技术的研究现状。具体而言,内容涵盖以下三个方面:1)在概述对抗样本基本概念和分类的基础上,剖析了多种对抗攻击的形式和策略,并举例介绍了具有代表性的经典对抗样本生成方法;2)阐述对抗样本的防御方法,从模型优化、数据优化和附加网络三个方向系统梳理了当前提高模型对抗鲁棒性的各类算法,分析了各类防御方法的创新性和有效性;3)介绍对抗攻击和对抗防御的应用实例,阐述了大模型时代对抗攻击和防御的发展现状,分析了在实际应用中遇到的挑战及解决方案。最后本文对当前对抗攻击与防御方法进行了总结分析,并展望了该领域内未来的研究方向。

关键词：对抗攻击对抗防御深度学习计算机视觉可信人工智能

来源：评论

学校读者我要写书评

暂无评论

基于Transformer结构增强的神经网络架构搜索性能预测器

引用

计算机学报 2024年第7期47卷 1469-1484页

作者：王继禾吴颖迟恒喆王党辉梅魁志西北工业大学计算机学院西安710129 嵌入式系统集成教育部工程中心西安710129 空天地海一体化大数据应用技术国家工程实验室西安710129 西安交通大学人工智能与机器人研究所西安710049

神经网络架构搜索(Neural Architecture Search,NAS)作为一种通过搜索算法设计神经网络架构的方法,在计算机视觉和自然语言处理等领域得到广泛应用,相较于人工设计网络,NAS方法可以减少设计成本并提高模型性能.但是NAS的性能评估需要对... 详细信息

神经网络架构搜索(Neural Architecture Search,NAS)作为一种通过搜索算法设计神经网络架构的方法,在计算机视觉和自然语言处理等领域得到广泛应用,相较于人工设计网络,NAS方法可以减少设计成本并提高模型性能.但是NAS的性能评估需要对候选架构进行大量训练,由此带来的计算量占整个NAS的80%以上.为降低计算开销和时间成本,近年来已提出许多基于Transformer的NAS预测器,由于Transformer出色的结构编码能力可以更好地表示拓扑信息,因而得到广泛应用.但是,现有基于Transformer的NAS预测器依然存在三个问题:其一是在预处理阶段,传统的One-hot编码方式描述节点特征的能力较弱,只能区分不同操作节点类型,而难以表达操作的细节特征,如卷积核尺寸等.其二是在编码阶段,Transformer的自注意力机制导致模型结构信息缺失;其三是在评估阶段,现有的Transformer预测器仅使用多层感知机(Multilayer Perceptron,MLP)对前向传播图进行精度预测,忽略了反向传播梯度流对预测精度的影响,因此难以真正拟合NAS评估中的正、反向交替信息流图,导致预测器精度与实际运行精度误差波动极大(10%~90%).为解决上述问题,本文提出了一种基于Transformer结构增强的NAS性能预测方法.首先,在预处理阶段,本文提出了一种超维嵌入方法增加输入数据维度以强化节点操作的参数描述能力,其次,在编码阶段将Transformer编码后的信息与图结构信息共同输人一个图卷积网络(Graph Convolutional Network,GCN),弥补由自注意力机制引起的结构缺失.最后,在性能评估阶段,本文构建了同时包含前向传播和反向传播的全训练图,并将数据集信息、图结构编码与梯度编码共同输入到GCN网络预测器中,使预测结果更贴近模型真实性能.实验结果表明,本方法与目前最先进方法相比,肯德尔相关系数提高了7.45%,训练时间减少了1.55倍。

关键词：预测器 NAS Transformer GCN Embedding

来源：评论

学校读者我要写书评

暂无评论

基于细粒度特征融合的部分多模态哈希

引用

软件学报 2024年第3期35卷 1074-1089页

作者：殷崭祚李博涵王萌黄瑞龙吴文隆王昊奋南京航空航天大学计算机科学与技术学院江苏南京211106 软件新技术与产业化协同创新中心江苏南京211106 空天地海一体化大数据应用技术国家工程实验室(西北工业大学) 陕西西安710119 同济大学设计创意学院上海200092

多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但... 详细信息

多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但是仍然存在着3个重要问题:(1)已有方法偏向于考虑所有样本都是模态完整的,然而在实际检索场景中,样本缺失部分模态的情况依然存在;(2)大多数方法都是基于浅层学习模型,这不可避免地限制了模型的学习能力,从而影响最终的检索效果;(3)针对模型学习能力弱的问题已提出了基于深度学习框架的方法,但是它们在提取各个模态的特征后直接采用了向量拼接等粗粒度特征融合方法,未能有效地捕获深层语义信息,从而弱化了哈希码的表示能力并影响最终的检索效果.针对以上问题,提出了PMH-F^(3)模型.该模型针对样本缺失部分模态的情况,实现了部分多模态哈希.同时,基于深层网络架构,利用Transformer编码器,以自注意力方式捕获深层语义信息,并实现细粒度的多模态特征融合.基于MIRFlickr和MSCOCO数据集进行了充分实验并取得了最优的检索效果.实验结果表明:所提出的PMH-F^(3)模型能够有效地实现部分多模态哈希,并可应用于大规模多模态数据检索.

