检索结果-维普期刊中文期刊服务平台

对抗鲁棒性评估的指标体系及其完备性: 1; 作者石育澄韩亚洪《软件学报》北大核心 2025年第3期1304-1326,共23页; 对抗鲁棒性评估需要结合对抗样本攻击能力与噪声幅度形成对深度学习模型噪声抵御能力的完整、准确的评测.然而,对抗鲁棒性评估评价指标缺乏完备性是现有对抗攻防方法的一个关键问题.现有的对抗鲁棒性评估相关工作缺少对评价指标体系的... 展开更多; 关键词对抗机器学习对抗鲁棒性对抗样本对抗攻击对抗扰动; 在线阅读下载PDF 职称材料

基于密集多尺度自注意力变换网络的伪装对象分割方法: 2; 作者闫馨宇孙美君 +1 位作者韩亚洪王征《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第8期1224-1236,共13页; 为了充分地发挥深度自注意力变换网络在伪装对象分割任务中的潜力,提出一种基于密集多尺度自注意力变换网络的伪装对象分割方法,包含双分支可分离密集多尺度特征提取和快速注意力诱导的跨级交互融合2个模块.首先以自注意力变换网络作为... 展开更多; 关键词伪装对象分割自注意力变换网络深度学习; 在线阅读下载PDF 职称材料

融合图像方法的半实时轴承故障诊断方法被引量：1: 3; 作者王鹏志张满囤 +2 位作者韩亚洪赵旭王征《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第6期895-903,共9页; 轴承在高负荷的环境下长时间运转经常会发生故障,造成巨大损失.若能在故障发生前期进行准确感知,则可以在很大程度上减少损失.通过分析轴承故障问题的特点,提出一种半实时的高准确率诊断方法,使用双路宽卷积核深度卷积网络(deep convolu... 展开更多; 关键词轴承故障诊断振动信号卷积神经网络; 在线阅读下载PDF 职称材料

基于金字塔特征与边缘优化的显著性对象检测被引量：1: 4; 作者田旭彭飞 +2 位作者刘飞陈庆文闫馨宇《郑州大学学报（工学版）》 CAS 北大核心 2022年第2期35-43,共9页; 针对图像显著性对象检测领域中多尺度特征提取不充分、对象边缘模糊等问题,提出了一个端到端的基于注意力嵌入的金字塔特征以及渐进边缘优化的显著性对象检测模型。首先,设计了由多个扩张卷积构成的注意力嵌入的密集空洞金字塔模块(AEDA... 展开更多; 关键词显著性对象检测多尺度特征提取全卷积神经网络边缘特征提取深度学习; 在线阅读下载PDF 职称材料

题名对抗鲁棒性评估的指标体系及其完备性: 1; 作者石育澄韩亚洪; 机构天津大学智能与计算学部天津市机器学习重点实验室(天津大学); 出处《软件学报》北大核心 2025年第3期1304-1326,共23页; 基金国家自然科学基金(62376186,61932009)。; 文摘对抗鲁棒性评估需要结合对抗样本攻击能力与噪声幅度形成对深度学习模型噪声抵御能力的完整、准确的评测.然而,对抗鲁棒性评估评价指标缺乏完备性是现有对抗攻防方法的一个关键问题.现有的对抗鲁棒性评估相关工作缺少对评价指标体系的分析与比较,忽视了攻击成功率和不同范数对鲁棒性评估指标体系完备性的影响以及对攻防方法设计的限制.从范数选择和度量指标两个维度展开对抗鲁棒性评价指标体系的讨论,分别从评价指标定义域的包含关系、鲁棒性描述粒度以及鲁棒性评估序关系3个方面对鲁棒性评估指标体系完备性进行理论分析,并得出以下结论:使用均值等噪声统计量比使用攻击成功率等评价指标定义域更大且更全面,同时能够保证任意两个对抗样本集合都能够进行比较;使用L_(2)范数比使用其他范数在鲁棒性评估的描述上更具完备性.在6个数据集上对23种模型及20种对抗攻击方法的大量实验验证了这些结论.; 关键词对抗机器学习对抗鲁棒性对抗样本对抗攻击对抗扰动; Keywords adversarial machine learning adversarial robustness adversarial sample adversarial attack adversarial perturbation; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于密集多尺度自注意力变换网络的伪装对象分割方法: 2; 作者闫馨宇孙美君韩亚洪王征; 机构天津大学智能与计算学部天津机器学习重点实验室中国教育部城市智能化与数字化治理工程研究中心; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第8期1224-1236,共13页; 基金国家自然科学基金(62076180,61876125).; 文摘为了充分地发挥深度自注意力变换网络在伪装对象分割任务中的潜力,提出一种基于密集多尺度自注意力变换网络的伪装对象分割方法,包含双分支可分离密集多尺度特征提取和快速注意力诱导的跨级交互融合2个模块.首先以自注意力变换网络作为骨干特征提取器获取各级特征;然后将提取的特征馈送到双分支可分离密集多尺度特征提取模块,在局部分支和全局分支中,利用密集递进相连的深度可分离卷积块提取丰富的多尺度上下文特征;最后使用快速注意力诱导的跨级交互融合模块融合各级特征,并利用每级融合特征预测伪装映射,通过深度监督让各级特征在空间上保持高度一致性,尽可能地集中注意力于伪装特征而避免背景噪声的干扰.在CHAMELEON,CAMO,COD10K和NC4K这4个基准数据集上,与其他28种主流模型进行定性可视化对比,以及针对PR曲线、S值、F值、E值及MAE这5种评价指标的定量对比实验结果表明,所提出的基于密集多尺度自注意力变换网络是一种有效的伪装对象分割模型.; 关键词伪装对象分割自注意力变换网络深度学习; Keywords camouflaged object segmentation self-attentive transformer 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

