期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到169篇文章
< 1 2 … 9 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
环保大数据在区块链中的隐私计算 被引量：1
1
作者 王南 袁也 +3 位作者 杨浩然 文周之 苏明 刘晓光 《信息网络安全》 CSCD 北大核心 2024年第10期1515-1527,共13页
近年来,随着我国网络安全、医疗及环保相关政策的先后出台,环境数据的价值与日俱增。但我国对于环境数据的科学管理与安全共享仍处于起步阶段,具有隐私保护需求的环境数据数量急剧增加,但在数据共享上却面临数据孤岛化、泄露风险高等诸... 近年来,随着我国网络安全、医疗及环保相关政策的先后出台,环境数据的价值与日俱增。但我国对于环境数据的科学管理与安全共享仍处于起步阶段,具有隐私保护需求的环境数据数量急剧增加,但在数据共享上却面临数据孤岛化、泄露风险高等诸多难题。针对环境数据共享场景,为从根本上满足用户数据云存储和云计算的隐私保护需求,文章将区块链和隐私计算相结合,采用国密算法构建了一个基于全同态加密和可搜索加密技术的数据密态管理系统。依托区块链部署和云服务存储、隐私计算支持,系统可实现全同态加密机器学习和可搜索加密两种功能。文章基于全同态加密技术实现了神经网络预测模型,并完成了密态数据的云计算;同时,文章采用对称可搜索加密方案,支持数据在全程密态下的远程托管,能够实现密文检索并保护查询关键词的隐私。在保护隐私安全前提下,该方案有效打通了各方数据流通通道,保证数据可用不可见。 展开更多
关键词 全同态加密 对称可搜索加密 区块链 机器学习 隐私计算
在线阅读 下载PDF
基于多模态融合Transformer的视听广义零次学习方法 被引量：1
2
作者 杨静 李小勇 +3 位作者 阮小利 李少波 唐向红 徐计 《电子与信息学报》 北大核心 2025年第7期2375-2384,共10页
视听零次学习需要理解音频和视觉信息之间的关系,以便能够推理未见过的类别。尽管领域做出了许多努力并取得了重大进展,但往往专注于学习强大的表征,从而忽视了音频和视频之间的依赖关系和输出分布与目标分布不一致的问题。因此,该文提... 视听零次学习需要理解音频和视觉信息之间的关系,以便能够推理未见过的类别。尽管领域做出了许多努力并取得了重大进展,但往往专注于学习强大的表征,从而忽视了音频和视频之间的依赖关系和输出分布与目标分布不一致的问题。因此,该文提出了基于Transformer的视听广义零次学习方法。具体来说,使用注意力机制来学习数据的内部信息,增强不同模态的信息交互,以捕捉视听数据之间的语义一致性;为了度量不同概率分布之间的差异和类别之间的一致性,引入了Kullback-Leibler(KL)散度和余弦相似度损失。为了评估所提方法,在VGGSound-GZSL^(cls),UCF-GZSL^(cls)和ActivityNet-GZSL^(cls)3个基准数据集上进行测试。大量的实验结果表明,所提方法在3个数据集上都取得了最先进的性能。 展开更多
关键词 视听零次学习 视频分类 注意力机制 KL散度
在线阅读 下载PDF
基于改进YOLOv5的密集行人检测算法 被引量：3
3
作者 胡倩 皮建勇 +2 位作者 胡伟超 黄昆 王娟敏 《计算机工程》 北大核心 2025年第3期216-228,共13页
针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨... 针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。 展开更多
关键词 密集行人检测 小目标行人检测 Conv-SPD网络 双层渐进特征金字塔网络 EfficiCIoU_Loss损失函数
在线阅读 下载PDF
基于DR-DT的视觉SLAM参数自适应调整
4