关键词：部分多模态哈希多模态数据检索细粒度特征融合

来源：评论

学校读者我要写书评

暂无评论

基于重要特征的视觉目标跟踪可迁移黑盒攻击方法

引用

电子学报 2023年第4期51卷 826-834页

作者：姚睿朱享彬周勇王鹏张艳宁赵佳琦中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116 空天地海一体化大数据应用技术国家工程实验室陕西西安710129 西北工业大学计算机学院陕西西安710129

视频目标跟踪的黑盒攻击方法受到越来越多的关注,目的是评估目标跟踪器的稳健性,进而提升跟踪器的安全性.目前大部分的研究都是基于查询的黑盒攻击,尽管取得较好的攻击效果,但在实际应用中往往不能获取大量的查询以进行攻击.本文提出一... 详细信息

视频目标跟踪的黑盒攻击方法受到越来越多的关注,目的是评估目标跟踪器的稳健性,进而提升跟踪器的安全性.目前大部分的研究都是基于查询的黑盒攻击,尽管取得较好的攻击效果,但在实际应用中往往不能获取大量的查询以进行攻击.本文提出一种基于迁移的黑盒攻击方法,通过对特征中与跟踪目标高度相关而不受源模型影响的重要特征进行攻击,将其重要程度降低,同时增强不重要的特征以实现具有可迁移性的攻击,即通过反向传播获得的所对应的梯度来体现其特征的重要程度,随后通过梯度得到的加权特征进行攻击.此外,本文使用视频相邻两帧之间相似这一时序信息,提出基于时序感知的特征相似性攻击方法,通过减小相邻帧之间的特征相似度以进行攻击.本文在目前主流的深度学习目标跟踪器上评估了提出的攻击方法,在多个数据集上的实验结果证明了本文方法的有效性及强可迁移性,在OTB数据集中,SiamRPN跟踪模型被攻击后跟踪成功率以及精确度分别下降了71.5%和79.9%.

关键词：对抗攻击视觉目标跟踪黑盒攻击可迁移性重要特征特征相似性

来源：评论

学校读者我要写书评

暂无评论

文本风格迁移综述

引用

中文信息学报 2025年第4期39卷 1-29页

作者：刘浦胜吴连伟饶元高超王震西北工业大学计算机学院空天地海一体化大数据应用技术国家工程实验室陕西西安710129 西北工业大学深圳研究院广东深圳518063 西北工业大学重庆科创中心重庆400799 西安交通大学软件学院陕西西安710049 西北工业大学光电与智能研究院陕西西安710072

近年来,人工智能技术的不断突破极大地推动了可控文本生成领域的发展,其中文本风格迁移研究作为核心技术的代表,受到学术界和工业界的广泛关注。该文梳理了近年来文本风格迁移领域的发展脉络,首先给出了文本风格迁移的定义及其面临的挑... 详细信息

近年来,人工智能技术的不断突破极大地推动了可控文本生成领域的发展,其中文本风格迁移研究作为核心技术的代表,受到学术界和工业界的广泛关注。该文梳理了近年来文本风格迁移领域的发展脉络,首先给出了文本风格迁移的定义及其面临的挑战,从应用场景、目的需求两个视角详细阐述了该领域四大类型任务,并从数据来源、标签及数据规模三方面介绍了该领域常用平行数据集及非平行数据集。此外,该文从数据增强、词汇约束解码、解纠缠、非解缠、交叉投影、伪平行语料、其他特殊策略等七个层面对现有研究方法进行了对比并重点分析了各类方法的实现机制、优缺点及其性能,随后从风格迁移准确率、内容保留度及语言困惑度三个视角归纳了文本风格迁移领域的评价指标并剖析了其评价实现原理。最后,该文展望了文本风格迁移领域的未来发展趋势并进行了总结。

关键词：文本风格迁移可控文本生成自然语言生成

来源：评论

学校读者我要写书评

暂无评论

多视图点云配准算法综述

引用

华中科技大学学报（自然科学版） 2022年第11期50卷 16-34,43页

作者：杨佳琪张世坤范世超曹治国西北工业大学宁波研究院浙江宁波315103 西北工业大学计算机学院陕西西安710129 西北工业大学空天地海一体化大数据应用技术国家工程实验室陕西西安710129 华中科技大学人工智能与自动化学院湖北武汉430074

以多视图点云配准为研究对象,对近二十余年的多视图点云配准相关研究工作进行了全面的分类归纳及总结.首先,阐述点云数据及多视图点云配准的概念.根据配准的任务不同,将多视图点云配准分为多视图点云粗配准和多视图点云精配准两大类,并... 详细信息

以多视图点云配准为研究对象,对近二十余年的多视图点云配准相关研究工作进行了全面的分类归纳及总结.首先,阐述点云数据及多视图点云配准的概念.根据配准的任务不同,将多视图点云配准分为多视图点云粗配准和多视图点云精配准两大类,并对其各自算法的核心思想及算法改进进行介绍,其中,多视图点云粗配准算法进一步分为基于生成树和基于形状生成两类;多视图点云精配准算法进一步分为基于点云的点空间、基于点云的帧空间变换平均、基于深度学习和基于优化四类.然后,介绍了四种多视图点云配准数据集及主流多视图配准评价指标.最后,对该研究领域研究现状进行总结,指出存在的挑战,并给出了未来研究展望.

