检索结果-维普期刊中文期刊服务平台

基于中心差分卷积的自监督学习方法研究: 1; 作者仝卫国李芝翔 +1 位作者翟永杰侯哲《安徽大学学报（自然科学版）》 CAS 北大核心 2022年第4期24-29,共6页; 作为无监督学习的一个分支,自监督学习可以从大量无标签数据中学习到有用的特征,是近期一个热门的研究方向.基于前置任务和对比学习的自监督学习已经得到了大量的研究,但对于卷积操作的选择还没有得到足够的重视.将中心差分卷积神经网... 展开更多; 关键词无监督学习自监督学习对比学习中心差分卷积神经网络; 在线阅读下载PDF 职称材料

基于中心差分卷积与频域辅助的人脸活体检测被引量：2: 2; 作者李俣彤鲁文莉 +2 位作者宋伟南新元杨书文《传感器与微系统》 CSCD 北大核心 2023年第5期117-120,125,共5页; 针对当前基于深度学习的人脸活体检测算法模型结构复杂、参数量和计算量大,同时基于可见光相机读取数据作为模型输入时,容易受到环境光变化的影响,导致模型性能下降等问题,提出一种基于中心差分卷积(CDC)和频域辅助的轻量级人脸活体检... 展开更多; 关键词人脸活体检测中心差分卷积 Activate or Not自适应激活函数轻量级神经网络傅里叶变换; 在线阅读下载PDF 职称材料

基于特征分离和全局上下文的红外小目标检测方法: 3; 作者任勇朵琳《吉林大学学报(理学版)》北大核心 2025年第5期1437-1446,共10页; 针对基于单帧红外小目标检测存在的难题,提出一种基于特征分离和全局上下文的红外小目标检测方法.首先,针对小目标特征不足的问题,设计特征分离模块,通过中心差分卷积捕获目标背景对比度差异,结合快速Fourier卷积提取边缘梯度信息,实现... 展开更多; 关键词小目标检测红外图像中心差分卷积特征自适应深度学习; 在线阅读下载PDF 职称材料

基于区域分块和轻量级网络的人脸反欺骗方法被引量：1: 4; 作者贺丹何希平 +2 位作者李悦袁锐牛园园《计算机应用》 CSCD 北大核心 2022年第12期3708-3714,共7页; 如何高效地辨别各种被攻击的人脸是人脸识别过程中迫切需要解决的问题。基于深度学习的人脸反欺骗方法在有着高性能的同时,也带来了庞大的参数量和计算量,使其无法部署在移动或嵌入式设备中。针对以上问题,提出了一种基于区域分块和轻... 展开更多; 关键词人脸反欺骗区域分块中心差分卷积注意力机制轻量级网络卷积神经网络; 在线阅读下载PDF 职称材料

基于集成学习双流神经网络的实时面部篡改视频检测模型被引量：1: 5; 作者袁野黄丽清 +3 位作者叶锋黄添强罗海峰徐超《计算机工程与科学》 CSCD 北大核心 2023年第3期470-477,共8页; 恶意面部篡改对社会安全和稳定存在负面影响,对面部篡改后的视频图像进行准确的检测是一个十分重要的课题。为了解决视频检测模型实时性较差的问题,提出一种基于集成学习双流循环神经网络的面部篡改视频检测模型,并引入集成学习中的投... 展开更多; 关键词 Deepfake 卷积神经网络循环神经网络投票机制中心差分卷积; 在线阅读下载PDF 职称材料

