本研究采用水热-冷冻干燥-煅烧的方法成功制备了铜掺杂硫化锡负载氧化石墨烯气凝胶(Cu x SnSO@GO),并采用X射线衍射仪(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)和紫外-可见光反射分析(UV-vis DRS)对材料进行表征,研究了不同Cu...本研究采用水热-冷冻干燥-煅烧的方法成功制备了铜掺杂硫化锡负载氧化石墨烯气凝胶(Cu x SnSO@GO),并采用X射线衍射仪(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)和紫外-可见光反射分析(UV-vis DRS)对材料进行表征,研究了不同Cu掺杂量和不同反应时间对光催重整纤维素酶解液产乳酸的影响。结果表明,铜成功的掺入到SnS_(2)结构中,产生表面硫缺陷,改变了SnS_(2)的带隙,提高了SnS_(2)的光催属性。此外,煅烧工艺制备的Cu x SnSO@GO改善了光生电子和空穴的分离效率,显著提高了光催化效率。Cu x SnSO@GO在可见光照射下能够高效的光催重整纤维素酶解液产乳酸,当Cu掺杂量x=0.06反应时间为4 h时,Cu x SnSO@GO具有38.8%的最佳产率。Cu x SnSO@GO形成的表面硫空位、高吸收性、可调节的能带结构以及煅烧后形成的Cu x SnS_(2)-SnO 2异质结都有利于乳酸的选择性转化,这为研究生物质光催化重整的机理提供了一种新的途径。展开更多
目的随着深度伪造技术的快速发展,人脸伪造图像越来越难以鉴别,对人们的日常生活和社会稳定造成了潜在的安全威胁。尽管当前很多方法在域内测试中取得了令人满意的性能表现,但在检测未知伪造类型时效果不佳。鉴于伪造人脸图像的伪造区...目的随着深度伪造技术的快速发展,人脸伪造图像越来越难以鉴别,对人们的日常生活和社会稳定造成了潜在的安全威胁。尽管当前很多方法在域内测试中取得了令人满意的性能表现,但在检测未知伪造类型时效果不佳。鉴于伪造人脸图像的伪造区域和非伪造区域具有不一致的源域特征,提出一种基于多级特征全局一致性的人脸深度伪造检测方法。方法使用人脸结构破除模块加强模型对局部细节和轻微异常信息的关注。采用多级特征融合模块使主干网络不同层级的特征进行交互学习,充分挖掘每个层级特征蕴含的伪造信息。使用全局一致性模块引导模型更好地提取伪造区域的特征表示,最终实现对人脸图像的精确分类。结果在两个数据集上进行实验。在域内实验中,本文方法的各项指标均优于目前先进的检测方法,在高质量和低质量FaceForensics++数据集上,AUC(area under the curve)分别达到99.02%和90.06%。在泛化实验中,本文的多项评价指标相比目前主流的伪造检测方法均占优。此外,消融实验进一步验证了模型的每个模块的有效性。结论本文方法可以较准确地对深度伪造人脸进行检测,具有优越的泛化性能,能够作为应对当前人脸伪造威胁的一种有效检测手段。展开更多
文摘本研究采用水热-冷冻干燥-煅烧的方法成功制备了铜掺杂硫化锡负载氧化石墨烯气凝胶(Cu x SnSO@GO),并采用X射线衍射仪(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)和紫外-可见光反射分析(UV-vis DRS)对材料进行表征,研究了不同Cu掺杂量和不同反应时间对光催重整纤维素酶解液产乳酸的影响。结果表明,铜成功的掺入到SnS_(2)结构中,产生表面硫缺陷,改变了SnS_(2)的带隙,提高了SnS_(2)的光催属性。此外,煅烧工艺制备的Cu x SnSO@GO改善了光生电子和空穴的分离效率,显著提高了光催化效率。Cu x SnSO@GO在可见光照射下能够高效的光催重整纤维素酶解液产乳酸,当Cu掺杂量x=0.06反应时间为4 h时,Cu x SnSO@GO具有38.8%的最佳产率。Cu x SnSO@GO形成的表面硫空位、高吸收性、可调节的能带结构以及煅烧后形成的Cu x SnS_(2)-SnO 2异质结都有利于乳酸的选择性转化,这为研究生物质光催化重整的机理提供了一种新的途径。
文摘目的随着深度伪造技术的快速发展,人脸伪造图像越来越难以鉴别,对人们的日常生活和社会稳定造成了潜在的安全威胁。尽管当前很多方法在域内测试中取得了令人满意的性能表现,但在检测未知伪造类型时效果不佳。鉴于伪造人脸图像的伪造区域和非伪造区域具有不一致的源域特征,提出一种基于多级特征全局一致性的人脸深度伪造检测方法。方法使用人脸结构破除模块加强模型对局部细节和轻微异常信息的关注。采用多级特征融合模块使主干网络不同层级的特征进行交互学习,充分挖掘每个层级特征蕴含的伪造信息。使用全局一致性模块引导模型更好地提取伪造区域的特征表示,最终实现对人脸图像的精确分类。结果在两个数据集上进行实验。在域内实验中,本文方法的各项指标均优于目前先进的检测方法,在高质量和低质量FaceForensics++数据集上,AUC(area under the curve)分别达到99.02%和90.06%。在泛化实验中,本文的多项评价指标相比目前主流的伪造检测方法均占优。此外,消融实验进一步验证了模型的每个模块的有效性。结论本文方法可以较准确地对深度伪造人脸进行检测,具有优越的泛化性能,能够作为应对当前人脸伪造威胁的一种有效检测手段。