基于动态Transformer的轻量化目标检测算法

针对Transformer检测模型计算复杂度高以及检测效率低的问题,提出一种轻量化的动态Transformer目标检测改进算法。首先,在自注意力模块中引入动态门来筛选重要的关注区域,设计了从局部到全局的动态稀疏自注意力机制,在减轻计算负载的同时增强模型的多尺度泛化能力;其次,在模型结构层面上引入了动态跳层机制,使模型在推理过程中能够根据输入自适应调整参数和结构,在检测速率与精度之间取得更好的权衡。实验结果表明,改进后检测模型的计算冗余有效降低,相比现有的基准模型更加高效,实际应用空间更加广阔。

预训练模型辅助的后门样本自过滤防御方法

深度神经网络由于其出色的性能,被广泛地部署在各种环境下执行不同的任务,与此同时它的安全性变得越来越重要。近年来,后门攻击作为一种新型的攻击方式,对用户构成严重威胁。在训练阶段,攻击者对少量样本添加特定后门模式并标记为目标类以学习后门模型。后门模型可以以很高的概率将加入后门模式的测试样本识别为目标类,同时不影响正常样本的识别。用户通常无法掌握后门的先验信息,因此很难察觉后门攻击的存在。该文提出一种预训练模型辅助的后门样本自过滤方法,以防御后门攻击,包括目标类检测与后门样本自过滤两个部分。在第一部分,利用预训练模型提取样本特征,采用k近邻算法进行目标类检测;在第二部分,从非目标类样本中学习部分分类模型,之后多次执行“后门样本过滤”与“模型学习”的交替计算,在较好过滤后门样本的同时,也得到了完整的良性模型。

基于分层高斯混合模型的半监督学习算法

提出了一种基于分层高斯混合模型的半监督学习算法 半监督学习算法的学习样本包括已标记类别样本和未标记类别学习样本 如用高斯混合模型拟合每个类别已标记学习样本的概率分布 ,进而用高斯数为类别数的分层高斯混合模型拟合全部 (已标记和未标记 )学习样本的分布 ,则形成为一个基于分层的高斯混合模型的半监督学习问题 基于EM算法 ,首先利用每个类别已标记样本学习高斯混合模型 ,然后以该模型参数和已标记样本的频率分布作为分层高斯混合模型参数的初值 ,给出了基于分层高斯混合模型的半监督学习算法 以银行票据印刷体数字识别做实验 ,实验结果表明 。

基于主动判别函数的手写体识别(英文)

提出了一种新的基于主动判别函数的手写体识别方法.首先,提出了主子空间中基于统计特征的主动原型模板并给出了对应于待识模式的最优主动原型模板.然后,提出了主动判别函数,它是两个加权距离之和;其中一个是待识模式与主子空间的距离,另一个是待识模式与次子空间的距离.其次,作为主动判别函数的参数,主动原型模板的约束可应用最小分类错误准则进行优化,这一最优约束有助于提高主动判别函数的识别正确率.最后,在银行票据中使用的手写金融汉字样本库上进行实验.实验结果表明,主动判别函数在手写体识别方面是非常有前景的.

基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建.在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像.两图像之差为残差图像.从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系.针对图像块具有不同纹理和结构以及字典学习效率的问题,提出多组耦合字典和字典交替学习算法.在重建阶段先将输入图像插值放大,视为低分辨率图像.求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像.

基于识别结果反馈信息的闭环联机字符识别系统

文章提出了一种基于识别结果反馈信息的闭环联机字符识别系统。通常的识别系统只是执行了从输入数据空间到识别结果空间的单向映射,可以看作为一种开环识别系统;而文中提出了一种闭环识别系统:它在完成初次的识别之后,还将识别结果信息反馈给系统中的规则库;规则库依据此反馈信息触发相应规则驱动识别器对输入字符进行再次识别,从而得到最终的识别结果。实验结果表明,在抽取的特征和识别方法相同的条件下,闭环识别系统的识别率将高于开环识别系统的识别率。

伪特权信息和SVM+

针对只有部分训练样本拥有特权信息的特权学习,提出了伪特权信息及相应的SVM+.一方面,对于无特权信息的样本额外构造伪特权信息,使得这部分样本的松弛变量可在修正空间中预测,从而有效地提高了模型泛化能力.可用信息和随机特征都是有效的伪特权信息.另一方面,将真正特权信息用伪特权信息取代,使得全部训练样本的松弛变量都在惟一的修正空间中预测.在实践中发现,至少对于某些真正的特权信息和二分类问题来说,使用一个修正空间可获得更优的泛化能力.在手写数字和人脸表情识别问题上进行的实验结果显示,采用伪特权信息的SVM+具备一定的优势.

