基于GAN实现环境声音分类的组合对抗防御

虽然深度神经网络可以有效改善环境声音分类(ESC)性能，但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效，无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力，该文提出一种结合对抗检测、对抗训练和判别性特征学习的ESC组合对抗防御方法。该方法使用对抗样本检测器(AED)对输入ESC模型的样本进行检测，基于生成对抗网络(GAN)同时对AED和ESC模型进行对抗训练，其中，AED作为GAN的判别器使用。同时，该方法将判别性损失函数引入ESC模型的对抗训练中，以驱使模型学习到的样本特征类内更加紧凑、类间更加远离，进一步提升模型的对抗鲁棒性。在两个典型ESC数据集，以及白盒、自适应白盒、黑盒攻击设置下，针对多种模型开展了防御对比实验。实验结果表明，该方法基于GAN实现多种防御方法的组合，可以有效提升ESC模型防御对抗样本攻击的能力，对应的ESC准确率比其他方法对应的ESC准确率提升超过10%。同时，实验验证了所提方法的有效性不是由混淆梯度引起的。     

基于粒子滤波框架联合仿射和外貌模型的目标跟踪

针对视频序列中目标的跟踪问题,提出了一种基于粒子滤波框架的联合仿射和外貌模型的目标跟踪算法.该算法首先提取图像帧之间的相关特征点,通过求解Sylvester方程得到仿射参数,然后将仿射参数嵌入到基于仿射群的粒子滤波框架中进行平滑估计.利用基于仿射群的一阶自回归过程模拟状态的变化,联合仿射特征点模型和外貌模型进行似然估计,得到粒子的最佳平均状态,进而对目标实施跟踪.实验结果表明,在目标经历姿势和尺度变化、遮挡以及复杂背景等情况下,提出的算法能够有效地跟踪目标,较之其他相关算法具有很强的鲁棒性.     

基于扁平结构元素的指纹脊检测

本文在介绍指纹特征提取的基础上,分析了灰度指纹图像脊检测的特点,提出了一种利用数学形态中的扁平结构元素检测灰度指纹图像中脊的方法,并对这种方法的性能进行了分析,与传统算法相比,在达到同等检测效果的情况下,其运算效率提高了约40％。     

AVS1-P2视频标准中的关键技术研究

本文分析了我国自主研制的视频编码标准AVS1-P2及其关键技术,同时和国际上最新的视频压缩标准H.264/AVC在帧间预测,熵编码等方面进行对比分析和算机仿真实验.并指出了进一步优化的方法.     

基于自适应阈值的前景提取算法

针对固定场景视频监控中运动目标提取的问题,提出了一种基于自适应阈值的前景提取方法。该算法通过混合高斯模型(GMM)对背景建模及更新,利用自适应阈值的方法,实现了模型门限的自适应调整和前景目标的分割。然后通过阴影抑制,滤波以及形态学处理的方法对前景目标进行后处理,改善了前景目标分割的质量。通过对不同场景的测试仿真表明,该算法能够有效地并且比较完整地提取出运动目标。     

基于隐变量模型的语音转换方法研究

传统语音转换方法利用说话人声音特征映射实现,容易造成过平滑（over-smoothing）和过拟合（over-fitting）问题。本文从语音信号内容与形式分离角度,利用隐变量模型提出了一种全新的语音转换方法。首先利用包含两个隐变量因子的隐变量模型（Latent Variable Model, LVM）建立语音信号的生成模型;然后采用最大似然方法把语音信号分解成表示语义的内容信息和体现说话人特征的形式信息,并估计出模型参数;最后基于LVM生成模型,利用说话人形式替换方法实现语音转换。主、客观测试结果表明,在相同训练集条件下,本文提出的语音转换方法性能明显优于GMM方法,并且隐变量模型和传统的双线性模型（Bilinear Model）相比,由于采用非线性关系描述内容与形式之间的相互作用,因此分离效果更好,语音转换质量更高。      

基于全卷积网络的语义显著性区域检测方法研究

基于底层视觉特征和先验知识的显著性区域检测算法难以检测一些复杂的显著性目标,人的视觉系统能分辨这些目标是由于其中包含丰富的语义知识.本文构建了一个基于全卷积结构的语义显著性区域检测网络,用数据驱动的方式构建从图像底层特征到人类语义认知的映射,提取语义显著性区域.针对网络提取的语义显著性区域的缺点,本文进一步引入颜色信息、目标边界信息、空间一致性信息获得准确的超像素级前景和背景概率.最后提出一个优化模型融合前景和背景概率信息、语义信息、空间一致性信息得到最终的显著性区域图.在6个数据集上与15种最新算法的比较实验证明了本文算法的有效性和鲁棒性.     

基于区域最大概率准则的帧内预测模式编码算法

,H.264标准中亮度分量的9种帧内预测模式的序号是预先设定的,这对于具体的视频序列并不是最优的.为了进一步提高帧内编码的效率,通过对帧内预测编码算法的深入研究,利用相邻宏块间的纹理相关性和预测模式的方向性,提出一种新的帧内预测模式编码算法.通过在和当前编码块纹理相关性最大的区域中动态的统计出各个预测模式的使用概率,然后根据预测模式使用概率的大小来计算当前块的最可能编码模式.实验结果表明:与H.264参考模型JM86相比,该算法可以显著提高当前图像块的最优预测模式和最可能预测模式的匹配概率,使预测模式信息编码所需要的比特数平均减少5%～7%,从而降低了编码后的码率,而峰值信噪比(PSNR)基本保持不变.     

基于金字塔知识的自蒸馏HRNet目标分割方法

知识蒸馏能有效地将教师网络的表征能力迁移到学生网络，无须改变网络结构即可提升网络的性能.因此，在性能优异的目标分割主干网HRNet(High-Resolution Net)中构建自蒸馏学习模型具有重要意义.针对HRNet并行结构中深层与浅层信息充分融合导致直接蒸馏难以实现的挑战，本文提出一种基于多尺度池化金字塔的结构化自蒸馏学习模型：在HRNet分支结构中引入多尺度池化金字塔表示模块，提升网络的知识表示和学习能力；构造“自上而下”和“一致性”两种蒸馏模式；融合交叉熵损失、KL(Kullback-Leibler)散度损失和结构化相似性损失进行自蒸馏学习.在四个包含显著性目标和伪装目标的分割数据集上的实验表明：本文模型在不增加资源开销的前提下，有效提升了网络的目标分割性能.