全部分类/
科学普及/
计算机应用研究

计算机应用研究

2024年07期

扫码免费借阅

目录

快速导航

综述评论 | 量子计算技术在金融领域的应用探索

综述评论 | 量子计算技术在金融领域的应用探索

摘要：量子计算是一种遵循量子力学规律调控量子信息单元进行计算的新型计算机制，被认为在特定算法上可实现并行处理能力，对信息领域技术变革有着重要意义。针对近年来量子计算在金融领域应用进展进行梳理总结。首先，从量子计算基本原理出发阐述了量子比特、量子逻辑门、量子线路等基础理论，重点分析了实现量子计算几种技术路线优缺点；其次，归纳总结了量子计算在衍生品定价、投资组合优化、风险计量、欺诈检测和市场预测方面
综述评论 | 基于深度学习的图像拼接算法研究综述

综述评论 | 基于深度学习的图像拼接算法研究综述

摘要：图像拼接是计算机视觉和计算机图形学中的一个重要分支，在三维成像等方面具有广泛的应用。相较于传统基于特征点检测的图像拼接框架，基于深度学习的图像拼接框架具有更强的场景泛化表现。目前虽然关于基于深度学习的图像拼接研究成果众多，但仍缺少相应研究的全面分析和总结。为了便于该领域后续工作的开展，梳理了该领域近10年的代表性成果。在对传统拼接方法与基于深度学习的图像拼接方法对比的基础上，从图像拼接研究
综述评论 | 程序算法识别研究综述

综述评论 | 程序算法识别研究综述

摘要：了解程序代码所描述的算法，能帮助程序员理解程序从而开展各项软件工程任务。由于人工理解程序算法要求程序员具备丰富的专业知识并且十分耗时耗力，程序算法识别任务以实现程序算法理解的自动化为主要研究目标，与人工理解相比更为高效、准确。系统整理了程序算法识别领域的相关工作。首先，梳理程序算法识别等相关概念，简介基于知识表示与基于信息检索的方法；其次，将基于代码表征的方法划分为基于序列、基于树和基于图
区块链技术 | 面向数据保护的区块链物联网边缘卸载策略

区块链技术 | 面向数据保护的区块链物联网边缘卸载策略

摘要：物联网（IoT）设备的广泛应用带来了数据安全性和完整性的挑战。针对这一问题，提出了一种区块链物联网边缘卸载策略，专注于数据保护。该策略通过将IoT设备数据上传至区块链，利用其不可窜改性和可追溯性来保障数据安全。鉴于区块链的工作量证明（PoW）共识算法在数据验证和区块添加方面的高计算资源需求，该策略采用边缘计算技术，将PoW共识过程卸载至边缘服务器执行。进一步地，设计并实现了一个多目标边缘卸
区块链技术 | 基于区块链的无人机网络跨域身份认证研究

区块链技术 | 基于区块链的无人机网络跨域身份认证研究

摘要：传统的无人机跨域身份认证的方案大多依赖公钥基础设施（public key infrastructure，PKI）。该模型高度依赖于可信第三方，易造成单点故障且认证效率低下。据此，提出基于区块链的无人机网络跨域身份认证协议方案，该方案不但可以有效实现无人机的跨域认证，且可以改善传统基于PKI模型面临的诸多安全问题。同时，为了实现无人机网络跨域认证的隐私保护，提出了可实现无人机跨域身份认证身
强化学习专题 | 基于GA-TD3算法的交叉路口决策模型

强化学习专题 | 基于GA-TD3算法的交叉路口决策模型

摘要：为了解决交叉路口场景下无人驾驶决策模型成功率低、模型不稳定、车辆通行效率低的问题，从两个方面对TD3算法作出改进，提出了基于GA-TD3算法的交叉路口决策模型。首先引入记忆模块，使用GRU神经网络来提升决策模型的成功率；其次在状态空间引入社会注意力机制，更加关注与社会车辆的交互行为，保证模型稳定性的同时提升车辆的通行效率。采用CARLA仿真器进行20 000回合的模型训练后，TD3算法通过
强化学习专题 | 基于多智能体深度强化学习的车联网可信任务卸载策略