作者 黄鑫 黄初华 +2 位作者 杨明旭 秦进 马旭博 《计算机应用研究》 北大核心 2025年第11期3512-3520,共9页
针对传统视觉SLAM系统依赖固定参数且需手动调整的问题,提出了一种基于离散化奖励Decision Transformer的自适应参数调整方法——DR-DT。该方法将参数自适应过程转换为序列建模任务,通过选择SLAM关键参数定义连续动作空间,基于位姿不确... 针对传统视觉SLAM系统依赖固定参数且需手动调整的问题,提出了一种基于离散化奖励Decision Transformer的自适应参数调整方法——DR-DT。该方法将参数自适应过程转换为序列建模任务,通过选择SLAM关键参数定义连续动作空间,基于位姿不确定性构建奖励函数,结合离散化奖励机制提升学习稳定性。以ORB-SLAM3为测试系统,在EuRoC MAV和TUM-VI数据集上的实验结果表明,所提方法能有效提升视觉SLAM系统在复杂场景中的位姿估计精度,同时简化了参数调整过程。该方法为视觉SLAM系统的参数自适应优化提供了新思路。 展开更多
关键词 视觉SLAM 参数自适应 Decision Transformer 连续动作空间 离散化奖励
在线阅读 下载PDF
基于马尔可夫聚类的隐私高维数据发布方法
5
作者 刘卓群 龙士工 +1 位作者 张珺铭 刘光源 《计算机工程与设计》 北大核心 2025年第1期117-123,共7页
针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化... 针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化差分隐私保护的数据后,构建无向依赖图矩阵表示高维数据的复杂的属性关联性,基于马尔可夫聚类将高维数据属性集分割成多个低维属性簇,利用EM算法计算低维属性簇和重叠属性簇的边缘分布、估计原始数据的联合分布,通过采样合成新的数据集进行发布。实验结果表明,所提出方法在发布高维数据集上有较好的精度、较少的迭代次数和较高的计算效率。 展开更多
关键词 高维数据 本地化差分隐私 马尔可夫聚类 数据发布 联合分布估计 属性关联性 数据合成
在线阅读 下载PDF
基于深度学习的基础设施表面裂纹检测方法研究进展 被引量：3
6
作者 胡翔坤 李华 +3 位作者 冯毅雄 钱松荣 李键 李少波 《计算机工程与应用》 北大核心 2025年第1期1-23,共23页
民用基础设施在长期使用后容易发生物理结构或性能状态的改变,对其功能和使用安全造成一定的损害,因此,对这类设施的结构健康监测是十分必要的。裂纹检测是结构健康监测中极其重要的一部分,及时检测并识别这类损伤,能有效避免事故的发... 民用基础设施在长期使用后容易发生物理结构或性能状态的改变,对其功能和使用安全造成一定的损害,因此,对这类设施的结构健康监测是十分必要的。裂纹检测是结构健康监测中极其重要的一部分,及时检测并识别这类损伤,能有效避免事故的发生。基于计算机视觉的表面裂纹检测方法操作简单、检测速度快、准确率高,被广泛应用于民用基础设施的表面裂纹检测。从图像分类、目标检测、语义分割三个不同的检测方向综述了基于深度学习的基础设施表面裂纹检测方法,总结了常见的数据采集方法和常用的公共裂纹数据集。最后讨论了基于深度学习的基础设施表面裂纹检测方法存在的困难与挑战,并展望了未来可能的发展方向。 展开更多
关键词 结构健康监测 裂纹检测 计算机视觉 深度学习
在线阅读 下载PDF
基于零集中差分隐私的联邦学习激励方案 被引量：2
7
作者 李梦倩 田有亮 +1 位作者 张军鹏 赵冬梅 《通信学报》 北大核心 2025年第1期79-92,共14页
针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私... 针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私,提出了隐私预算动态分配算法,实现训练过程中噪声规模的动态调整,在严格隐私计算边界的情况下提供更强的隐私保护。理论分析与仿真实验证明,zCDP-FL能够有效防止隐私泄露,并提升了2.13%~3.62%模型训练效率。 展开更多
