基于L_(1)-mask约束的对抗攻击优化方法

1

作者 周强 陈军 陶卿 《智能系统学报》 北大核心 2025年第3期594-604,共11页

当前的对抗攻击方法通常采用无穷范数或L_(2)范数来度量距离,但在不可察觉性方面仍有提升空间。L_(1)范数作为稀疏学习的常用度量方式,其在提高对抗样本的不可察觉性方面尚未被深入研究。为了解决这一问题,提出基于L_(1)范数约束的对抗... 当前的对抗攻击方法通常采用无穷范数或L_(2)范数来度量距离,但在不可察觉性方面仍有提升空间。L_(1)范数作为稀疏学习的常用度量方式,其在提高对抗样本的不可察觉性方面尚未被深入研究。为了解决这一问题,提出基于L_(1)范数约束的对抗攻击方法,通过对特征进行差异化处理,将有限的扰动集中在更重要的特征上。此外,还提出了基于显著性分析的L_(1)-mask约束方法,通过遮盖显著性较低的特征来提高攻击的针对性。这些改进不仅提高了对抗样本的不可察觉性,还减少了对抗样本对替代模型的过拟合风险,增强了对抗攻击的迁移性。在ImageNet-Compatible数据集上的实验结果表明:在保持相同黑盒攻击成功率的条件下,基于L_(1)约束的对抗攻击方法不可察觉性指标FID(frechet inception distance)指标较无穷范数低约5.7%,而基于L_(1)-mask约束的FID指标则低约9.5%。 展开更多

关键词 对抗攻击 L_(1)范数 遮盖 显著性 不可察觉性 迁移性 稀疏 约束

在线阅读 下载PDF 职称材料

一种基于线性插值的对抗攻击方法

2

作者 陈军 周强 +1 位作者 鲍蕾 陶卿 《计算机科学》 北大核心 2025年第8期403-410,共8页

深度神经网络在对抗性样本面前表现出显著的脆弱性,易遭受攻击。对抗性样本的构造可被抽象为一个最大化目标函数的优化问题。然而,基于梯度迭代的方法在处理此类优化问题时往往面临收敛性挑战。这类方法主要依赖梯度符号进行迭代更新,... 深度神经网络在对抗性样本面前表现出显著的脆弱性,易遭受攻击。对抗性样本的构造可被抽象为一个最大化目标函数的优化问题。然而,基于梯度迭代的方法在处理此类优化问题时往往面临收敛性挑战。这类方法主要依赖梯度符号进行迭代更新,却忽略了梯度的大小和方向信息,导致算法性能不稳定。研究表明,I-FGSM对抗攻击算法源自优化领域中的随机投影次梯度方法。已有文献指出,在优化问题中,采用线性插值方法替代随机投影次梯度方法能够获得优异的性能。鉴于此,提出一种新型的基于线性插值的对抗攻击方法。该方法将插值策略应用于对抗攻击中,并以实际梯度替代传统的符号梯度。理论上,所提出的线性插值对抗攻击算法已被证明在一般凸优化问题中能够实现最优的个体收敛速率,从而克服符号梯度类算法的收敛难题。实验结果证实,线性插值方法作为一种通用且高效的策略,与基于梯度的对抗攻击方法相结合,能够形成新的攻击算法。相较于已有算法,这些新的攻击算法在保持对抗性样本的不可察觉性的同时,显著提升了攻击成功率,并在迭代过程中保持了较高的稳定性。 展开更多

