-
题名基于生成对抗网络的文本转图像研究
被引量：3
- 1
-
-
作者
李校林
高雨薇
付国庆
-
机构
重庆邮电大学通信与信息工程学院
重庆邮电大学通信新技术应用研究中心
重庆信息设计有限公司
-
出处
《计算机应用与软件》
北大核心
2024年第3期188-193,219,共7页
-
基金
重庆市教育委员会科学技术研究项目(KJQN202000647)。
-
文摘
近几年,生成对抗网络(Generative Adversarial Network, GAN)在文本转图像中已经取得了显著成果,但是当生成复杂图像时,一些重要的细粒度信息常常会丢失,包括图像边缘模糊、局部纹理不清晰等问题。为了解决上述问题,在堆叠式生成对抗网络(Stack GAN)基础上,该文提出一种基于深度注意力的堆叠式生成对抗网络模型(Deep Attention Stack GAN, DAS-GAN),模型第一个阶段生成图像的基本轮廓和颜色,第二个阶段部分外观和颜色的补充和校正,最后一个阶段细化图像的纹理细节。通过在CUB数据集上实验的初始得分发现,DAS-GAN相比StackGAN++和AttnGAN分别提高了0.296和0.078,从而证明了该模型的有效性。
-
关键词
生成对抗网络
深度学习
文本转图像
深度注意力
DAS-GAN
-
Keywords
Generative adversarial network
Deep learning
Text-to-image
Deep Attention
DAS-GAN
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Stacking的DDoS攻击检测方法
- 2
-
-
作者
付国庆
李俭兵
高雨薇
-
机构
重庆邮电大学通信与信息工程学院
重庆邮电大学通信新技术应用研究中心
重庆信息设计有限公司
-
出处
《计算机应用与软件》
北大核心
2024年第3期321-327,共7页
-
基金
重庆市教育委员会科学技术研究项目(KJQN202000647)。
-
文摘
近年来DDoS攻击检测多采用机器学习的方法,Stacking便是其一,现阶段Stacking初级学习器的配置方法多为固定搭配,但由于DDoS攻击的复杂性和动态性,静态的配置策略显得灵活性较差。对此提出QGA-Stacking算法,即利用量子遗传算法(QGA)动态地选取Stacking中评价指标最高的一组学习器组合,从而提高检测模型的准确性和灵活性;提出一组最佳特征集来节省计算成本。经过实验对比,充分证明了QGA-Stacking算法相较于其他3种主流算法,其检测性能更加显著,最佳特征集的选取也较为合理。
-
关键词
网络空间安全
DDOS攻击检测
集成学习
STACKING
量子遗传算法
-
Keywords
Cyberspace security
DDoS attack detection
Ensemble learning
Stacking
Quantum genetic algorithm(QGA)
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