关键词 联邦学习 零集中差分隐私 激励机制 隐私预算 动态分配
在线阅读 下载PDF
基于多方计算的安全拜占庭弹性联邦学习 被引量：1
8
作者 高鸿峰 黄浩 田有亮 《通信学报》 北大核心 2025年第2期108-122,共15页
为了解决联邦学习中梯度隐私保护、服务器推理攻击和客户端数据投毒导致的低准确率等问题,针对服务器-客户端的两层架构,提出了一种基于多方计算的安全拜占庭弹性联邦学习方案。首先,提出了一种基于加法秘密共享的两方密文计算方法,对... 为了解决联邦学习中梯度隐私保护、服务器推理攻击和客户端数据投毒导致的低准确率等问题,针对服务器-客户端的两层架构,提出了一种基于多方计算的安全拜占庭弹性联邦学习方案。首先,提出了一种基于加法秘密共享的两方密文计算方法,对本地模型梯度进行拆分,来抵抗服务器的推理攻击。其次,设计了一种密态数据下的投毒检测算法和客户端筛选机制来抵御投毒攻击。最后,在MNIST数据集和CIFAR-10数据集上进行实验来验证方案的可行性。与传统的Trim-mean和Median方法相比,当拜占庭参与者比例达到40%时,模型的准确率提升了3%~6%。综上所述,所提方案既能抵御推理攻击和投毒攻击,又能提高全局模型的准确率,足以证明方案的有效性。 展开更多
关键词 联邦学习 隐私保护 多方计算 推理攻击 投毒攻击
在线阅读 下载PDF
基于多尺度胶囊Swin Transformer的SAR图像目标识别方法 被引量：1
9
作者 侯宇超 王洁 +4 位作者 李洪涛 郝岩 段晓旗 黄凯文 田有亮 《通信学报》 北大核心 2025年第3期274-290,共17页
通过协同胶囊单元的语义特征编码和Swin Transformer的上下文特征图建模优势相结合,提出了一种多尺度胶囊Swin Transformer网络(MSCSTN),将胶囊编码和Swin Transformer联合应用于SAR图像目标识别。该网络集成3个并行的胶囊Swin Transfor... 通过协同胶囊单元的语义特征编码和Swin Transformer的上下文特征图建模优势相结合,提出了一种多尺度胶囊Swin Transformer网络(MSCSTN),将胶囊编码和Swin Transformer联合应用于SAR图像目标识别。该网络集成3个并行的胶囊Swin Transformer编码结构,融合后对输入图像进行分类。每个结构通过基于膨胀卷积切片划分的胶囊令牌编码器和三维胶囊Swin Transformer模块构建,能捕获更深层次、更广泛的语义特征。在运动和静止目标的获取与识别(MSTAR)数据集及FUSAR-Ship数据集上的实验结果表明,MSCSTN在各种测试条件下均优于其他方法。结果表明,MSCSTN展现了良好的识别性能、泛化能力和应用潜力。 展开更多
关键词 膨胀卷积切片分区 胶囊令牌编码器 三维胶囊Swin Transformer模块 多尺度胶囊Swin Transformer网络 SAR图像目标识别
在线阅读 下载PDF
基于改进YOLOv8的密集行人检测模型 被引量：1
10
作者 黄昆 齐肇建 +3 位作者 王娟敏 胡倩 胡伟超 皮建勇 《计算机工程》 北大核心 2025年第5期133-142,共10页
密集行人检测是公共智能监控的关键技术,其采用目标检测方法对视频中的行人位置和数量进行检测,进而实现对视频中人群的智能监控。在人员密集场景下因遮挡和行人的目标太小造成漏检。为此,提出一种改进YOLOv8检测模型Crowd-YOLOv8。首先... 密集行人检测是公共智能监控的关键技术,其采用目标检测方法对视频中的行人位置和数量进行检测,进而实现对视频中人群的智能监控。在人员密集场景下因遮挡和行人的目标太小造成漏检。为此,提出一种改进YOLOv8检测模型Crowd-YOLOv8。首先,在主干网络使用nostride-Conv-SPD模块,增强对图像小目标特征等细粒度信息的提取能力;其次,在YOLOv8网络的颈部引入小目标检测头和CARAFE上采样算子对各尺度特征进行融合,以提高在小目标情况下的检测效果。实验结果表明,所提模型在CrowdHuman数据集上mAP@0.5和mAP@0.5∶0.95分别取得了84.3%和58.2%的检测效果,与原YOLOv8n相比分别提高了3.7和5.2百分点;在WiderPerson数据集上取得了88.4%和67.4%,与原YOLOv8n相比提高了1.1和1.5百分点。 展开更多