关键词 线性插值 对抗攻击 梯度符号 收敛性 稳定性

在线阅读 下载PDF 职称材料

基于实时动态模板更新的Transformer目标跟踪方法

3

作者 孙子文 钱立志 +2 位作者 袁广林 杨传栋 凌冲 《计算机工程》 北大核心 2025年第4期158-168,共11页

基于Transformer的目标跟踪方法广泛应用在计算机视觉领域,并取得了优异的效果。但是,由于在实际跟踪任务中受目标变换、目标遮挡、光照变化以及目标快速运动等因素的影响,导致目标信息发生变化,现有方法对目标模板变化信息利用不足,限... 基于Transformer的目标跟踪方法广泛应用在计算机视觉领域,并取得了优异的效果。但是,由于在实际跟踪任务中受目标变换、目标遮挡、光照变化以及目标快速运动等因素的影响,导致目标信息发生变化,现有方法对目标模板变化信息利用不足,限制了跟踪性能的提高。为此,通过附加一条动态模板更新分支反映目标最新的外观和运动状态,提出一种基于实时动态模板更新的Transformer目标跟踪方法TransTRDT。该分支通过模板质量评分头对模板是否更新进行判断,当判定可以进行更新时,随后将初始模板、前一帧动态模板以及裁剪后的最新预测结果传入动态模板更新网络中更新动态模板,通过获取更可靠的模板从而实现更准确的目标跟踪。在公共数据集上的实验结果表明,TransTRDT在GOT-10k、LaSOT以及TrackingNet上的跟踪性能优于SwinTrack和StarK等算法,在OTB100中的跟踪成功率为71.9%,跟踪速度为36.82帧/s,达到目前行业的领先水平。 展开更多

关键词 目标跟踪 注意力机制 动态模板更新 质量评分头 Transformer目标跟踪

在线阅读 下载PDF 职称材料

空间调制型全偏振成像系统解调算法优化 被引量：3

4

作者 王孙晨 张磊 +3 位作者 薛模根 吴云智 贾镕 薛莹 《光子学报》 EI CAS CSCD 北大核心 2020年第12期146-156,共11页

针对空间调制型全偏振成像系统中二维傅里叶变换解调算法的优化问题,提出贝塞尔修正的方向选择性二维汉宁切趾优化解调算法,对比分析了不同切趾函数主瓣宽度与旁瓣衰减的特性.相比于传统汉宁窗,该算法旁瓣抑制能力提高了12.89 dB,主瓣... 针对空间调制型全偏振成像系统中二维傅里叶变换解调算法的优化问题,提出贝塞尔修正的方向选择性二维汉宁切趾优化解调算法,对比分析了不同切趾函数主瓣宽度与旁瓣衰减的特性.相比于传统汉宁窗,该算法旁瓣抑制能力提高了12.89 dB,主瓣宽度为0.065π,同时在频谱滤波过程中对相对位置在对角线方向上频谱信息有良好抑制作用.搭建了基于琼斯矩阵的全偏振成像探测系统,并通过实验进行验证.实验结果表明:经过优化的解调算法全偏振分量的解调精度平均提高了9.48%,验证了优化解调算法的准确性和有效性. 展开更多

关键词 全偏振成像 空间调制 干涉图 傅里叶变换 琼斯矩阵 频域滤波 切趾

在线阅读 下载PDF 职称材料

基于Arduino与Processing互动编程的特种仓库智能测控系统设计 被引量：2

5

作者 崔北尧 王峰 +2 位作者 刘士军 李伟光 王一飞 《现代电子技术》 2023年第18期177-182,共6页

基于Arduino与Processing互动编程方式进行特种仓库智能测控系统设计。该系统以Arduino为主控单元,利用各种传感器实时采集库区火情、烟雾、温度、湿度、有害气体浓度等关键参数;采用中位值平均滤波法对参数进行处理,并根据库内参数发... 基于Arduino与Processing互动编程方式进行特种仓库智能测控系统设计。该系统以Arduino为主控单元,利用各种传感器实时采集库区火情、烟雾、温度、湿度、有害气体浓度等关键参数;采用中位值平均滤波法对参数进行处理,并根据库内参数发出相应控制信号,作用于对应节点设备,实现自动控制。同时,保留人工干预措施,仓库管理人员可以根据库内环境参数做出相应的管控措施。所设计系统是集常规监测、自动控制、无人值班等功能于一体的智能化系统,对弹药、危险品、生化物品等高危物品的存储有一定的借鉴意义。 展开更多