强化学习专题 | 基于多智能体深度强化学习的车联网可信任务卸载策略

摘要：针对车联网中边缘节点的可信性无法保证的问题，提出了一种基于声誉的车联网可信任务卸载模型，用记录在区块链上的边缘节点声誉来评估其可信度，从而帮助终端设备选取可靠的边缘节点进行任务卸载。同时，将卸载策略建模为声誉约束下的时延和能耗最小化问题，采用多智能体深度确定性策略梯度算法来求解该NP-hard问题的近似最优解，边缘服务器依据任务卸载的完成情况获得奖励，然后据此更新记录在区块链上的声誉。仿真
强化学习专题 | 基于强化学习的离散层级萤火虫算法检测蛋白质复合物

强化学习专题 | 基于强化学习的离散层级萤火虫算法检测蛋白质复合物

摘要：蛋白质复合物的检测有助于从分子水平上理解生命的活动过程。针对群智能算法检测蛋白质复合物时假阳/阴性率高、准确率低、种群多样性下降等问题，提出了基于强化学习的离散层级萤火虫算法检测蛋白质复合物（reinforcement learning-based discrete level firefly algorithm for detecting protein complexes，RLDLFA
算法研究探讨 | 基于知识表示学习的KBQA答案推理重排序算法

算法研究探讨 | 基于知识表示学习的KBQA答案推理重排序算法

摘要：现有的知识库问答（KBQA）研究通常依赖于完善的知识库，忽视了实际应用中知识图谱稀疏性这一关键问题。为了弥补该不足，引入了知识表示学习方法，将知识库转换为低维向量，有效摆脱了传统模型中对子图搜索空间的依赖，并实现了对隐式关系的推理，这是以往研究所未涉及到的。其次，针对传统KBQA在信息检索中常见的问句语义理解错误对下游问答推理的错误传播，引入了一种基于知识表示学习的答案推理重排序机制。该机
算法研究探讨 | 结合社交网络图的多模态虚假信息检测模型

算法研究探讨 | 结合社交网络图的多模态虚假信息检测模型

摘要：针对现有虚假信息检测方法主要基于单模态数据分析，检测时忽视了信息之间相关性的问题，提出了结合社交网络图的多模态虚假信息检测模型。该模型使用预训练Transformer模型和图像描述模型分别从多角度提取各模态数据的语义，并通过融合信息传播过程中的社交网络图，在文本和图像模态中加入传播信息的特征，最后使用跨模态注意力机制分配各模态信息权重以进行虚假信息检测。在推特和微博两个真实数据集上进行对比
算法研究探讨 | 基于离群点检测和自适应参数的三支DBSCAN算法

算法研究探讨 | 基于离群点检测和自适应参数的三支DBSCAN算法

摘要：针对经典的DBSCAN算法存在难以确定全局最优参数和误判离群点的问题，该算法首先从选择最优参数角度出发，通过数据集的分布特征生成Eps和MinPts列表，将两个列表中的参数进行全组合操作，把不同的参数组合依次进行聚类，从而寻找准确率最高点对应的参数。最后从离群点角度出发，将三支决策思想与离群点检测LOF算法进行结合。该算法与多种聚类算法进行效果对比分析，结果表明该算法能够全自动化选择全局最
算法研究探讨 | 基于活动恢复集的有效低频行为分析方法

算法研究探讨 | 基于活动恢复集的有效低频行为分析方法

摘要：低频行为识别是揭示业务流程重要信息和优化流程模型的方法之一，现有流程发现方法忽略了数据影响链对低频行为产生的影响，导致了一些低频行为被视为噪声直接过滤掉。针对这一问题，提出了一种基于活动恢复集的有效低频行为分析方法。首先根据事件日志中的行为重要性过滤日志，并构建初始流程模型；其次从事务日志中提取活动的输入输出数据项，并根据这些数据项构造活动影响链图，在此基础上获取每个活动基于迹的活动恢复集
算法研究探讨 | 两阶段机场多特种车辆协同充电调度策略

算法研究探讨 | 两阶段机场多特种车辆协同充电调度策略

摘要：在机场区域内，新能源特种车辆充电具有很大的随机性，且不同种类特种车辆充电情况各不相同，造成飞行区内各充电桩利用率相差过大，影响机场配电网的健康运行。针对上述现象，设计了十一车型两阶段特种车辆协同充电调度策略。第一阶段通过分析不同车辆对航班的保障流程，以同一车辆对相邻航班保障起始时间差值最小为目标，生成存在充电需求的车辆序列。第二阶段以减小飞行区各区充电桩时间利用率方差和车辆充电排队时间为目
算法研究探讨 | 基于Conformer的端到端语音识别方法