关键词 密集行人检测 YOLOv8网络 nostride-Conv-SPD模块 CARAFE算子 小目标检测头
在线阅读 下载PDF
基于卷积时空混合神经网络的剩余使用寿命预测 被引量：1
11
作者 刘澳龙 唐向红 +1 位作者 陆见光 王涛 《组合机床与自动化加工技术》 北大核心 2025年第4期1-7,共7页
针对当前剩余使用寿命(remaining useful life,RUL)预测方法侧重于捕捉数据的时间依赖,忽略多传感器间的空间关系问题,提出了一种卷积时空混合神经网络(convolutional spatio-temporal hybrid neural network,CSTHNN)用于提取多传感器... 针对当前剩余使用寿命(remaining useful life,RUL)预测方法侧重于捕捉数据的时间依赖,忽略多传感器间的空间关系问题,提出了一种卷积时空混合神经网络(convolutional spatio-temporal hybrid neural network,CSTHNN)用于提取多传感器时间序列数据的时空特征用于RUL预测。CSTHNN利用卷积神经网络的卷积层感知相邻特征间的空间关系并提取传感器间的空间特征。通过位置编码以记忆时间依赖信息,并使用多头自注意力机制提取时间特征。最后将提取到的时空特征进行非线性变换,映射为RUL预测结果。通过在C-MAPSS数据集上的实验对CSTHNN进行了全面的分析和验证,表明了在RUL预测上提取空间特征的重要性以及该方法优秀的性能。 展开更多
关键词 剩余使用寿命 时空特征 卷积神经网络 混合神经网络
在线阅读 下载PDF
基于Boosting优先经验重放的协同计算卸载方法 被引量：1
12
作者 黄毅 王文轩 +3 位作者 崔允贺 陈意 郭春 申国伟 《计算机应用研究》 北大核心 2025年第3期777-787,共11页
现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况,导致计算卸载模型的时延估计存在偏差。更重要的是,现有基于强化学习的计算卸载方法通过计算时序差分(temporal difference,TD)误差进行经验重放,无法精确评估历史经... 现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况,导致计算卸载模型的时延估计存在偏差。更重要的是,现有基于强化学习的计算卸载方法通过计算时序差分(temporal difference,TD)误差进行经验重放,无法精确评估历史经验的重要性,导致卸载决策精度降低。为解决上述问题,在移动蜂窝网络边缘计算场景下,考虑多设备、多服务器的计算卸载问题,提出一种基于Boosting优先经验重放的协同计算卸载方法—COOPERANT。针对任务调度问题,COOPERANT构建了终端设备任务排队模型及服务器任务排队模型;针对任务卸载问题,COOPERANT设计了融合Boosting的优先经验重放算法、任务卸载联合优化模型、计算卸载多智能体深度强化学习模型及COOPERANT网络更新策略。实验证明,相比于遗传算法、蚁群算法、鲸鱼优化算法、MADDPG算法、TD-MADDPG算法以及MAPPO算法,COOPERANT能够有效降低系统时延和能耗开销,提升网络收敛速度。 展开更多
关键词 计算卸载 BOOSTING 多智能体深度强化学习 优先经验重放
在线阅读 下载PDF
面向复杂刑事案件的涉案金额识别方法
13