关键词 特种仓库智能测控系统 Arduino芯片 PROCESSING 温湿度传感器 自动控制 算术平均滤波 程序设计

在线阅读 下载PDF 职称材料

基于Transformer的视觉目标跟踪方法综述 被引量：6

6

作者 孙子文 钱立志 +3 位作者 杨传栋 高一博 陆庆阳 袁广林 《计算机应用》 CSCD 北大核心 2024年第5期1644-1654,共11页

视觉目标跟踪是计算机视觉中的重要任务之一,为实现高性能的目标跟踪,近年来提出了大量的目标跟踪方法,其中基于Transformer的目标跟踪方法由于具有全局建模和联系上下文的能力,是目前视觉目标跟踪领域研究的热点。首先,根据网络结构的... 视觉目标跟踪是计算机视觉中的重要任务之一,为实现高性能的目标跟踪,近年来提出了大量的目标跟踪方法,其中基于Transformer的目标跟踪方法由于具有全局建模和联系上下文的能力,是目前视觉目标跟踪领域研究的热点。首先,根据网络结构的不同对基于Transformer的视觉目标跟踪方法进行分类,概述相关原理和模型改进的关键技术,总结不同网络结构的优缺点;其次,对这类方法在公开数据集上的实验结果进行对比,分析网络结构对性能的影响,其中MixViT-L(ConvMAE)在LaSOT和TrackingNet上跟踪成功率分别达到了73.3%和86.1%,说明基于纯Transformer两段式架构的目标跟踪方法具有更优的性能和更广的发展前景;最后,对方法当前存在的网络结构复杂、参数量大、训练要求高和边缘设备使用难度大等不足进行总结,并对今后的研究重点进行展望,通过与模型压缩、自监督学习以及Transformer可解释性分析相结合,可为基于Transformer的视觉目标跟踪提出更多可行的解决方案。 展开更多

关键词 计算机视觉 目标跟踪 混合网络结构 深度学习 孪生网络 TRANSFORMER

在线阅读 下载PDF 职称材料

一种基于对比学习大模型的视觉定位方法 被引量：4

7

作者 陆庆阳 袁广林 +2 位作者 朱虹 秦晓燕 薛模根 《电子学报》 EI CAS CSCD 北大核心 2024年第10期3448-3458,共11页

一阶段视觉定位方法由于其快速性而受到广泛关注,该方法利用图像与文本的融合特征预测目标框,但是现有方法在特征融合前没有进行图像与文本特征的对齐,限制了视觉定位的精度.为了解决这一问题,本文提出一种基于对比学习大模型的视觉定... 一阶段视觉定位方法由于其快速性而受到广泛关注,该方法利用图像与文本的融合特征预测目标框,但是现有方法在特征融合前没有进行图像与文本特征的对齐,限制了视觉定位的精度.为了解决这一问题,本文提出一种基于对比学习大模型的视觉定位方法.该方法采用基于对比学习的大规模预训练模型CLIP(Contrastive Language-Image Pre-training)提取图像和文本特征,利用Transformer编码器融合图像文本特征,使用多层感知机和融合特征预测目标框.该方法能够解决视觉定位方法上述不足的原因在于:借助CLIP模型的编码器可以提取高度语义对齐的图像和文本特征,同时使用全局注意力交互融合图像与文本的上下文特征.在5个数据集上,对本文提出的方法进行实验验证,实验结果表明:相比于现有视觉定位方法,本文方法取得了综合精度的提升. 展开更多

关键词 视觉定位 对比学习 变换器 注意力 大模型 对齐

在线阅读 下载PDF 职称材料

一种基于稀疏优化和Nesterov动量策略的模型剪枝算法 被引量：1

8

作者 周强 陈军 +1 位作者 鲍蕾 陶卿 《数据采集与处理》 CSCD 北大核心 2024年第3期659-667,共9页

随着深度学习快速发展,模型的参数量和计算复杂度爆炸式增长,在移动终端上部署面临挑战,模型剪枝成为深度学习模型落地应用的关键。目前,基于正则化的剪枝方法通常采用L2正则化并结合基于数量级的重要性标准,是一种经验性的方法,缺乏理... 随着深度学习快速发展,模型的参数量和计算复杂度爆炸式增长,在移动终端上部署面临挑战,模型剪枝成为深度学习模型落地应用的关键。目前,基于正则化的剪枝方法通常采用L2正则化并结合基于数量级的重要性标准,是一种经验性的方法,缺乏理论依据,精度难以保证。受Proximal梯度方法求解稀疏优化问题的启发,本文提出一种能够在深度神经网络上直接产生稀疏解的Prox⁃NAG优化方法,并设计了与之配套的迭代剪枝算法。该方法基于L1正则化,利用Nesterov动量求解优化问题,克服了原有正则化剪枝方法对L2正则化和数量级标准的依赖,是稀疏优化从传统机器学习向深度学习的自然推广。在CIFAR10数据集上对ResNet系列模型进行剪枝实验,实验结果证明Prox⁃NAG剪枝算法较原有剪枝算法性能有所提升。 展开更多

