一种基于显著性深度特征的视觉场景识别方法

视觉场景识别是自主导航平台和定位模块中一项基本且极具挑战性的任务。现有的视觉场景识别方法通常对视觉外观变化表现敏感且计算开销大,文章提出了一种无需训练的基于显著性深度特征的视觉场景识别框架。首先,基于预训练的CNN模型对图像提取特征,然后运用聚类等无监督方法和特征剪枝筛选筛选出显著性区域,显著性区域的选取可以显著降低计...     

基于工作过程的高职《数据库管理与应用》学习情境的设计与实践对策探析

随着新课改的提出以及不断深入,核心素养教育理念深入人心,在为高职教育改革工作带来创新发展助力的同时,也对高职院校《数据库管理与应用》课程教学活动提出更高要求,在此形势下高职教师应当结合《数据库管理与应用》课程特点以及学生多元化发展需求,科学设定学习情境。基于此,本文分析在工作过程背景下,高职院校《数据库管理与应用》课程...     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索（neural architecture search,NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

基于强化学习DQN算法的内存控制器设计

为了提高神经网络加速器的访存性能,本文介绍了一种基于强化学习算法DQN的内存控制器（DQNMC）。首先,利用特定的访存序列在强化学习DQN算法中迭代优化,训练出基于BIM(Binary Invertible Matrix)的地址映射策略。其次,将训练好的地址映射策略在Xilinx VC707 FPGA上基于MIG IP硬件实现。实验结果表明,内存控制器DQNMC在10组测试基准中均实现了最高行缓存命中率,系统平均访问延迟降低了23.84%,最大访问延迟降低了33.58%。DQNMC以几乎可以忽略的硬件代价来达到超过主流地址映射方法的性能。     

基于联合注意力的渐进式遥感图像融合

为发挥遥感图像在国防军事、公共安全、环境监测等领域的重要作用,如何融合已配准的高分辨率全色图像与低分辨率多光谱图像的互补信息成为当前研究的重点。尽管近年来全色锐化方法已取得较大进步,但大多数方法仍受到以下限制:一方面,利用Wald协议退化生成不同尺寸图像时会造成信息损失;另一方面,受到网络结构和单一注意力的限制,无法同时利用全局和局部特征。为解决以上问题,本文提出了基于联合注意力的渐进式网络(Pan-sharpening based onmulti-attention progressive network),称为MAPNet。在该网络中,首先采用多阶段训练以减小尺寸变化带来的光谱和细节损失。其次设计联合注意力模块,将自注意力、空间注意力和通道注意力结合,实现对全局特征和局部特征、空间特征和通道特征的多模态分析,进一步提高MAPNet对纹理细节的保留能力。在高分二号卫星上进行大量对比实验和消融实验,定性和定量结果表明,本文方法融合效果优于其他10种方法,能够改善光谱失真和细节纹理丢失等问题。     

探讨中学化学实验教学模式的创新与应用

提出在中学化学实验教学模式上创新性地使用任务驱动、参与分享、合作交流、自主学习等新型教学模式,并以初三化学实验“任务驱动式学生自主实验-自制简易净水器净化护城河水”为案例阐述如何使用上述教学模式以及效果评析,利于克服传统中学化学实验教学学生学习被动、过于机械、能力和情感得不到足够培养等弊端,对中学化学实验教学的改革有一定借鉴意义和推广价值。     

基于深度学习的视觉手势估计综述

基于深度学习的视觉手势估计一直是计算机视觉领域的重点研究课题之一,随着深度学习和神经网络相关研究取得了巨大进步,针对手势估计中的高自由度、肤色、环境干扰、遮挡等问题已经远远优于传统方法。基于深度学习的三维手势估计主要是通过构建神经网络,对图像特征进行抽象化分析和理解,从而预测出手指关键点的三维坐标以及角度等信息,进而构建出手掌模型。准确的三维手势估计可以快速推动AR/VR行业的发展,因为沉浸与交互是AR/VR的关键要素,通过视觉手势交互可以为用户提供更方便、快捷、逼真的AR/VR互动体验。本文首先对当前手势估计方案进行阐述,了解到手势估计各方案的优缺点,然后介绍了基于深度学习的手势估计方法、相关数据集和评价指标,最后根据各研究结果,对当前三维手势估计所面临的挑战以及未来发展进行阐述。     

一种面向口腔移植骨分割的SA-UNet网络

在牙齿种植治疗中,口腔移植骨分割对于辅助医生诊断有重要参考价值。口腔CBCT图像具有对比度较低,移植骨边缘模糊等诸多特征,严重制约着现有深度分割网络的应用。研究以U-Net为基准网络,通过设计一种新颖的轻量级Sharp-Attention模块,提出了一种改进的SA-UNet网络模型。具体地,在Sharp模块中,带锐化卷积核的Depthwise卷积操作通过锐化浅层特征以加强特征细节。CBAM模块提升模型对于图像低层信息的关注度。进而,采用新型联合损失函数,缓解样本比例失衡带来的影响。最后,在口腔移植骨数据集上验证了模型的有效性。在模型复杂度方面,与基准网络U-Net相比,在几乎没有增加计算开销的情况下,图像分割精度得到了有效的提升;在分割精度方面,与现有的主流医学分割模型对比,在IoU、Dice系数、Hausdorff距离三个评价指标上的表现最佳,得分达到了0.866 5、0.926 2、0.509 2。     

深度学习在工业互联网入侵检测中的应用

工业互联网通过人机物的深度连接,实现生产全要素、全产业链、全价值链的高效互联与协同,推动制造业生产方式和企业形态根本性变革,在经济社会发展中起到了重要的推动作用。然而,工业互联网内外网的连接不可避免地暴露了工业系统的脆弱性,加剧了被恶意攻击者入侵的风险,面临重大安全威胁。近年来,国内外高度重视工业互联网安全,开展了大量的入侵检测理论和技术研究,其中最具代表性的是基于机器学习的入侵检测方法,尤其是深度学习的方法,此类方法不仅能够降低误报率、提高检测率和适应性,而且能够提升对零日攻击的检测。本文面向工业互联网安全问题,从近年来工业互联网的安全事件入手,围绕工业互联网入侵检测,重点介绍了深度学习技术在工业互联网入侵检测中的应用,梳理了当前基于深度学习的工业互联网入侵检测理论和技术的最新研究进展,总结了未来基于深度学习的入侵检测方法的发展方向。