作者 田如君 林川 +3 位作者 黄瑞章 陈艳平 杨志 秦永彬 《计算机工程与设计》 北大核心 2025年第6期1556-1563,共8页
针对现有涉案金额识别方法在复杂案件(一案多人)上面临金额的所属关系易混淆及意图多样性问题,提出一种面向复杂刑事案件的涉案金额识别推理方法。通过分析裁判文书的逻辑结构,抽取文书中的金额相关要素并结合文书的特征构建金额共现图... 针对现有涉案金额识别方法在复杂案件(一案多人)上面临金额的所属关系易混淆及意图多样性问题,提出一种面向复杂刑事案件的涉案金额识别推理方法。通过分析裁判文书的逻辑结构,抽取文书中的金额相关要素并结合文书的特征构建金额共现图,用图的形式对金额的归属关系进行表示,使用图神经网络(graph neural network, GNN)在金额共现图中学习要素节点之间的语义依赖信息和结构信息,获取其深层的节点特征,实现对涉案金额的识别和推理。在公共比赛数据集LAIC2021(Legal AI Challenge 2021)上的准确率(Accuracy, Acc)值达到94.75%,比当前最优模型提升了3.7%,在某省人民法院裁判文书复杂案件数据集上的Acc值达到74.16%。 展开更多
关键词 刑事案件 涉案金额识别 裁判文书逻辑结构 金额共现图 图神经网络 司法智能 特征融合
在线阅读 下载PDF
结合二维增强融合机制的事件论元抽取方法
14
作者 王潞翔 陈艳平 +2 位作者 黄辉 黄瑞章 秦永彬 《计算机工程与应用》 北大核心 2025年第10期111-119,共9页
针对现有的事件论元抽取研究中触发词和论元间缺少交互以及通道内部缺少交互的问题,提出结合二维增强融合机制的事件论元抽取模型(two-dimensional enhanced fusion mechanism for event argument extraction,W2-ARG)。在句子中的触发... 针对现有的事件论元抽取研究中触发词和论元间缺少交互以及通道内部缺少交互的问题,提出结合二维增强融合机制的事件论元抽取模型(two-dimensional enhanced fusion mechanism for event argument extraction,W2-ARG)。在句子中的触发词两边插入标识符,引入事件类型信息的同时增强触发词和论元的交互,并单独编码触发词以突出其在句子中的语义信息。将论元抽取建模为二维化表示的标签预测,通过膨胀卷积捕获不同距离的单词的语义交互。使用通道注意力模块增强通道内部的交互,以强化通道内的信息传递。最后利用拉普拉斯算子来突出事件论元在语义空间中的位置特征,提升模型对事件论元的识别精度。模型在ACE05-EN、ERE-EN数据集上进行了实验,实验结果表明该方法的性能相较其他基于分类的事件论元抽取方法提升明显。 展开更多
关键词 事件论元抽取 句子平面化表示 通道注意力 拉普拉斯算子 BERT
在线阅读 下载PDF
结合位置感知的命名实体识别方法
15
作者 王纪恬 陈艳平 +2 位作者 黄蓉 黄瑞章 秦永彬 《广西科学》 北大核心 2025年第1期96-105,共10页
命名实体识别(Named Entity Recognition,NER)的性能影响自然语言处理中诸多下游任务。跨度分类是命名实体识别常用的方法,由于其需要枚举每一个跨度,因此存在高复杂度和大量负实例问题。此外,对每个跨度的独立预测不仅忽略了词与词之... 命名实体识别(Named Entity Recognition,NER)的性能影响自然语言处理中诸多下游任务。跨度分类是命名实体识别常用的方法,由于其需要枚举每一个跨度,因此存在高复杂度和大量负实例问题。此外,对每个跨度的独立预测不仅忽略了词与词之间的依赖关系和位置信息,而且导致模型获取的语义信息较为单一,从而忽略了全局信息。针对上述问题,本文提出结合位置感知的命名实体识别方法。具体来说,首先使用位置编码增强词与词之间的位置特征,序列融合了绝对位置信息和相对位置信息,从而得到关注语序的语义信息,预测可能的实体边界;然后对候选实体边界进行匹配组合并过滤生成带有标签信息的候选实体实例;最后使用具有局部信息感知的标签注意力机制和多层感知机联合判断候选实体的标签。实验结果表明,本文提出模型在ACE2005、GENIA和CoNLL-2003数据集上的F 1分数分别达到90.02%、81.33%和94.52%,该结果充分验证了所提模型在不同数据集上的有效性,进一步证明了其在命名实体识别任务中的优越性能。 展开更多
