检索结果-维普期刊中文期刊服务平台

基于word-hashing的DGA僵尸网络深度检测模型被引量：9: 1; 作者赵科军葛连升 +1 位作者秦丰林洪晓光《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第A01期30-33,共4页; 针对使用域名生成算法(DGA)僵尸网络隐蔽性强,传统检测算法特征提取复杂的问题,提出一种无需提取具体特征的深度学习模型DGA域名检测方法.首先基于word-hashing将所有域名转用二元语法字符串表示,利用词袋模型把域名映射到高维向量空间... 展开更多; 关键词 DGA 僵尸网络 wordhashing 深度学习; 在线阅读下载PDF 职称材料

多模态检索研究综述被引量：1: 2; 作者金涛金冉 +2 位作者侯腾达袁杰顾骁哲《计算机工程与应用》 CSCD 北大核心 2024年第5期62-75,共14页; 多模态数据的日益增长使得多模态检索技术也相继受到了不少关注。随着汽车、医学等行业引入计算机与大数据技术,大量的行业数据其本身都是以多模态形式呈现出来的,行业的快速发展使人们对信息的需求不断增加,单一模态数据检索已经无法... 展开更多; 关键词多模态检索公共子空间深度学习哈希算法; 在线阅读下载PDF 职称材料

FP-CNNH:一种基于深度卷积神经网络的快速图像哈希算法被引量：17: 3; 作者刘冶潘炎 +2 位作者夏榕楷刘荻印鉴《计算机科学》 CSCD 北大核心 2016年第9期39-46,51,共9页; 在大数据时代,图像检索技术在大规模数据上的应用是一个热门的研究领域。近年来,大规模图像检索系统中,图像哈希算法由于具备提高图像的检索效率同时减少储存空间的优点而受到广泛的关注。现有的有监督学习哈希算法存在一些问题,主流的... 展开更多; 关键词深度学习图像检索图像哈希神经网络优化算法; 在线阅读下载PDF 职称材料

基于Faster RCNNH的多任务分层图像检索技术被引量：9: 4; 作者何霞汤一平 +2 位作者王丽冉陈朋袁公萍《计算机科学》 CSCD 北大核心 2019年第3期303-313,共11页; 针对已有的以图搜图技术中自动化和智能化水平低、缺乏深度学习、难以获取精确的检索结果、检索技术存储空间消耗大、检索速度慢且难以满足大数据时代的图像检索需求等问题,提出了一种基于Faster RCNNH(Faster RCNN Hash)的多任务分层... 展开更多; 关键词深度哈希算法大规模图像检索多任务深度学习感兴趣区域哈希码; 在线阅读下载PDF 职称材料

基于元学习的深度哈希检索算法被引量：4: 5; 作者韩亚茹闫连山姚涛《计算机应用》 CSCD 北大核心 2022年第7期2015-2021,共7页; 随着移动互联网技术的发展,图像数据的规模越来越大,大规模图像检索任务已经成为了一个紧要的问题。由于检索速度快和存储消耗低,哈希算法受到了研究者的广泛关注。基于深度学习的哈希算法要达到较好的检索性能,需要一定数量的高质量训... 展开更多; 关键词深度学习哈希算法非平衡数据元学习图像检索; 在线阅读下载PDF 职称材料

基于深度学习与多哈希相似度加权实现快速人脸识别被引量：14: 6; 作者邓良许庚林 +1 位作者李梦杰陈章进《计算机科学》 CSCD 北大核心 2020年第9期163-168,共6页; 无论是使用传统的方法进行人脸识别,还是使用神经网络进行人脸识别,都存在运算量大、运算时间长等问题,很难对视频中的人脸进行实时检测与匹配。针对上述问题,使用轻量化神经网络进行人脸检测,使用运算简单的哈希算法计算人脸图像相似度... 展开更多; 关键词人脸检测深度学习哈希算法人脸匹配; 在线阅读下载PDF 职称材料

基于轻量化神经网络的目标识别跟踪算法研究被引量：6: 7; 作者曹昭睿白帆 +1 位作者刘凤丽郝永平《弹箭与制导学报》北大核心 2020年第1期19-23,共5页; 为解决传统目标识别算法对于多尺度、可变速目标的识别性能较差与全尺寸卷积神经网络对硬件计算空间消耗较大的问题,利用轻量化的YOLO卷积神经网络对视频首帧进行目标识别,结合KCF目标跟踪算法与感知哈希算法对完成识别的目标进行跟踪... 展开更多; 关键词深度学习卷积神经网络 YOLO KCF跟踪算法感知哈希算法; 在线阅读下载PDF 职称材料