基于广义可信度阈值判别和多分辨率方向梯度直方图的字符预分类

针对字符预分类问题,提出基于广义可信度阈值判别的规则和多分辨率方向梯度直方图特征,证明该规则具有"错误率"和"平均候选类别数"的最优折衷.基于梯度图像高斯金字塔,提取了多分辨率方向梯度直方图特征.实验结果表明,该规则和特征具有一定的优越性.

基于梯度归一化的模糊梯度特征提取方法

提出一种应用于手写字符识别的基于梯度归一化模糊梯度特征提取方法.首先计算原图像的梯度;然后基于一定的归一化函数,得到归一化梯度;最后,基于归一化梯度,构建模糊梯度特征向量.针对归一化函数,提出了分段线性归一化函数,它能够有效减小类内样本分散度,同时具有计算简单高效的优点.针对梯度特征向量构建方法,提出了模糊梯度特征,改进了普通梯度特征向量的构建方法,提高了梯度特征吸收手写字符形变的能力.

东方伊萨酵母羧酸转运蛋白基因的表达及功能验证

生物降酸是现代果酒绿色酿造的重要发展方向,目前关于部分羧酸转运蛋白及其转运调控机制仍不完整,严重限制了高效降酸菌株的定向选育。本试验以1株自主筛选的具有良好降酸能力的东方伊萨酵母GS1-1为材料,对其羧酸转运蛋白基因进行表达及功能验证。首先,利用NCBI上已有东方伊萨酵母基因组序列与被证明为不同羧酸转运蛋白的编码基因进行BLAST比对,获得5条候选羧酸转运蛋白基因,利用生物信息学进行基因比对、跨膜螺旋预测、构建系统进化树,并采用绿色荧光蛋白定位。构建单倍体酿酒酵母BY4741 ADY2、JEN1羧酸转运蛋白双缺失工程菌,将含候选片段的质粒在酿酒酵母中进行表型验证及特异性验证,发现目的片段4(OUT23260.1)为苹果酸羧酸转运蛋白,目的片段1(XP_029319440.1)是柠檬酸转运蛋白,目的片段发挥功能区域定位于酵母细胞膜上。本研究为探索发酵工程领域中非酿酒酵母降酸机理提供参考。

手写字符识别的非线性主动判别函数

提出了用于手写字符识别的非线性主动判别函数,是线性主动判别函数在手写字符非线性变化情况下的推广。该方法利用Kernel PCA分析捕捉和表示这种非线性变化。将输入空间非线性映射为特征空间,在特征空间的主子空间中生成最优主动原型模板,其与字符特征向量在特征空间主子空间的投影之间的距离即为非线性主动判别函数;同时,基于最小分类错误准则对该函数进行了优化。实验结果表明,非线性主动判别函数获得了比线性主动判别函数更高的识别率。

根据GOP异常进行视频序列剪辑篡改的盲检测

本文根据对数字视频的剪辑篡改引起MPEG-2编码中GOP异常的现象提出一种盲检测方法.视频序列以一定的GOP结构进行压缩,其运动误差序列在Fourier变换域中存在特定的尖峰,解码后再以不同的GOP结构进行二次压缩,尖峰的分布会发生变化.经不同GOP结构进行多次压缩后,历次处理的痕迹被保留在视频信号中.因此,在视频内容无剧烈变化的情况下,根据尖峰的不一致性可准确定位被替换拼接的视频内容片段.该方法也可根据尖峰所在位置判断视频是否经过二次压缩,并推算第一次压缩的GOP结构,为检测可疑视频内容提供有用信息.实验表明这种基于GOP异常的检测方法能有效检测对视频序列的剪辑篡改.

基于Gabor小波变换的汉字识别方法

基于Gabor滤波器时频局域性和方向选择性对应在汉字图像上即是对笔划宽度和方向的选择这一认识,考虑到笔划宽度多峰值、笔划是方向的特点,利用二维Gabor小波的多分辨率特性,对汉字图像进行了多尺度多方向分析,提取多个子平面的滤波器输出系数作为统计特征,实现了字符图像的高性能识别,为开展低质量、低分辨率的汉字字符图像识别研究提供了新方法.实验结果表明,用这种方法识别低分辨率的字符图像,效果优于其他方法.