关键词 命名实体识别 嵌套命名实体识别 边界检测 位置编码 神经网络
在线阅读 下载PDF
基于提示标签协同的关系抽取方法
16
作者 冉哲宇 陈艳平 +2 位作者 王凯 黄瑞章 秦永彬 《计算机科学与探索》 北大核心 2025年第6期1580-1587,共8页
提示学习可以将下游任务转换为预训练任务形式的掩码预测任务。然而,将提示学习应用于关系抽取任务时,由于掩码的输出是标签类别的语义向量表示,容易导致生成空间过大而对掩码语义解析度不足。针对这一问题,提出了一种基于提示标签协同... 提示学习可以将下游任务转换为预训练任务形式的掩码预测任务。然而,将提示学习应用于关系抽取任务时,由于掩码的输出是标签类别的语义向量表示,容易导致生成空间过大而对掩码语义解析度不足。针对这一问题,提出了一种基于提示标签协同的关系抽取方法。为每个关系类构建两组同义词标签。其中一组用于学习掩码表示,另一组用于强化标签语义。在掩码语言模型中引入约束层以对掩码表示进行双向约束。使得两组同义词标签间隐含差异的语义和先验知识能够融入到关系表示中。由于同义词标签是基于知识初始化的,它们在潜在变量空间中可能不是最优的,应该与周围的上下文相关联。因此,在训练过程中,同义词标签表示会与掩码共同参与优化。提出的方法能够提高模型对标签语义的认知能力,同时优化掩码表示,从而提升模型对掩码的语义解析能力。实验结果表明,该方法在标准和小样本设置的三个公共数据集上均明显优于对比方法,证明了该方法的有效性。 展开更多
关键词 提示学习 提示标签协同 掩码语言模型
在线阅读 下载PDF
生物启发的无人机航拍前景提取视觉神经网络
17
作者 杨旭涛 秦进 胡滨 《计算机工程与设计》 北大核心 2025年第8期2289-2296,共8页
针对无人机航拍自运动视觉场景中运动视差导致传统方法精度差问题,基于蝗虫视觉神经结构特性,借助生物视信号中心环绕机制、视觉短期记忆机理,提出一种生物启发的人工视觉系统——自运动前景提取神经网络(SFENN)。SFENN由5个复眼神经层(... 针对无人机航拍自运动视觉场景中运动视差导致传统方法精度差问题,基于蝗虫视觉神经结构特性,借助生物视信号中心环绕机制、视觉短期记忆机理,提出一种生物启发的人工视觉系统——自运动前景提取神经网络(SFENN)。SFENN由5个复眼神经层(R、L、M、Lo、LP)构成。其中,R层接收自运动视觉信号;L、M层采集全局视野域中的自运动角点特征与轮廓信息;Lo与LP层提取前景目标,对其降噪处理并向外输出表征前景轮廓视信息的膜电位兴奋。实验研究结果表明,SFENN在无人机航拍的自运动视觉场景中能有效提取前景目标对象,与SOTA模型相比体现更佳检测准确率和鲁棒性。 展开更多
关键词 前景提取 视觉短期记忆 中心环绕机制 蝗虫复眼神经 自运动视觉感知 无人机航拍 计算机视觉
在线阅读 下载PDF
基于蝗虫视觉神经的人群汇流行为检测神经网络
18
作者 杨旭涛 秦进 胡滨 《计算机应用研究》 北大核心 2025年第3期911-919,共9页
运动人群在交叉路口或通道形成独特的运动行为模式——人群汇流,易引发诸如拥挤推攘、跌倒踩踏等潜在公共安全风险,然而目前尚未有针对该人群汇流检测的计算模型研究工作报道。针对该问题,提出了一种生物启发的人群汇流行为检测神经网络... 运动人群在交叉路口或通道形成独特的运动行为模式——人群汇流,易引发诸如拥挤推攘、跌倒踩踏等潜在公共安全风险,然而目前尚未有针对该人群汇流检测的计算模型研究工作报道。针对该问题,提出了一种生物启发的人群汇流行为检测神经网络(CCBDNN)。基于蝗虫视觉神经结构特性,该神经网络感知视野域中人群活动引发的视觉运动线索;借助哺乳动物视网膜方向感知机制提取人群局部运动方向线索;通过蝗虫小叶巨型运动检测器(LGMD)危险感知机理,构建尖峰调谐机制并输出表征人群汇流行为感知的神经尖峰响应。系统性实验研究表明,CCBDNN能有效检测视觉场景中的人群汇流行为,并产生具有独特偏好特性的输出响应。该工作涉及生物视感神经机制启发的动态视觉信息加工处理,可为人工智能中的人群活动检测与行为识别研究提供新方法、新思想。 展开更多