题名基于word-hashing的DGA僵尸网络深度检测模型被引量：9: 1; 作者赵科军葛连升秦丰林洪晓光; 机构山东大学信息化工作办公室山东大学计算机科学与技术学院; 出处《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第A01期30-33,共4页; 基金赛尔网络下一代互联网技术创新资助项目(NGII20150412); 文摘针对使用域名生成算法(DGA)僵尸网络隐蔽性强,传统检测算法特征提取复杂的问题,提出一种无需提取具体特征的深度学习模型DGA域名检测方法.首先基于word-hashing将所有域名转用二元语法字符串表示,利用词袋模型把域名映射到高维向量空间.然后利用5层深度神经网络对转换为高维向量的域名进行训练分类检测.通过深度模型,能够从训练数据中发现不同层次抽象的隐藏模式和特征,而这些模式和特征使用传统的统计方法大多是无法发现的.实验中使用了10万条DGA域名和10万条合法域名作为样本,与基于自然语言特征分类算法进行对比实验.实验结果表明该深度模型对DGA域名检测准确率达到97.23%,比基于自然语言特征分类算法得到的检测准确率高3.7%.; 关键词 DGA 僵尸网络 wordhashing 深度学习; Keywords domain generation algorithm(DGA) botnet word-hashing deep learning; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名多模态检索研究综述被引量：1: 2; 作者金涛金冉侯腾达袁杰顾骁哲; 机构浙江万里学院大数据与软件工程学院江苏电力信息技术有限公司; 出处《计算机工程与应用》 CSCD 北大核心 2024年第5期62-75,共14页; 基金国家自然科学基金(61472348,61672455) 教育部人文社科项目(17YJCZH076) +1 种基金宁波市重大科技攻关暨“揭榜挂帅”项目(20211ZDYF020218)。; 文摘多模态数据的日益增长使得多模态检索技术也相继受到了不少关注。随着汽车、医学等行业引入计算机与大数据技术,大量的行业数据其本身都是以多模态形式呈现出来的,行业的快速发展使人们对信息的需求不断增加,单一模态数据检索已经无法满足人们对信息的需求。为了解决这些问题,满足一种模态的数据检索其他模态数据的需求,通过文献的查阅对多模态检索的方法进行研究,分析了公共子空间、深度学习、多模态哈希算法等不同的研究方法,梳理了近年来提出的解决这些问题的多模态检索技术。最后,对近几年来提出的多模态检索方法根据检索的准确性、检索的效率以及特点等多方面进行评价对比;对多模态检索所遇到的挑战进行分析,并展望多模态检索未来的应用前景。; 关键词多模态检索公共子空间深度学习哈希算法; Keywords multimodal retrieval public subspace deep learning hash algorithm; 分类号 TP391.3 [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FP-CNNH:一种基于深度卷积神经网络的快速图像哈希算法被引量：17: 3; 作者刘冶潘炎夏榕楷刘荻印鉴; 机构中山大学数据科学与计算机学院中山大学信息科学与技术学院中山大学软件学院; 出处《计算机科学》 CSCD 北大核心 2016年第9期39-46,51,共9页; 基金国家自然科学基金(61033010 61272065 +8 种基金 61370021 61472453 U1401256) S2012010009311 S2013010011905) 2012A010701013) 火烈鸟网络(广州)股份有限公司-中山大学广东省大数据分析与处理重点实验室校企产学研合作研究经费资助; 文摘在大数据时代,图像检索技术在大规模数据上的应用是一个热门的研究领域。近年来,大规模图像检索系统中,图像哈希算法由于具备提高图像的检索效率同时减少储存空间的优点而受到广泛的关注。现有的有监督学习哈希算法存在一些问题,主流的有监督的哈希算法需要通过图像特征提取器获取人为构造的图像特征表示,这种做法带来的图像特征损失影响了哈希算法的效果,也不能较好地处理图像数据集中语义的相似性问题。随着深度学习在大规模数据上研究的兴起,一些相关研究尝试通过深度神经网络进行有监督的哈希函数学习,提升了哈希函数的效果,但这类方法需要针对数据集人为设计复杂的深度神经网络,增大了哈希函数设计的难度,而且深度神经网络的训练需要较多的数据和较长的时间,这些问题影响了基于深度学习的哈希算法在大规模数据集上的应用。针对这些问题,提出了一种基于深度卷积神经网络的快速图像哈希算法,该算法通过设计优化问题的求解方法以及使用预训练的大规模深度神经网络,提高了哈希算法的效果,同时明显地缩短了复杂神经网络的训练时间。根据在不同图像数据集上的实验结果分析可知,与现有的基准算法相比,提出的算法在哈希函数训练效果和训练时间上都具有较大的提高。; 关键词深度学习图像检索图像哈希神经网络优化算法; Keywords deep learning, Image retrieval, Image hashing, Neural network, Optimization algorithm; 分类号 TP181 [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Faster RCNNH的多任务分层图像检索技术被引量：9: 4; 作者何霞汤一平王丽冉陈朋袁公萍; 机构浙江工业大学信息工程学院; 出处《计算机科学》 CSCD 北大核心 2019年第3期303-313,共11页; 基金国家自然科学基金项目(61070134 61379078)资助; 文摘针对已有的以图搜图技术中自动化和智能化水平低、缺乏深度学习、难以获取精确的检索结果、检索技术存储空间消耗大、检索速度慢且难以满足大数据时代的图像检索需求等问题,提出了一种基于Faster RCNNH(Faster RCNN Hash)的多任务分层图像检索方法。首先利用选择性检索网络在特征图上进行逻辑回归,得到图像中各感兴趣区域的概率向量,在此基础上结合紧凑量化网络对其进行编码,得到图像紧凑量化哈希码;其次利用再次筛选网络获取各感兴趣区域中响应最大的区域感知语义特征;接着针对每个感兴趣区域,基于量化哈希h矩阵的精检索策略来对图像进行快速比对;最后选出与查询图像中的对应感兴趣区域最相似的图像。提出的多任务学习方法不仅能同时得到图像紧凑量化哈希码和区域感知语义特征,还能有效去除图像背景和其他对象信息的干扰。实验结果表明:所提方法能实现端到端的训练,自动选出更高质量的感兴趣区域特征,提高了大规模图像检索的自动化和智能化水平,其检索精度(0.9478)与检索速度(0.306s)均明显优于现有的大规模图像检索技术。; 关键词深度哈希算法大规模图像检索多任务深度学习感兴趣区域哈希码; Keywords deep hash algorithm Large-scale image retrieval Multitask deep learning Region of interest hash code; 分类号 TP391.4 [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