算法研究探讨 | 基于Conformer的端到端语音识别方法

摘要：针对Conformer编码器的声学输入网络对FBank语音信息提取不足和通道特征信息缺失问题，提出一种RepVGG-SE-Conformer的端到端语音识别方法。首先，利用RepVGG的多分支结构，增强模型的语音信息提取能力，而在模型推理时通过结构重参数化将多分支融合为单分支，以降低计算复杂度、加快模型推理速度。然后，利用基于压缩和激励网络的通道注意力机制弥补缺失的通道特征信息，以提高语音
算法研究探讨 | 基于元学习的多视图对比融合冷启动推荐算法

算法研究探讨 | 基于元学习的多视图对比融合冷启动推荐算法

摘要：针对当前冷启动推荐模型在处理异质信息网络时难以充分挖掘结构与语义信息，以及忽略网络中用户行为属性的问题，提出了一种基于元学习的多视图对比融合冷启动推荐算法（MVC-ML）。该算法在模型层和数据层双重作用下，有效缓解了冷启动问题。在MVC-ML算法框架中，首先通过元路径视图提取异质信息网络的高阶语义信息；其次，利用网络模式视图捕获网络的结构特征；再接着，通过聚类视图分析用户行为属性信息；最后
算法研究探讨 | 基于反向延长增强的对抗生成网络推荐算法

算法研究探讨 | 基于反向延长增强的对抗生成网络推荐算法

摘要：针对现有序列推荐模型因数据稀疏性严重难以达到最优性能的问题，提出了一种基于反向延长增强的生成对抗网络推荐算法。该方法通过对交互序列进行延长增强来获取高质量的训练数据，以缓解数据稀疏性带来的模型训练不充分的问题。首先，使用伪先验项将项目序列进行反向延长，深化项目序列特征；其次，延长增强的对象由短序列更改为所有用户序列，充分挖掘长序列中富含的上下文信息，缓解了增广序列中伪先验项占比过大而带来的
算法研究探讨 | 基于概念漂移检测的数字孪生流程预测模型

算法研究探讨 | 基于概念漂移检测的数字孪生流程预测模型

摘要：预测性流程监控可以在业务流程运行过程中提供及时的信息，以便采取措施来应对潜在风险，如何提高流程预测的准确度一直受到高度关注。现有的研究方法大部分都在静态环境下引入，很少有结合数字孪生技术用于动态环境的流程预测。为此，提出了一个基于概念漂移检测的方法，并构建数字孪生流程预测模型（digital twin based on concept drift，DTBCD）预测下一个活动。首先利用事件流
算法研究探讨 | 基于双仿射注意力的迭代式开放域信息抽取

算法研究探讨 | 基于双仿射注意力的迭代式开放域信息抽取

摘要：当前的开放域信息抽取（OpenIE）方法无法同时兼顾抽取结果的紧凑性和模型的性能，导致其抽取结果不能更好地被应用到下游任务中。为此，提出一个基于双仿射注意力进行表格填充及迭代抽取的模型。首先，该模型通过双仿射注意力学习单词之间的方向信息、捕获单词对之间的相互作用，随后对二维表格进行填充，使句子中的成分相互共享并识别紧凑成分；其次，使用多头注意力机制将谓词和参数的表示应用于上下文的嵌入中，使
算法研究探讨 | 基于动态双种群的黏菌和花粉混合算法

算法研究探讨 | 基于动态双种群的黏菌和花粉混合算法

摘要：针对单一启发式算法易受自身原理导致的全局和局部搜索不平衡的问题，提出了一种基于动态双种群的黏菌和花粉混合算法HASMFP。首先，通过种群个体和当前最优个体之间的距离，将种群动态划分为黏菌子种群和花粉子种群分别进行搜索，以更有效地平衡算法的探索能力和开发能力；其次，对全局搜索融入相似度与适应度的综合排序感知机制来提高黏菌子种群的多样性，以帮助黏菌算法跳出局部最优；最后，在标准花粉算法的全局搜
算法研究探讨 | 增强型野马优化算法及其工程应用