关键词 稀疏 优化 剪枝算法 Proximal梯度方法 Nesterov加速梯度(Nesterov accelerated gradient NAG)

在线阅读 下载PDF 职称材料

结合自适应步长策略和数据增强机制提升对抗攻击迁移性 被引量：1

9

作者 鲍蕾 陶蔚 陶卿 《电子学报》 EI CAS CSCD 北大核心 2024年第1期157-169,共13页

深度神经网络具有脆弱性,容易被精心设计的对抗样本攻击.梯度攻击方法在白盒模型上攻击成功率较高,但在黑盒模型上的迁移性较弱.基于Heavy-ball型动量和Nesterov型动量的梯度攻击方法由于在更新方向上考虑了历史梯度信息,提升了对抗样... 深度神经网络具有脆弱性,容易被精心设计的对抗样本攻击.梯度攻击方法在白盒模型上攻击成功率较高,但在黑盒模型上的迁移性较弱.基于Heavy-ball型动量和Nesterov型动量的梯度攻击方法由于在更新方向上考虑了历史梯度信息,提升了对抗样本的迁移性.为了进一步使用历史梯度信息,本文针对收敛性更好的Nesterov型动量方法,使用自适应步长策略代替目前广泛使用的固定步长,提出了一种方向和步长均使用历史梯度信息的迭代快速梯度方法(Nesterov and Adaptive-learning-rate based Iterative Fast Gradient Method,NAI-FGM).此外,本文还提出了一种线性变换不变性(Linear-transformation Invariant Method,LIM)的数据增强方法 .实验结果证实了NAI-FGM攻击方法和LIM数据增强策略相对于同类型方法均具有更高的黑盒攻击成功率.组合NAI-FGM方法和LIM策略生成对抗样本,在常规训练模型上的平均黑盒攻击成功率达到87.8%,在对抗训练模型上的平均黑盒攻击成功率达到57.5%,在防御模型上的平均黑盒攻击成功率达到67.2%,均超过现有最高水平. 展开更多

关键词 对抗样本 迁移性 Nesterov型动量 自适应步长 线性变换不变性

在线阅读 下载PDF 职称材料

基于DIoU损失与平滑约束的结构化SVM目标跟踪方法 被引量：1

10

作者 孙子文 袁广林 +2 位作者 李从利 秦晓燕 朱虹 《计算机科学》 CSCD 北大核心 2024年第S01期389-396,共8页

基于结构化SVM的目标跟踪因其优良的性能而受到了广泛的关注,但是现有方法存在损失函数不精确和模型漂移问题。针对这两个问题,首先提出基于DIoU损失与平滑约束的结构化SVM模型。该模型采用DIoU函数作为损失函数,利用t时刻超平面法向量w... 基于结构化SVM的目标跟踪因其优良的性能而受到了广泛的关注,但是现有方法存在损失函数不精确和模型漂移问题。针对这两个问题,首先提出基于DIoU损失与平滑约束的结构化SVM模型。该模型采用DIoU函数作为损失函数,利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束。其次基于对偶坐标下降原理设计了该模型的求解算法。最后利用提出的基于DIoU损失与平滑约束的结构化SVM实现了一种多尺度目标跟踪方法。对所提出的目标跟踪方法在OTB100和VOT-ST2021数据集上进行了实验验证,实验结果表明:所提出的Scale-DCSSVM在OTB数据集上的跟踪成功率比DeepSRDCF高1.1个百分点,在VOT-ST2021上的EAO比E.T.Track高1.2个百分点。所提方法具有较优的性能。 展开更多