题名基于元学习的深度哈希检索算法被引量：4: 5; 作者韩亚茹闫连山姚涛; 机构鲁东大学信息与电气工程学院西南交通大学信息科学与技术学院; 出处《计算机应用》 CSCD 北大核心 2022年第7期2015-2021,共7页; 基金国家自然科学基金资助项目(61872170)。; 文摘随着移动互联网技术的发展,图像数据的规模越来越大,大规模图像检索任务已经成为了一个紧要的问题。由于检索速度快和存储消耗低,哈希算法受到了研究者的广泛关注。基于深度学习的哈希算法要达到较好的检索性能,需要一定数量的高质量训练数据来训练模型。然而现存的哈希方法通常忽视了数据集存在数据类别非平衡的问题,而这可能会降低检索性能。针对上述问题,提出了一种基于元学习网络的深度哈希检索算法。所提算法可以直接从数据中自动学习加权函数。该加权函数是只有一个隐含层的多层感知机(MLP),在少量无偏差元数据的指导下,加权函数的参数可以和模型训练过程中的参数同时进行优化更新。元学习网络参数的更新方程可以解释为:较符合元学习数据的样本权重将被提高,而不符合元学习数据的样本权重将被减小。基于元学习网络的深度哈希检索算法可以有效减少非平衡数据对图像检索的影响,并可以提高模型的鲁棒性。在CIFAR-10等广泛使用的基准数据集上进行的大量实验表明,在非平衡比率较大时,所提算法的平均准确率均值(mAP)最佳;在非平均比率为200的条件下,所提算法的mAP比中心相似度量化算法、非对称深度监督哈希(ADSH)算法和快速可扩展监督哈希(FSSH)算法分别提高0.54个百分点,30.93个百分点和48.43个百分点。; 关键词深度学习哈希算法非平衡数据元学习图像检索; Keywords deep learning hashing algorithm imbalanced data meta-learning image retrieval; 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