算法研究探讨 | 增强型野马优化算法及其工程应用

摘要：针对野马优化算法易陷入局部最优、收敛速度慢等缺点，提出增强型野马优化算法。首先，在种群初始化阶段，采用Sinusoidal映射，增加种群的多样性；其次，在阶段更新过程中，设计出非线性收敛性更强的自适应权重，调节全局搜索和局部优化能力；然后，在更新领导者位置阶段加入扰动因子，平衡局部和全局探索能力；进一步，利用自适应t分布变异，对个体位置进行扰动，提高算法跳出局部最优的能力。通过在CEC20
算法研究探讨 | 面向在线率差异的SaaS订阅限额及资源配置组合优化

算法研究探讨 | 面向在线率差异的SaaS订阅限额及资源配置组合优化

摘要：软件即服务（softuare as a service，SaaS）是一种让用户通过支付订阅费来获得软件访问权的云服务模式。由于其业务的多样性，用户对不同软件的在线访问率存在很大差异，所以不同软件所消耗的云计算资源也存在差异。为避免违反服务等级协议（service level agreement，SLA）而产生违约赔付的风险，SaaS运营商不仅要优化各种软件的计算资源配置，还要对各类软件的订
算法研究探讨 | 增强学习标签相关性的多标签特征选择方法

算法研究探讨 | 增强学习标签相关性的多标签特征选择方法

摘要：针对现有多标签特征选择方法存在的两个问题：第一，忽略了学习标签相关性过程中噪声信息的影响；第二，忽略探索每个簇的综合标签信息，提出一种增强学习标签相关性的多标签特征选择方法。首先，对样本进行聚类，并将每个簇中心视为一个综合样本语义信息的代表性实例，同时计算其对应的标签向量，而这些标签向量体现了每个簇包含不同标签的重要程度；其次，通过原始样本和每个簇中心的标签级自表示，既捕获了原始标签空间中
算法研究探讨 | 车路协同下的无信号交叉口车辆通行调度策略

算法研究探讨 | 车路协同下的无信号交叉口车辆通行调度策略

摘要：无信号交叉口车辆通行调度问题是智能交通领域的研究重点，由于车辆通行顺序决策问题的解空间随着车辆数增加而指数级增长，在保证实时性的同时找到较优通行顺序成为无信号交叉口通行调度的一大问题。针对该问题提出一种基于自适应蒙特卡罗树搜索算法的无信号交叉口车辆通行调度方法，采用分层式框架，上层集中式顺序决策，下层分布式轨迹规划。首先，建立基于冲突点的交叉口模型，将网联车加入到待搜索队列中，根据交叉口中
算法研究探讨 | 基于Z-Score动态压缩的高效联邦学习算法

算法研究探讨 | 基于Z-Score动态压缩的高效联邦学习算法

摘要：联邦学习作为一种具有隐私保护的新兴分布式计算范式，在一定程度上保护了用户隐私和数据安全。然而，由于联邦学习系统中客户端与服务器需要频繁地交换模型参数，造成了较大的通信开销。在带宽有限的无线通信场景中，这成为了限制联邦学习发展的主要瓶颈。针对这一问题，提出了一种基于Z-Score的动态稀疏压缩算法。通过引入Z-Score，对局部模型更新进行离群点检测，将重要的更新值视为离群点，从而将其挑选出
算法研究探讨 | 时变路网下考虑碳排放的需求响应型公交调度优化模型

算法研究探讨 | 时变路网下考虑碳排放的需求响应型公交调度优化模型

摘要：以往对需求响应型公交的研究中，鲜有考虑到时变路网、碳排放等因素对车辆调度的影响，需要对现有研究的局限性进行改进。针对当前“双碳”背景下存在传统燃油公交与电动公交混合运行的现状，结合两者特性分别给出约束条件、成本和碳排放测算方法，建立包含延误时间、碳排放和运营成本作为优化目标的调度优化模型，并提出了自适应遗传-萤火虫算法用以求解该模型。实验结果表明：a）所提算法改善了传统遗传算法中易陷入局部
系统应用开发 | 基于双向时间卷积网络的半监督日志异常检测