一种笔段序列匹配联机汉字识别方法

文中针对行书体汉字的识别，提出一种笔段序列匹配汉字识别方法．选择笔段数、笔段书写顺序、笔段位置作为主要的识别特征．首先，在预处理阶段，为了减小汉字类内分散性，采用笔段密度均衡化非线性规整法对笔段位置进行了非线性规整；进而在笔段序列的基础上，采用动态规划算法寻找待识笔段序列与候选笔段序列的最优匹配路径；根据此路径，得到匹配笔段集，缺少笔段和多余笔段；然后计算出待识字与每个候选字的识别距离；最后，对识别距离排在前１０ 个的候选汉字，利用匹配笔段集，选择其它特征，作进一步的判别，从而得到最终的识别结果．实验结果表明，本识别方法对于书写较潦草但笔顺比较稳定的行书体汉字。

微通氧条件下东方伊萨酵母对猕猴桃酒的降酸效果

目的:为改善猕猴桃果酒口感酸涩的问题,发挥非酿酒酵母调节有机酸含量,丰富酒体香气和口感等潜在优势,利用东方伊萨酵母的生物降酸特性,酿造猕猴桃酒。方法:以商业酿酒酵母CECA为对照菌株,筛选实验室保藏的17株非酿酒酵母菌株,获得具有较高酸代谢能力的东方伊萨酵母菌株。通过探究该菌株在不同糖浓度、酒精度、温度和酸含量下的生长情况,研究其生物学特性和发酵性能并进行感官评价。结果:东方伊萨属酵母菌株GS1-1具有良好的降酸能力,且与商业酿酒酵母具有相近的发酵性能。在微氧条件下,该菌株降酸率较无氧条件提升24.6%,且口感柔和,赋予猕猴桃酒热带水果类和柑橘类的香气特征。结论:本研究结果不仅为解决猕猴桃酒口感酸涩、风味粗糙问题提供了新的解决方案和理论支持,而且获得的东方伊萨属酵母GS1-1可作为理想菌株,进一步研究其在果酒中的降酸和增香酿造机制。

基于SVM和sigmoid函数的字符识别自适应学习算法

在SVM算法和sigmoid函数的基础上,提出了一种字符识别自适应学习算法,该算法通过自适应修正sigmoid函数的参数,使sigmoid函数能够较好地拟合自适应数据输出距离的类别后验概率分布,从而提高对自适应数据的识别率。

利用插件嵌入水印防范电子文档泄密

随着信息化的发展,大量机密文件以电子形式存储在计算机上,而互联网的普及使各种内部机密很容易泄漏出去,据调查高达90%的企业面临数据丢失的风险.本文提出在机密文件中嵌入数字水印的方案,用以防止网络环境下因过失而造成电子文件泄密的意外事件.该方案用Word插件实现水印嵌入,在局域网的网关上安装软件或部署专用设备检测水印,从而截获流出的机密文档.

结合小波金字塔的空频域亚像素图像配准

基于图像序列的超分辨率重建,是利用同一场景的多幅低分辨率图像重建一幅高分辨率图像,其实现过程可分为两个步骤:首先,利用亚像素图像配准技术将所有的低分辨率图像配准;然后,利用配准的多幅图像重建一幅高分辨率图像.针对配准这一问题,提出一种新颖的图像亚像素配准方法.新方法先将Haar小波分解出的低频子图应用频域Vandewalle方法进行初步配准,然后结合空域Keren改进方法进一步提高配准精度,同时利用金字塔在不同层上分别实现亚像素配准,并逐层累加配准结果.实验结果表明,即使在较大的平移和旋转情况下,相比只有空域Keren改进方法和只有频域Vandewalle方法,该方法的配准精度和超分辨率重建效果都得到明显提高.

智慧工地中低分辨率的安全帽状态识别

在工地施工过程中,安全帽正确佩戴在保障工人人身安全方面起到至关重要的作用,利用无人机巡检的方式可对工人安全帽佩戴状态进行监督。针对拍摄图像中目标头部的分辨率过低,存在漏检的问题,设计了一种基于深度学习的低分辨率的安全帽状态识别算法,首先通过目标检测网络获取图像中的人体区域,根据先验信息获取头部位置图像,然后使用超分辨率重建技术,对头部图像进行像素恢复,将头部图像输入到目标分类网络中进行判别,最终得到了88.28%的识别正确率。结果表明,该算法可以有效改善漏检问题,符合工地对工人安全帽佩戴识别的要求。

SVM+模型中可用信息用作特权信息

在机器学习中,当测试阶段无法得到训练阶段拥有的特权信息时,特权学习(learning using privileged information,LUPI)是一个有效的解决框架.由于获取特权信息需要特殊的条件,或由于其他原因,往往不能获得全部训练样本的特权信息,因此提出了一种直观却有效的方法.对于缺失特权信息的这部分训练样本,将它们的可用信息同时用作特权信息,并将其纳入到支持向量机(support vector machine+,SVM+)的模型中,引入了一种新的扩展SVM+(extended SVM+,e SVM+)模型.进一步地,对于不涉及特权信息的常规有监督学习问题,也将训练样本的特征(可用信息)同时用作特权信息,引出一种新的扩展SVM模型(e SVM),e SVM也可认为是SVM+的特例.在两个公开的人脸表情数据库BU-3DFE和Bosphorus上进行了实验,结果证实了将可用信息用作特权信息策略的有效性.