关键词 目标跟踪 结构化SVM DIoU损失 平滑约束

在线阅读 下载PDF 职称材料

基于弹载图像的Transformer目标跟踪算法 被引量：1

11

作者 孙子文 钱立志 +1 位作者 袁广林 凌冲 《弹箭与制导学报》 北大核心 2024年第1期49-56,共8页

基于弹载图像自寻的经典目标跟踪方法依靠传统特征提取方法通常只能提取到有限的特征,表征能力不足,算法易受弹载图像中目标尺度变化、相似目标以及复杂背景等因素干扰而导致跟踪失效。由于Transformer凭借强大的全局建模能力被广泛应... 基于弹载图像自寻的经典目标跟踪方法依靠传统特征提取方法通常只能提取到有限的特征,表征能力不足,算法易受弹载图像中目标尺度变化、相似目标以及复杂背景等因素干扰而导致跟踪失效。由于Transformer凭借强大的全局建模能力被广泛应用于目标跟踪领域。结合弹载图像仿真实验平台提出基于弹载图像的Transformer目标跟踪算法,算法由特征提取、特征融合以及预测头三部分组成。首先,在特征提取部分分别使用Swin-Transformer网络的前三层对输入的初始模板和搜索区域提取深度特征。其次,为了充分利用初始模板信息,借助交叉注意力模块对提取的特征进行特征增强处理。然后,将提取后的特征进行拼接并送入编码器、解码器模块进行特征的融合。最后,输出的特征经过回归和分类头进行目标定位。算法在弹载图像数据集上进行实验,跟踪成功率达到73.87%,跟踪速度达到56.79帧/s。相较于经典的KCF算法,文中算法充分利用Transformer注意力机制的特性在跟踪成功率以及精度上提高了18.01%和23.14%,大幅提升算法的鲁棒性。 展开更多

关键词 弹载图像 注意力机制 TRANSFORMER 目标跟踪

在线阅读 下载PDF 职称材料

基于弹载图像的代价敏感与平滑约束结构化SVM目标跟踪方法

12

作者 孙子文 钱立志 +2 位作者 杨传栋 袁广林 凌冲 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第6期142-149,共8页

目标自寻的炮弹打击目标时,传统的目标跟踪方法易受混杂背景的影响,产生模型漂移从而导致跟踪失败。近年来,随着结构化SVM技术的发展,基于结构化SVM的目标跟踪方法能够有效解决复杂背景的问题。弹载成像条件下,在结构化SVM目标跟踪方法... 目标自寻的炮弹打击目标时,传统的目标跟踪方法易受混杂背景的影响,产生模型漂移从而导致跟踪失败。近年来,随着结构化SVM技术的发展,基于结构化SVM的目标跟踪方法能够有效解决复杂背景的问题。弹载成像条件下,在结构化SVM目标跟踪方法的基础上,增加代价敏感权重解决弹载图像中背景混杂所引起的正、负样本不平衡问题,同时利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束抑制模型漂移问题。通过基于对偶坐标下降原理设计了模型的求解算法并实现一种多尺度目标跟踪方法Scale-CS_SSVM。在弹载数据集上进行实验验证,结果表明:与Scale-DLSSVM方法相比,Scale-CS_SSVM在跟踪精度和成功率上分别提高了5.5和5.0个百分点,达到了最优的性能。 展开更多