系统应用开发 | 基于双向时间卷积网络的半监督日志异常检测

摘要：由于日志解析准确率不高以及标记样本不足降低了异常检测的准确率，所以提出了一种新的基于日志的半监督异常检测方法。首先，通过改进字典的日志解析方法，保留了日志事件中的部分参数信息，从而提高日志信息的利用率和日志解析的准确率；然后，使用BERT对模板中的语义信息进行编码，获得日志的语义向量；接着采用聚类的方法进行标签估计，缓解了数据标注不足的问题，有效提高了模型对不稳定数据的检测；最后，使用带有
系统应用开发 | 灾害场景下基于MADRL的信息收集无人机部署与节点能效优化

系统应用开发 | 灾害场景下基于MADRL的信息收集无人机部署与节点能效优化

摘要：灾害场景下，对灾区内第一手重要信息的及时、可靠收集是灾害预警研究、灾区救援工作开展的关键。无人机是与灾区内部建立应急通信网络的高效辅助工具。通过对现有研究中应急场景下无人机的部署方法进行调查，指出了无人机部署时对节点能效考虑不充分的问题。由于地面传感器节点位于灾区内部，环境恶劣且极为被动，所以结合灾害场景，首次以提高地面节点能效为优化目标，基于深度强化学习方法，在DDQN网络模型基础上，通
系统应用开发 | 基于动态异构网络的股价预测

系统应用开发 | 基于动态异构网络的股价预测

摘要：股票预测通常被形式化为非线性的时间序列预测任务，但很少有研究者试图通过技术面数据去系统地揭示股票市场内在结构，例如股票上涨或下跌背后的原因可能是业务领域之间的合作或冲突，这些额外信息的增加有助于判断股票的未来趋势。为了充分真实刻画股票市场的交易状态，表达股票之间显式或隐式的关系，提出一种基于动态异构网络的股价预测模型sDHN（stock dynamic heterogeneous netw
系统应用开发 | 跨脉冲传播的深度脉冲神经网络训练方法

系统应用开发 | 跨脉冲传播的深度脉冲神经网络训练方法

摘要：基于反向传播的脉冲神经网络（SNNs）的训练方法仍面临着诸多问题与挑战，包括脉冲发放过程不可微分、脉冲神经元具有复杂的时空动力过程等。此外，SNNs反向传播训练方法往往没有考虑误差信号在相邻脉冲间的关系，大大降低了网络模型的准确性。为此，提出一种跨脉冲误差传播的深度脉冲神经网络训练方法（cross-spike error backpropagation，CSBP），将神经元的误差反向传播分
系统应用开发 | NURBS体参数化模型的无支撑打印算法

系统应用开发 | NURBS体参数化模型的无支撑打印算法

摘要：处理大角度悬垂结构的打印问题是无支撑打印的主要挑战。针对NURBS（non-uniform rational B-spline）体参数化模型的多自由度无支撑三维打印技术，提出一种锥形切片算法。通过对模型的三维文件进行几何映射，利用水平切片算法对其进行切片，得到模型变形后的连续打印路径G-code；然后对得到的G-code进行逆映射，生成适用于六轴机械臂的多自由度连续打印路径。利用锥形切片算
软件技术研究 | 基于对比学习的跨语言代码克隆检测方法

软件技术研究 | 基于对比学习的跨语言代码克隆检测方法

摘要：代码克隆检测是提高软件开发效率、软件质量和可靠性的重要手段。基于抽象语法树（abstract syntax tree，AST）的单语言克隆检测已经取得了较为显著的效果，但跨语言代码的AST节点存在同义词、近义词且手工标注数据集成本高等问题，限制了现有克隆检测方法的有效性和实用性。针对上述问题，提出一种基于对比学习的树卷积神经网络（contrastive tree convolutional
软件技术研究 | 基于知识图谱的案件特征增强法律判决预测

软件技术研究 | 基于知识图谱的案件特征增强法律判决预测

摘要：现有基于知识图谱的法律判决预测方法重点关注案件的要素实体和关系，不能充分地获取案件的特征信息。针对该问题，提出了一种增强案件特征融合的知识图谱法律判决预测方法。首先，该方法利用双向门控循环神经网络挖掘事实描述文本深层次的因果、时序等全文语义特征信息。然后通过知识图谱向量空间中案例间相似度注意力计算学习类案特征表示。最后，融合特征信息和知识图谱的结构化知识，丰富实体和关系在案件事实文本中的语
软件技术研究 | 串联重复序列比对的位置筛选方法