题名融合图像方法的半实时轴承故障诊断方法被引量：1: 3; 作者王鹏志张满囤韩亚洪赵旭王征; 机构天津大学智能与计算学部天津市机器学习重点实验室河北工业大学人工智能与数据科学学院天津市虚拟现实与可视计算国际联合中心; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第6期895-903,共9页; 基金国家重点研发计划(2019YFC1520600) 国家自然科学基金(61573356) 河北省自然科学基金(F2019202054).; 文摘轴承在高负荷的环境下长时间运转经常会发生故障,造成巨大损失.若能在故障发生前期进行准确感知,则可以在很大程度上减少损失.通过分析轴承故障问题的特点,提出一种半实时的高准确率诊断方法,使用双路宽卷积核深度卷积网络(deep convolutional neural networks with double paths and wider kernels,DWDCNN)作为实时诊断算法,在结果出现异常或轴承处于高噪声环境下的时候对轴承的振动数据使用短时傅里叶变换(short time Fourier transform,STFT),将其转换为图像,再使用轻型多尺度胶囊网络(smaller inception capsule net,SICN)进行二次诊断.使用该算法与现有其他算法在凯斯西储大学(Case Western Reserve University,CWRU)数据集和添加不同强度噪声后的CWRU数据集上进行实验,对准确性和计算效率进行对比.结果显示DWDCNN模型使用0.12 ms即可完成一次预测,且在SNR=−4 dB的条件下达到80.07%的准确率,而SICN模型虽然计算时间较长,但是可以在SNR=−4 dB的条件下达到95.00%的准确率.; 关键词轴承故障诊断振动信号卷积神经网络; Keywords rolling bear fault diagnosis vibration signal convolutional neural networks; 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

题名基于金字塔特征与边缘优化的显著性对象检测被引量：1: 4; 作者田旭彭飞刘飞陈庆文闫馨宇; 机构国网青海省电力公司经济技术研究院中国电建集团西北勘测设计研究院有限公司天津大学智能与计算学部天津大学天津机器学习重点实验室; 出处《郑州大学学报（工学版）》 CAS 北大核心 2022年第2期35-43,共9页; 基金国家自然科学基金资助项目(62076180)。; 文摘针对图像显著性对象检测领域中多尺度特征提取不充分、对象边缘模糊等问题,提出了一个端到端的基于注意力嵌入的金字塔特征以及渐进边缘优化的显著性对象检测模型。首先,设计了由多个扩张卷积构成的注意力嵌入的密集空洞金字塔模块(AEDAPM),在不减小特征分辨率的前提下,得到丰富且有效的多级多尺度特征;其次,为了解决显著性对象边缘模糊的问题,提出了渐进边缘优化模块(SEOM),在特征恢复分辨率的过程中逐步补充空间细节信息,使模型检测出的显著对象能够拥有清晰的边缘轮廓。在DUTS-TE、ECSSD、DUT-OMRON、HKU-IS、PASCAL-S 5个显著性领域公开的数据集上与其他12种已有的先进方法在3个常用指标下进行了比较,结果表明:所提方法能够得到更加准确、边缘更加清晰的显著性结果。此外,自对比实验也充分证明了提出的注意力嵌入的密集空洞金字塔模块和渐进边缘优化模块的有效性。; 关键词显著性对象检测多尺度特征提取全卷积神经网络边缘特征提取深度学习; Keywords salient object detection multi-scale feature extraction fully convolutional networks edge feature extraction deep learning; 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	作者	出处	发文年	被引量	操作
1	对抗鲁棒性评估的指标体系及其完备性	石育澄韩亚洪	《软件学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于密集多尺度自注意力变换网络的伪装对象分割方法	闫馨宇孙美君韩亚洪王征	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	融合图像方法的半实时轴承故障诊断方法	王鹏志张满囤韩亚洪赵旭王征	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
4	基于金字塔特征与边缘优化的显著性对象检测	田旭彭飞刘飞陈庆文闫馨宇	《郑州大学学报（工学版）》 CAS 北大核心	2022	1	在线阅读下载PDF 职称材料