题名基于深度学习与多哈希相似度加权实现快速人脸识别被引量：14: 6; 作者邓良许庚林李梦杰陈章进; 机构上海大学微电子研究与开发中心上海大学计算机中心; 出处《计算机科学》 CSCD 北大核心 2020年第9期163-168,共6页; 基金国家自然科学基金(61674100)。; 文摘无论是使用传统的方法进行人脸识别,还是使用神经网络进行人脸识别,都存在运算量大、运算时间长等问题,很难对视频中的人脸进行实时检测与匹配。针对上述问题,使用轻量化神经网络进行人脸检测,使用运算简单的哈希算法计算人脸图像相似度,并对多个哈希相似度值加权进行人脸匹配,是减少运算时间、实现快速人脸识别的可行方案。使用轻量化神经网络Mobilenet作为人脸特征提取网络,使用剪枝的SSD模型作为检测网络,通过级联Mobilenet与SSD实现人脸的检测,之后对检测到的人脸图像进行识别。首先,分别计算人脸图像的均值哈希相似度与感知哈希相似度。然后,分别使用α和β作为均值哈希与感知哈希的加权系数对图像的均值哈希与感知哈希相似度值进行加权,并将结果作为图像的最终相似度。当加权后的相似度值大于设定的阈值I时,则认为两张图像中的人脸是同一个人;当加权后的相似度值小于设定的阈值K时,则认为两张图像中的人脸是不同的人。对于相似度处于阈值I和阈值K之间的图像,将它们按照相似度值从高到低的顺序择优匹配。所提方法在WiderFace和FDDB上的人脸检测准确率分别达到92.5%和94.2%,每张图片的平均处理时间为56 ms;在ORL标准人脸库进行人脸匹配的准确率达到96.2%。使用摄像头进行实时人脸识别测试时,所提方法的人脸识别准确率为95%,平均人脸识别速度为80 ms。实验证明,所提方法在保证较高准确率的前提下,能够实现实时的人脸检测与匹配。; 关键词人脸检测深度学习哈希算法人脸匹配; Keywords Face detection deep learning hash algorithm Face matching; 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

题名基于轻量化神经网络的目标识别跟踪算法研究被引量：6: 7; 作者曹昭睿白帆刘凤丽郝永平; 机构沈阳理工大学机械工程学院沈阳理工大学装备工程学院; 出处《弹箭与制导学报》北大核心 2020年第1期19-23,共5页; 基金国防科技预先研究项目资助。; 文摘为解决传统目标识别算法对于多尺度、可变速目标的识别性能较差与全尺寸卷积神经网络对硬件计算空间消耗较大的问题,利用轻量化的YOLO卷积神经网络对视频首帧进行目标识别,结合KCF目标跟踪算法与感知哈希算法对完成识别的目标进行跟踪与矫正。优化后的算法能够对复杂目标进行实时识别,对于目标自身变化具有较强的自适应能力。能够为同一计算平台下的飞行控制、自主避障、目标测距等后续控制指令提供计算空间。; 关键词深度学习卷积神经网络 YOLO KCF跟踪算法感知哈希算法; Keywords deep learning convolution neural network YOLO KCF tracking algorithm perceptual hash algorithm; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] 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	作者	出处	发文年	被引量	操作
1	基于word-hashing的DGA僵尸网络深度检测模型	赵科军葛连升秦丰林洪晓光	《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心	2017	9	在线阅读下载PDF 职称材料
2	多模态检索研究综述	金涛金冉侯腾达袁杰顾骁哲	《计算机工程与应用》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	FP-CNNH:一种基于深度卷积神经网络的快速图像哈希算法	刘冶潘炎夏榕楷刘荻印鉴	《计算机科学》 CSCD 北大核心	2016	17	在线阅读下载PDF 职称材料
4	基于Faster RCNNH的多任务分层图像检索技术	何霞汤一平王丽冉陈朋袁公萍	《计算机科学》 CSCD 北大核心	2019	9	在线阅读下载PDF 职称材料
5	基于元学习的深度哈希检索算法	韩亚茹闫连山姚涛	《计算机应用》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
6	基于深度学习与多哈希相似度加权实现快速人脸识别	邓良许庚林李梦杰陈章进	《计算机科学》 CSCD 北大核心	2020	14	在线阅读下载PDF 职称材料
7	基于轻量化神经网络的目标识别跟踪算法研究	曹昭睿白帆刘凤丽郝永平	《弹箭与制导学报》北大核心	2020	6	在线阅读下载PDF 职称材料