题名基于中心差分卷积的自监督学习方法研究: 1; 作者仝卫国李芝翔翟永杰侯哲; 机构华北电力大学控制与计算机工程学院; 出处《安徽大学学报（自然科学版）》 CAS 北大核心 2022年第4期24-29,共6页; 基金国家自然科学基金资助项目(61773160)。; 文摘作为无监督学习的一个分支,自监督学习可以从大量无标签数据中学习到有用的特征,是近期一个热门的研究方向.基于前置任务和对比学习的自监督学习已经得到了大量的研究,但对于卷积操作的选择还没有得到足够的重视.将中心差分卷积神经网络引入自监督学习,探究了卷积操作对自监督学习性能的影响.实验结果显示,加入了中心差分卷积神经网络的Resnet18模型相比普通模型在下游分类任务上的性能提升了4.14%,在几乎未增加计算量的情况下,与Resnet50性能相当.; 关键词无监督学习自监督学习对比学习中心差分卷积神经网络; Keywords unsupervised learning self-supervised learning contrastive learning central differential convolutional neural network; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于中心差分卷积与频域辅助的人脸活体检测被引量：2: 2; 作者李俣彤鲁文莉宋伟南新元杨书文; 机构新疆大学电气工程学院新疆维吾尔自治区特种设备检验研究院新疆西北星信息技术有限责任公司; 出处《传感器与微系统》 CSCD 北大核心 2023年第5期117-120,125,共5页; 基金新疆维吾尔自治区自然科学基金资助项目(2019D01C079)。; 文摘针对当前基于深度学习的人脸活体检测算法模型结构复杂、参数量和计算量大,同时基于可见光相机读取数据作为模型输入时,容易受到环境光变化的影响,导致模型性能下降等问题,提出一种基于中心差分卷积(CDC)和频域辅助的轻量级人脸活体检测算法。通过CDC、ACON自适应激活函数以及轻量化注意力机制重构MobileNetV3轻量级特征提取网络,并设计傅里叶变换支路对主干提取网络进行辅助矫正,实现降低模型大小、提高活体检测精度的目的。在Replay-Attack以及CASIA-FASD数据集上进行实验,结果表明:算法在模型大小、等错误率、召回率、曲线下面积(AUC)以及准确率等方面有较好的表现。; 关键词人脸活体检测中心差分卷积 Activate or Not自适应激活函数轻量级神经网络傅里叶变换; Keywords human face in vivo detection central difference convolution(CDC) activate or not(ACON)adaptive activation function lightweight neural network Fourier transform; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于特征分离和全局上下文的红外小目标检测方法: 3; 作者任勇朵琳; 机构昆明理工大学信息工程与自动化学院重庆电力高等专科学校电气工程学院; 出处《吉林大学学报(理学版)》北大核心 2025年第5期1437-1446,共10页; 基金云南省科技厅重大科技专项计划项目(批准号:202302AD080006).; 文摘针对基于单帧红外小目标检测存在的难题,提出一种基于特征分离和全局上下文的红外小目标检测方法.首先,针对小目标特征不足的问题,设计特征分离模块,通过中心差分卷积捕获目标背景对比度差异,结合快速Fourier卷积提取边缘梯度信息,实现目标特征与背景噪声的高效分离.其次,针对下采样导致特征丢失的问题,构建全局上下文提取模块,对深层特征进行跨尺度全局建模,防止目标特征在网络深层丢失.在多个公开数据集上的实验结果表明,该方法较AGPCNet,DNANet等先进算法在mIoU,nIoU和F 1指标上提升明显,优化了红外小目标检测算法性能,提升了复杂场景的感知能力.; 关键词小目标检测红外图像中心差分卷积特征自适应深度学习; Keywords small target detection infrared image central differential convolution feature adaptation deep learning; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于区域分块和轻量级网络的人脸反欺骗方法被引量：1: 4; 作者贺丹何希平李悦袁锐牛园园; 机构重庆工商大学人工智能学院检测控制集成系统重庆市工程实验室(重庆工商大学); 出处《计算机应用》 CSCD 北大核心 2022年第12期3708-3714,共7页; 基金重庆市研究生科研创新项目(CYS21398) 重庆工商大学研究生科研创新项目(yjscxx2021-112-99)。