关键词 人群汇流检测 神经尖峰响应 LGMD 方向感知 蝗虫视觉神经 人工智能
在线阅读 下载PDF
基于特征融合与语义引导的药用胶囊表面缺陷检测
19
作者 董豪 李少波 +1 位作者 杨静 王军 《计算机集成制造系统》 北大核心 2025年第1期158-170,共13页
作为制药产业中常见的药剂容器,胶囊质量与病症的治疗效果以及患者身体的健康状况密切相关。因此,在胶囊生产质量管理流程中,产品质检技术对其批量生产与实际效用有着重要意义。为实现药用胶囊表面缺陷的像素级分割,提出一种基于特征融... 作为制药产业中常见的药剂容器,胶囊质量与病症的治疗效果以及患者身体的健康状况密切相关。因此,在胶囊生产质量管理流程中,产品质检技术对其批量生产与实际效用有着重要意义。为实现药用胶囊表面缺陷的像素级分割,提出一种基于特征融合与语义引导的药用胶囊表面缺陷检测方法。首先,利用特征融合模块聚集多尺度语义信息,使各级特征得到有效利用,以增强对多类目标以及细小缺陷的分割能力;其次,为缓解编解码过程中特征丢失问题,通过语义引导模块对语义信息进行正确疏导,提升缺陷分割的局部效果;最后,在细化分割模块的作用下,进一步优化表面缺陷的分割细节。在胶囊缺陷数据集上的评估结果表明,相比于众多现有方法,所提方法在多维度的评价指标下(包括精度、速度、模型大小以及训练时长)具有更为平衡的整体性能。 展开更多
关键词 深度学习 语义分割 缺陷检测 注意力引导 多尺度融合
在线阅读 下载PDF
鲁棒物联网多维时序数据预测方法
20
作者 沈忱 何勇 彭安浪 《计算机工程》 北大核心 2025年第4期107-118,共12页
在物联网(IoT)场景中,数据在采集和传输过程中易受噪声的干扰,导致数据中存在一定的离群值与缺失值。现有的时间正则化矩阵分解模型通常考虑平方损失来衡量重构误差,忽略了处理存在异常数据的多维时间序列时,矩阵分解的质量同样是影响... 在物联网(IoT)场景中,数据在采集和传输过程中易受噪声的干扰,导致数据中存在一定的离群值与缺失值。现有的时间正则化矩阵分解模型通常考虑平方损失来衡量重构误差,忽略了处理存在异常数据的多维时间序列时,矩阵分解的质量同样是影响模型预测性能的关键因素。提出一种基于L_(2,log)范数的时间感知鲁棒非负矩阵分解多维时序预测框架(TARNMF)。TARNMF通过非负矩阵分解(NMF)和参数可学习的自回归(AR)时间正则项建立多维时序数据的时空相关性,基于存在离群值的数据服从拉普拉斯分布的假设,使用L_(2,log)范数来估计非负鲁棒矩阵分解中原始数据和重建矩阵的误差,以减小异常数据对预测模型的干扰。L_(2,log)范数具备现有鲁棒度量函数的性质,解决了L_(1)损失的近似问题,并通过压缩异常值的残差来减少其对目标函数的影响。此外,提出一种基于投影梯度下降的优化方法对模型进行优化。实验结果表明,TARNMF具有良好的可扩展性和鲁棒性,尤其在高维Solar数据集上,较次优结果的相对平均绝对误差降低了8.64%。同时,在噪声数据上的实验结果验证了TARNMF能高效地处理和预测存在异常数据的IoT时序数据。 展开更多
关键词 L_(2 log)范数 非负矩阵分解 时间正则化矩阵分解 多维时序数据预测 鲁棒性
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 9 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部