关键词：点云数据多视图配准帧空间变换平均点空间深度学习

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的蓝光激光刀视频实时上色方法

引用

武汉大学学报(工学版) 2025年第1期58卷 150-162页

作者：潘晓英廉佳贺琪琪薛玉锋王昊罗斌陕西省网络数据分析与智能处理重点实验室陕西西安710100 西安邮电大学计算机学院陕西西安710100 西北工业大学软件学院陕西西安710072 空天地海一体化大数据应用技术国家工程实验室陕西西安710129 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079

针对蓝光激光刀手术视频过曝无法看清病灶的问题,提出了一种上色方法,该方法在黑白成像下对蓝光激光刀手术视频进行实时上色处理,以达到病灶清晰、手术视频真实流畅的目的。首先,计算输入图像的三通道平均值,删除完全曝光无细节的图像;... 详细信息

针对蓝光激光刀手术视频过曝无法看清病灶的问题,提出了一种上色方法,该方法在黑白成像下对蓝光激光刀手术视频进行实时上色处理,以达到病灶清晰、手术视频真实流畅的目的。首先,计算输入图像的三通道平均值,删除完全曝光无细节的图像;其次,利用mask掩膜定位剩余正常图像高光区域,对高光点进行修复;同时,提出一种基于生成对抗网络的实时上色网络(real-time generative adversarial network,RTGAN)对修复后的图像进行实时上色处理;最后,对RTGAN输出的彩色图像合成完整视频流。对2组数据集与5种上色网络进行对比性实验分析,结果表明,所提方法有很好的实时性和上色效果,可以对蓝光激光刀手术视频进行实时上色处理,获得令人满意的视觉质量。

关键词：蓝光激光刀视频实时上色神经网络 RTGAN

来源：评论

学校读者我要写书评

暂无评论

基于Transformer动态场景信息生成对抗网络的行人轨迹预测方法

引用

电子学报 2022年第7期50卷 1537-1547页

作者：裴炤邱文涛王淼马苗张艳宁陕西师范大学现代教学技术教育部重点实验室陕西西安710119 陕西师范大学计算机科学学院陕西西安710119 上海交通大学航空航天学院上海200240 空天地海一体化大数据应用技术国家工程实验室陕西西安710129 西北工业大学计算机学院陕西西安710129

行人轨迹预测是视频监控的重要组成部分,因现有方法未充分利用场景特征信息造成其预测轨迹不符合生活常识,导致行人轨迹预测精度较低出现明显偏离真实轨迹的情况.针对上述不足本文提出一种基于Transformer动态场景信息生成对抗网络(Gene... 详细信息

行人轨迹预测是视频监控的重要组成部分,因现有方法未充分利用场景特征信息造成其预测轨迹不符合生活常识,导致行人轨迹预测精度较低出现明显偏离真实轨迹的情况.针对上述不足本文提出一种基于Transformer动态场景信息生成对抗网络(Generative Adversarial Network,GAN)的行人轨迹预测方法.该方法利用动态场景特征提取模块的卷积神经网络(Convolutional Neural Networks,CNN)模型对目标行人的动态场景信息进行特征提取,同时生成器网络中的编码器利用Transformer对行人的社会交互信息特征以及轨迹信息特征进行建模.在ETH和UCY数据集上的实验结果表明,与Social GAN模型相比,本文方法在多个场景下的平均位移误差准确率提高了25.61%,最终位移误差准确率提高了38.44%.

关键词：行人轨迹预测生成对抗网络转换器深度学习长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的中草药植物视觉识别方法研究

引用

中国体视学与图像分析 2023年第2期28卷 203-211页

作者：杨静润平张迎迎汪炜杰西北工业大学计算机学院陕西省语音与图像信息处理重点实验室空天地海一体化大数据应用技术国家工程实验室西安710129

中草药植物对预防和治疗疾病有效,药效因植物类别而异,正确识别中草药植物类别是很重要的。本文旨在解决中草药植物数据缺少和图像分类准确率较低的问题。首先,构建了一个中草药植物图像数据集。其次,选择Resnet50作为基础网络模型,使... 详细信息

中草药植物对预防和治疗疾病有效,药效因植物类别而异,正确识别中草药植物类别是很重要的。本文旨在解决中草药植物数据缺少和图像分类准确率较低的问题。首先,构建了一个中草药植物图像数据集。其次,选择Resnet50作为基础网络模型,使用迁移学习技术预训练模型,加入注意力模块与Local-Clobal模块并采用Focal-Loss+Constrative-Loss作为损失函数。最后,基于该模型设计出一个中草药植物识别系统。改进后的模型在测试集上的准确率达到99.07%。实验结果表明,该系统能够准确地完成中草药植物图像的识别任务。

关键词：中草药植物识别迁移学习注意力机制 Local-Clobal CUI系统

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：