关键词 弹载图像 目标跟踪 代价敏感 平滑约束 结构化SVM

在线阅读 下载PDF 职称材料

基于最大决策邻域粗糙集的不确定性度量方法 被引量：2

13

作者 徐洋 徐怡 +2 位作者 史国川 鲁磊纪 赵小帆 《小型微型计算机系统》 CSCD 北大核心 2020年第6期1121-1125,共5页

邻域粗糙集模型是经典粗糙集模型的变型,对处理数值型数据具有较好的优势性.本文引入最大决策邻域粗糙集模型,该模型密切关注边界样本,通过增加与决策类有最大交集的邻域样本来扩大正域,并在该模型上定义了最大决策粗糙度的概念.为了能... 邻域粗糙集模型是经典粗糙集模型的变型,对处理数值型数据具有较好的优势性.本文引入最大决策邻域粗糙集模型,该模型密切关注边界样本,通过增加与决策类有最大交集的邻域样本来扩大正域,并在该模型上定义了最大决策粗糙度的概念.为了能够反映正域、负域的同时变化,提出一种基于边界域的不确定性度量方法.为了能够更全面的度量,在最大决策邻域粗糙集模型中定义了最大决策邻域粒结构,并基于该粒结构提出了最大决策邻域粒度概念,该粒度是对信息系统的分类能力的度量.文章最后提出一种基于最大决策邻域粗糙集的混合不确定性度量方法,将两种度量方法进行结合.实验结果表明,所提出的度量方法在邻域信息系统中具有较好的分类效果. 展开更多

关键词 最大决策邻域粗糙集 粗糙度 边界域 粒度度量

在线阅读 下载PDF 职称材料

基于方向性全变分Retinex的低照度图像增强 被引量：13

14

作者 张杰 周浦城 薛模根 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第10期1943-1953,共11页

为了提高低照度图像的视觉质量,提出一种基于方向性全变分Retinex的低照度图像增强方法.首先利用基于灰像素的色彩恒常方法恢复低照度图像的真实场景颜色;然后构造方向性相对全变分约束,据此估计照度图像;接着在计算反射图像时,利用方... 为了提高低照度图像的视觉质量,提出一种基于方向性全变分Retinex的低照度图像增强方法.首先利用基于灰像素的色彩恒常方法恢复低照度图像的真实场景颜色;然后构造方向性相对全变分约束,据此估计照度图像;接着在计算反射图像时,利用方向性梯度残余最小约束来遏制增强过程中放大的噪声和伪影;最后根据当前像素亮度与其邻域平均亮度的关系拉伸局部亮度,得到最终的增强结果.采用从互联网上搜集的多幅低照度图像进行实验,结果表明,与一些当前国际先进水平的方法相比,文中方法得到的图像质量更佳、视觉效果更好. 展开更多

关键词 低照度图像增强 RETINEX 灰像素 方向性相对全变分 方向性梯度残余最小化

在线阅读 下载PDF 职称材料

Heavy-Ball型动量方法的最优个体收敛速率 被引量：11

15

作者 程禹嘉 陶蔚 +1 位作者 刘宇翔 陶卿 《计算机研究与发展》 EI CSCD 北大核心 2019年第8期1686-1694,共9页

动量方法作为一种加速技巧被广泛用于提高一阶梯度优化算法的收敛速率.目前,大多数文献所讨论的动量方法仅限于Nesterov提出的加速方法,而对Polyak提出的Heavy-ball型动量方法的研究却较少.特别,在目标函数非光滑的情形下,Nesterov加速... 动量方法作为一种加速技巧被广泛用于提高一阶梯度优化算法的收敛速率.目前,大多数文献所讨论的动量方法仅限于Nesterov提出的加速方法,而对Polyak提出的Heavy-ball型动量方法的研究却较少.特别,在目标函数非光滑的情形下,Nesterov加速方法具有最优的个体收敛性,并在稀疏优化问题的求解中具有很好的效果.但对于Heavy-ball型动量方法,目前仅仅获得了平均输出形式的最优收敛速率,个体收敛是否具有最优性仍然未知.对于非光滑优化问题,通过巧妙地设置步长,证明了Heavy-ball型动量方法具有最优的个体收敛速率,从而说明了Heavy-ball型动量方法可以将投影次梯度方法的个体收敛速率加速至最优.作为应用,考虑了l1范数约束的hinge损失函数优化问题.通过与同类的优化算法相比,实验验证了该理论分析的正确性以及所提算法在保持稀疏性方面的良好性能. 展开更多