软件技术研究 | 串联重复序列比对的位置筛选方法

摘要：串联重复序列是基因组构建的困难片段，由于其重复单元之间的相似性与其拷贝数的不确定性，在序列比对时容易定位到多个候选位置，如何快速而准确地筛选出正确的比对位置是一项挑战。现有方法使用种子（从测序片段中选取的短序列）来定位并扩展候选比对位置，但挑选种子时未考虑串联重复序列特性。因此，提出了一种串联重复序列比对的位置筛选方法，其通过计算稀有kmer（长度为k的子序列）序列的相似性来筛选比对结果。
网络与通信技术 | MSs-MEC中基于DRL的服务缓存和任务迁移联合优化算法

网络与通信技术 | MSs-MEC中基于DRL的服务缓存和任务迁移联合优化算法

摘要：多服务移动边缘计算（multiple-services mobile edge computing，MSs-MEC）能根据需求自适应调整服务缓存决策，使得部署在用户侧的边缘服务器能够灵活处理不同服务类型的任务。但在实际应用中，特定类型任务的成功迁移依赖于服务环境的提前安装。此外，同时进行任务迁移和服务缓存可能会因时间冲突而导致计算延时。因此，针对上述相关问题，首先将任务迁移和服务缓存决策进
网络与通信技术 | 基于联盟链的边缘缓存系统中最佳缓存策略设计

网络与通信技术 | 基于联盟链的边缘缓存系统中最佳缓存策略设计

摘要：针对不同运营商各自部署边缘设备，投入巨大且缓存内容相互隔离，无法共享的问题，改进了一种基于联盟链的边缘缓存系统架构，使运营商部署的边缘设备间能够打破内容隔离，实现更大范围的共享。为了提高运营商缓存收益，同时保证用户传输质量，降低用户传输时延，首先针对缓存内容流行度、内容大小以及边缘设备的协作能力，分析不同内容交付方式对于用户传输时延和运营商缓存收益的影响；然后，以最大化缓存收益和最小化传输
信息安全技术 | 软件漏洞模糊测试的关键分支探索及热点更新算法

信息安全技术 | 软件漏洞模糊测试的关键分支探索及热点更新算法

摘要：在软件开发及应用中，由于具有可复现性，模糊测试能够帮助发现漏洞和有针对性地对漏洞成因进行分析。为了解决模糊测试过程的效率及测试力度等问题，提出了软件漏洞模糊测试的关键分支探索及热点更新算法。该方法通过捕获、分析和利用受检程序在处理测试用例时的执行位置的关键信息，以指导模糊测试过程的探索方向和测试用例的生成。实验结果表明，提出的方法相较于传统随机发散的模糊测试方法在漏洞发现能力上有较大提升，
信息安全技术 | 面向神经辐射场的水印算法

信息安全技术 | 面向神经辐射场的水印算法

摘要：针对隐式表示的3D模型的版权保护问题，提出了一种面向神经辐射场（NeRF）的水印算法。该算法通过嵌入网络对训练集中的图像嵌入水印，再利用NeRF模型进行3D模型建模。版权验证方通过给定一个秘密视角作为神经辐射场的输入，生成新视角下的图像作为后门图像，接着利用神经网络的过参数化方法设计一个水印提取器，获取该视角下嵌入的水印图像。在黑盒场景下，一旦怀疑3D模型被未经授权地使用，验证方则可以通过
信息安全技术 | 基于用户相关性的差分隐私轨迹隐私保护方案

信息安全技术 | 基于用户相关性的差分隐私轨迹隐私保护方案

摘要：在使用位置查询服务时需要提供用户真实位置信息，导致用户信息泄露。大部分研究只针对单个用户的隐私保护，而忽略了多用户之间的相关性。针对轨迹隐私保护中多用户相关性的问题，提出了一种基于用户相关性的差分隐私轨迹隐私保护方案。首先，构建历史轨迹树，利用变阶马尔可夫模型预测用户轨迹，从轨迹集合中生成一组高可用性的轨迹数据集；其次，根据用户轨迹之间的相关性获取一组关联性较低的预测轨迹集；最后，通过自定
图形图像技术 | EnGAN：医学图像分割中的增强生成对抗网络