; 文摘如何高效地辨别各种被攻击的人脸是人脸识别过程中迫切需要解决的问题。基于深度学习的人脸反欺骗方法在有着高性能的同时,也带来了庞大的参数量和计算量,使其无法部署在移动或嵌入式设备中。针对以上问题,提出了一种基于区域分块和轻量级网络的人脸反欺骗方法。首先,对训练样本进行随机区域分块;然后,设计了一种基于注意力机制的轻量级网络用于特征提取和图像分类;最后,为了提高测试准确率,对测试样本进行基于区域分块的数据扩增。实验结果表明,所提模型在CASIA-FASD和REPLAY-ATTACK数据集上达到了100%的准确率;在CASIA-SURF数据集的Depth模态上获得了99.49%的准确率和0.4580%的平均分类错误率(ACER),远优于ResNet、ShuffleNet等卷积神经网络,且该模型的参数量也仅有0.2582 MB。在实际应用中,端到端的轻量级网络结构使所提模型更方便部署在移动设备上来进行实时的人脸反欺骗检测。; 关键词人脸反欺骗区域分块中心差分卷积注意力机制轻量级网络卷积神经网络; Keywords face anti-spoofing regional blocking Central Difference Convolution(CDC) attention mechanism lightweight network Convolutional Neural Network(CNN); 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于集成学习双流神经网络的实时面部篡改视频检测模型被引量：1: 5; 作者袁野黄丽清叶锋黄添强罗海峰徐超; 机构福建师范大学计算机与网络空间安全学院数字福建大数据安全技术研究所福建省公共服务大数据挖掘与应用工程技术研究中心; 出处《计算机工程与科学》 CSCD 北大核心 2023年第3期470-477,共8页; 基金国家自然科学基金(62072106) 福建省自然科学基金(2020J01168,2022J01190,2022J01188) +1 种基金福建省中青年教师教育科研项目(JAT210053,JAT210051)。; 文摘恶意面部篡改对社会安全和稳定存在负面影响,对面部篡改后的视频图像进行准确的检测是一个十分重要的课题。为了解决视频检测模型实时性较差的问题,提出一种基于集成学习双流循环神经网络的面部篡改视频检测模型,并引入集成学习中的投票机制。首先,接收少量连续的序列帧,通过卷积神经网络进行空间特征的提取,同时引入中心差分卷积进行空间域的篡改伪影增强。然后,将连续的序列帧进行差分,以增强时间域上的篡改伪影,同时通过卷积神经网络进行时间特征的提取。随后,将空间域和时间域的双流特征向量进行拼接,通过循环神经网络进行特征提取。在循环神经网络特征提取过程中,逐帧的特征信息被保留下来作为后续辅助帧级分类器的输入,同时循环神经网络的最终输出作为视频级判别器的输入。最后,引入集成模型的投票机制整合多个辅助帧级判别器和视频级判别器的输出,并通过引入权重超参数γ来平衡辅助帧级判别器和视频级判别器的重要程度,帮助模型提高检测准确率。在FaceForensics++数据集上,与主流检测模型进行对比,所提模型平均准确率提升了0.4%和1.0%。同时,所提模型可以仅使用较少连续帧进行篡改检测,提高了模型的实时性。; 关键词 Deepfake 卷积神经网络循环神经网络投票机制中心差分卷积; Keywords Deepfake convolutional neural network recurrent neural network voting mechanism central difference convolution; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于中心差分卷积的自监督学习方法研究	仝卫国李芝翔翟永杰侯哲	《安徽大学学报（自然科学版）》 CAS 北大核心	2022	0	在线阅读下载PDF 职称材料
2	基于中心差分卷积与频域辅助的人脸活体检测	李俣彤鲁文莉宋伟南新元杨书文	《传感器与微系统》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
3	基于特征分离和全局上下文的红外小目标检测方法	任勇朵琳	《吉林大学学报(理学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于区域分块和轻量级网络的人脸反欺骗方法	贺丹何希平李悦袁锐牛园园	《计算机应用》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
5	基于集成学习双流神经网络的实时面部篡改视频检测模型	袁野黄丽清叶锋黄添强罗海峰徐超	《计算机工程与科学》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料