关键词 一阶梯度方法 动量方法 个体收敛速率 Heavy-ball方法 稀疏性

在线阅读 下载PDF 职称材料

基于卷积分析稀疏表示和相位一致性的低照度图像增强 被引量：8

16

作者 周浦城 张杰 +1 位作者 薛模根 尹璋堃 《电子学报》 EI CAS CSCD 北大核心 2020年第1期180-188,共9页

针对低照度图像存在的对比度低、视觉效果差等问题,提出一种基于卷积分析稀疏表示和相位一致性的低照度图像增强方法.该方法基于Retinex模型,在估计照度图像时采用卷积分析稀疏表示进行约束,所用滤波器一部分人工设定,一部分由样本训练... 针对低照度图像存在的对比度低、视觉效果差等问题,提出一种基于卷积分析稀疏表示和相位一致性的低照度图像增强方法.该方法基于Retinex模型,在估计照度图像时采用卷积分析稀疏表示进行约束,所用滤波器一部分人工设定,一部分由样本训练自动获得;在计算反射图像时利用单演相位一致性特征,施加相位一致性残余最小约束来恢复细节;通过联合约束并进行优化,得到的反射图像即为最终的增强结果.对大量低照度图像进行实验,并与当前先进方法相比,结果表明,本文方法不仅提高了图像的亮度与对比度,增强了细节,而且在多个客观评价指标上都优于其他方法. 展开更多

关键词 低照度图像 Retinex模型 卷积分析稀疏表示 相位一致性

在线阅读 下载PDF 职称材料

非光滑凸情形Adam 型算法的最优个体收敛速率 被引量：5

17

作者 黄鉴之 丁成诚 +1 位作者 陶蔚 陶卿 《智能系统学报》 CSCD 北大核心 2020年第6期1140-1146,共7页

Adam是目前深度神经网络训练中广泛采用的一种优化算法框架,同时使用了自适应步长和动量技巧,克服了SGD的一些固有缺陷。但即使对于凸优化问题,目前Adam也只是在线学习框架下给出了和梯度下降法一样的regret界,动量的加速特性并没有得... Adam是目前深度神经网络训练中广泛采用的一种优化算法框架,同时使用了自适应步长和动量技巧,克服了SGD的一些固有缺陷。但即使对于凸优化问题,目前Adam也只是在线学习框架下给出了和梯度下降法一样的regret界,动量的加速特性并没有得到体现。这里针对非光滑凸优化问题,通过巧妙选取动量和步长参数,证明了Adam的改进型具有最优的个体收敛速率,从而说明了Adam同时具有自适应和加速的优点。通过求解l_(1)范数约束下的hinge损失问题,实验验证了理论分析的正确性和在算法保持稀疏性方面的良好性能。 展开更多

关键词 机器学习 AdaGrad算法 RMSProp算法 动量方法 Adam算法 AMSGrad算法 个体收敛速率 稀疏性

在线阅读 下载PDF 职称材料

基于两阶段模型的无人机图像厚云区域内容生成 被引量：5

18

作者 韦哲 李从利 +2 位作者 沈延安 刘永峰 周浦城 《计算机学报》 EI CAS CSCD 北大核心 2021年第11期2233-2247,共15页

无人机飞行时常因云层遮挡而造成拍摄图像下垫面的信息损失,而现有多光谱和多时相的云区内容估计方法主要针对卫星遥感图像,无法直接应用于无人机图像.如何利用已有信息合理地推断厚云遮挡区域内容,以提高影像的可用性是亟待解决的问题... 无人机飞行时常因云层遮挡而造成拍摄图像下垫面的信息损失,而现有多光谱和多时相的云区内容估计方法主要针对卫星遥感图像,无法直接应用于无人机图像.如何利用已有信息合理地推断厚云遮挡区域内容,以提高影像的可用性是亟待解决的问题.针对无人机成像光谱单一、航时短且航迹随机的特点,利用图像修复理论,提出了一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)的两阶段厚云区域内容生成方法.采用词袋(Bag of Words,BoW)检索算法搜索一阶段修复图像的相似样本,设计了仿射网络对它们进行注意力对齐,使生成的图像能利用同分布已知图像的信息,解决了无人机图像含有多种分布而难以有效提取特征,以及现有修复方法强依赖于单幅图像的局限.改进了经典DCGAN的结构,综合局部和全局对抗损失,以及感知损失和总变差损失,设计了新的联合损失函数.在仿真实验的中心1/4掩膜上,峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、平均像素L1损失、自然图像质量评价NIQE(Natural Image Quality Evaluator)和BLIINDS(Blind Image Integrity Notator using DCT Statistics)指标比对比方法分别改善0.3214~3.6793、0.0005~0.0543、0.0171~4.1120、0.0565~4.7440和0.8841~4.2586.在真实含云图像实验中,NIQE和BLIINDS指标比对比方法分别改善0.1062~1.8992和1.0903~5.6495.实验结果的主观和客观分析表明,相比经典方法,本文方法在语义合理性、信息准确性和视觉自然性上都具有一定的优势,为厚云遮挡下的单光谱图像像素值预测提供了一种较好的解决方案. 展开更多

