-
题名刑事诉讼领域个人信息保护问题研究
被引量:1
- 1
-
-
作者
申纪元
-
机构
中国人民公安大学
-
出处
《北京政法职业学院学报》
2024年第1期86-91,共6页
-
文摘
刑事诉讼领域对公民个人信息保护依赖于现有刑事诉讼程序的执行,缺乏独立性。现行《刑事诉讼法》对公民个人信息采用的是被动保护的方式,完全依靠司法机关履行义务,公民无法积极主动保护个人信息,有悖于《公民个人信息保护法》中公民个人信息权的积极主动性质。刑事诉讼的私密性、公权性特征以及大数据技术使得刑事诉讼对公民个人信息的干涉程度加深;加强对司法人员的培训,促进司法人员树立保护公民个人信息的司法理念。结合《公民个人信息保护法》的规定,先行出台司法解释,时机成熟后再修法。
-
关键词
刑事诉讼
公民个人信息
个人信息权
-
Keywords
criminal proceedings
personal information of citizens
personal information right
-
分类号
D922
[政治法律—法学]
-
-
题名基于频率分解的图像超分辨率生成对抗网络
被引量:1
- 2
-
-
作者
申纪元
-
机构
广东工业大学计算机学院
-
出处
《工业控制计算机》
2021年第7期86-87,共2页
-
基金
高分辨率对地观测重大专项省域产业化应用项目,大南海区域高分大数据平台与应用示范(83-Y40G33-9001-18/20)。
-
文摘
单幅图像超分辨率[1]是一个将高分辨率转换为低分辨率的经典问题。基于传统的插值方法,如线性插值、二次插值、Lanczos[2]插值通常带来平滑的图像结果。相比于传统的插值方法,基于深度学习的方法[3]能充分恢复图像的纹理细节,生成更加合理的高分辨率图像。借用了Octave Convolution的思想,并提出了分别产生不同频率的级联模块。同时使用了通道注意力机制去给不同特征图赋予权重。图像超分辨率作为一个不适定问题,通常由深度学习网络产生的图像纹理细节往往伴随着边缘伪影[4],使用近邻插值去消除伪影。除此之外,使用了Pixel-Shuffle来提高反卷积的精度。
-
关键词
图像超分辨率
计算机视觉
深度学习
机器学习
生成对抗网络
-
Keywords
image super-resolution
computer vision
deep learning
machine learning
generative adversarial network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名刑事司法中行政证据转化问题研究
- 3
-
-
作者
申纪元
-
机构
中国人民公安大学研究生院
-
出处
《河北开放大学学报》
2023年第5期50-52,共3页
-
文摘
2012年《刑事诉讼法》修改,明确了行政证据向刑事证据转化的资格,但此后相继公布的解释类规范性文件并未使得证据转化趋于明确,反而产生了一系列问题。解决眼下实践问题的现实方式并非立法论研究,而是应当以解释论的视角回应争议。基于解释论的研究方法,可转化的证据收集主体包括行政机关和行政授权组织,可转化的证据种类应采最广义说,待转化行政证据的审查判断应当采用行政证据标准,公安机关收集的言辞证据不必重新收集,立案前后收集的证据并非证据转化条款规制的范围。
-
关键词
刑事证据
行政证据
证据转化
两法衔接
-
Keywords
criminal evidence
administrative evidence
evidence conversion
connection between the two methods
-
分类号
D925.2
[政治法律—诉讼法学]
-