图形图像技术 | EnGAN：医学图像分割中的增强生成对抗网络

摘要：原始采集的医学图像普遍存在对比度不足、细节模糊以及噪声干扰等质量问题，使得现有医学图像分割技术的精度很难达到新的突破。针对医学图像数据增强技术进行研究，在不明显改变图像外观的前提下，通过添加特定的像素补偿和进行细微的图像调整来改善原始图像质量问题，从而提高图像分割准确率。首先，设计引入了一个新的优化器模块，以产生一个连续分布的空间作为迁移的目标域，该优化器模块接受数据集的标签作为输入，并将
图形图像技术 | 基于语义一致性约束与局部-全局感知的多模态3D视觉定位

图形图像技术 | 基于语义一致性约束与局部-全局感知的多模态3D视觉定位

摘要：3D多模态数据稀缺，使得传统方法进行监督训练时文本与视觉特征缺乏语义一致性。同时传统方法还易忽视局部关系与全局信息，从而导致性能不佳。针对上述问题，提出了一种基于语义一致性约束与局部-全局感知的多模态3D视觉定位方法。首先，该方法通过蒸馏2D预训练视觉语言模型知识，帮助3D模型提取到点云-文本语义一致性特征；其次设计了局部-全局感知模块，不断补充增强候选目标特征，以更精确匹配目标。在现有的
图形图像技术 | 一种在线更新的单目视觉里程计

图形图像技术 | 一种在线更新的单目视觉里程计

摘要：现有的基于深度学习的视觉里程计（visual odometry，VO）训练样本与应用场景存在差异时，普遍存在难以适应新环境的问题，因此提出了一种在线更新单目视觉里程计算法OUMVO。其特点在于应用阶段利用实时采集到的图像序列在线优化位姿估计网络模型，提高网络的泛化能力和对新环境的适用能力。该方法使用了自监督学习方法，无须额外标注地面真值，并采用了Transformer对图像流进行序列建模，
图形图像技术 | 基于全局与序列变分自编码的图像描述生成

图形图像技术 | 基于全局与序列变分自编码的图像描述生成

摘要：基于Transformer架构的图像描述生成方法通常学习从图像空间到文本空间的确定性映射，以提高预测“平均”描述语句的性能，从而导致模型倾向于生成常见的单词和重复的短语，即所谓的模式坍塌问题。为此，将条件变分自编码与基于Transformer的图像描述生成相结合，利用条件似然的变分证据下界分别构建了句子级和单词级的多样化图像描述生成模型，通过引入全局与序列隐嵌入学习增强模型的隐表示能力。在
图形图像技术 | 具有性能感知排序的深度监督哈希用于多标签图像检索

图形图像技术 | 具有性能感知排序的深度监督哈希用于多标签图像检索

摘要：现实生活中的图像大多具有多种标签属性。对于多标签图像，理想情况下检索到的图像应该按照与查询图像相似的程度降序排列，即与查询图像共享的标签数量依次递减。然而，大多数哈希算法主要针对单标签图像检索而设计，而且现有用于多标签图像检索的深度监督哈希算法忽略了哈希码的排序性能且没有充分地利用标签类别信息。针对此问题，提出了一种具有性能感知排序的深度监督哈希方法（deep supervised has
图形图像技术 | 深度掩膜布朗距离协方差小样本分类方法

图形图像技术 | 深度掩膜布朗距离协方差小样本分类方法

摘要：针对小样本学习中，布朗距离协方差通过改善特征嵌入提升分类精度，但未聚焦分类中样本相关性特征的问题，提出了深度掩膜布朗距离协方差方法。该方法通过每对查询集与支持集之间的高维语意关系，生成查询引导掩膜，并将掩膜后的布朗距离协方差矩阵用作图像特征表示。分别在5way-1shot和5way-5shot情形下，对CUB-200-211、Mini-ImageNet及Tiered-ImageNet数据集
图形图像技术 | 融合多粒度注意力特征的小样本分类模型

图形图像技术 | 融合多粒度注意力特征的小样本分类模型

摘要：在小样本分类任务中，现有的CNN模型存在特征提取不足、特征单一和小样本数据集类间差异化较弱的问题，导致分类精度较低。针对以上问题，提出一种融合多粒度注意力特征（fusion multi-granular attention feature，FMAF）的小样本分类模型。首先，该方法借鉴多粒度思想，重新设计CNN特征提取网络的架构来增强特征多样性；其次，在多粒度特征提取网络后添加自注意力层，提

过往期刊

更多

猜你喜欢

南充市图书馆电子阅览室