关键词 无人机图像 图像生成 两阶段模型 深度学习 深度卷积生成对抗网络

在线阅读 下载PDF 职称材料

基于AdaGrad的自适应NAG方法及其最优个体收敛性 被引量：5

19

作者 陇盛 陶蔚 +1 位作者 张泽东 陶卿 《软件学报》 EI CSCD 北大核心 2022年第4期1231-1243,共13页

与梯度下降法相比,自适应梯度下降方法(AdaGrad)利用过往平方梯度的算数平均保存了历史数据的几何信息,在处理稀疏数据时获得了更紧的收敛界.另一方面,Nesterov加速梯度方法(Nesterov’saccelerated gradient,NAG)在梯度下降法的基础上... 与梯度下降法相比,自适应梯度下降方法(AdaGrad)利用过往平方梯度的算数平均保存了历史数据的几何信息,在处理稀疏数据时获得了更紧的收敛界.另一方面,Nesterov加速梯度方法(Nesterov’saccelerated gradient,NAG)在梯度下降法的基础上添加了动量运算,在求解光滑凸优化问题时具有数量级加速收敛的性能,在处理非光滑凸问题时也获得了最优的个体收敛速率.最近,已经出现了自适应策略与NAG相结合的研究,但现有代表性的自适应NAG方法AcceleGrad由于采取的自适应方式与AdaGrad不同,步长未能在不同维度上体现差异性,仅得到了加权平均方式的收敛速率,个体收敛速率的理论分析尚存在缺失.提出了一种自适应NAG方法,继承了AdaGrad的步长设置方式,证明了所提算法在解决约束非光滑凸优化问题时具有最优的个体收敛速率.在L1范数约束下,通过求解典型的hinge损失函数分类和L1损失函数回归优化问题.实验验证了理论分析的正确性,也表明了所提算法的性能优于AcceleGrad. 展开更多

关键词 机器学习 凸优化 自适应算法 NAG方法 个体收敛速率

在线阅读 下载PDF 职称材料

潜指纹紫外偏振图像模糊自适应融合算法研究 被引量：4

20

作者 贾镕 王峰 +3 位作者 袁宏武 拓浩男 姜兆祯 吴云智 《计算机工程》 CAS CSCD 北大核心 2020年第11期267-272,278,共7页

潜指纹紫外偏振图像由紫外强度图像与偏振度参量图像融合而成,可实现潜指纹准确检测与识别,然而目前无法选择最优偏振参量表征目标特性。在现有偏振图像融合算法基础上,提出一种紫外偏振图像模糊自适应融合算法。从紫外偏振图像解析出... 潜指纹紫外偏振图像由紫外强度图像与偏振度参量图像融合而成,可实现潜指纹准确检测与识别,然而目前无法选择最优偏振参量表征目标特性。在现有偏振图像融合算法基础上,提出一种紫外偏振图像模糊自适应融合算法。从紫外偏振图像解析出多个偏振参量图像,使用模糊积分自适应选择最佳偏振参量图像,利用离散平稳小波变换将紫外强度图像和最佳偏振参量图像分解为高、低频系数,按照最大值规则融合高频系数,采用稀疏表示规则融合低频系数,并通过离散平稳小波逆变换获得融合图像。实验结果表明,与LP、PCA等融合算法相比,该算法所得融合图像能更好地保留强度图像特征与偏振参量高频信息,提高目标对比度并增强目标细节特征,对不同材质的潜指纹适应性较强。 展开更多

关键词 紫外偏振 偏振图像 偏振参量 自适应融合 潜指纹

在线阅读 下载PDF 职称材料