应用残差神经网络的色情图片检测

针对通常使用的色情图像检测方法难以准确提取色情图像特征的问题,本文提出一种基于残差神经网络的色情图片检测方法。该方法将色情图片检测转换成图片二分类问题,通过在50层残差神经网络模型之后级联敏感器官检测模块,模块采用综合性能优异的Faster R-CNN目标检测算法,按照阈值计算是否属于色情图片。通过对比测试结果表明,该方法可操作性强,通过将图像分类和局部特征相结合的方法,在识别准确率上效果良好,可以有效提升色情图片的检测率。

基于轻量化网络的变电站缺陷图片检测算法

保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,提出了一种基于轻量化网络的变电站缺陷图片检测算法。该算法通过深度网络的轻量化设计,不仅可降低计算时间复杂度和空间复杂度,并且能提升检测准确度。该算法利用轻量化的特征提取网络进行图片的多尺度特征提取,且能根据多尺度特征进行目标种类和位置的检测。以变电站现场故障图片作为实验数据,对比测试了SSD算法和所提算法在面对不同故障的检测准确率。实验结果表明,所提算法在变电站故障检测任务中比SSD算法更加准确,为变电站故障检测提供了有效的手段。

基于拉普拉斯算子的模糊图片批量检测算法设计

为了解决在日常生活中,对同一运动目标进行快速多次拍摄后,难以逐一挑选模糊图片的问题,特提出了一种基于拉普拉斯算法的模糊图片批量检测算法设计。该算法基于OpenCV库进行开发,运用Python语言逻辑建立算法结构并验证及最终实现设计。经实际运行效果表明,该算法设计对模糊图片的识别速度快、判别准确,具有一定的实际应用能力和使用价值。

一种用于图片来源检测的相机参考模式噪声提取算法

在传统相机参考模式噪声提取算法中,采用多张图片传感器模式噪声的平均值作为相机的参考模式噪声,但其未滤除插值颜色产生的噪声且未考虑不同类型的图片在计算相机参考模式噪声时所占比重,导致提取的相机参考模式噪声效果较差。为此,根据彩色滤波矩阵噪声方差的特点以及图片纹理和亮度的差异,提出一种改进的相机参考模式噪声提取算法。通过滤除插值颜色产生的噪声获取所有图片的真实传感器模式噪声,按照图片纹理和亮度乘积得到每张图片传感器模式噪声在相机参考模式噪声中所占比重,从而计算出相机的参考模式噪声。实验结果表明,与传统相机参考模式噪声提取算法相比,该算法具有更高的图片来源检测准确率。

基于云服务的恶意内容检测方法研究

云服务的文件存储存在“后门”攻击,以混淆用户视听,窃取用户隐私。现有的检测方法单一且需要更多的运行内存,因此文章提出通过使用AC自动机算法和朴素贝叶斯算法,快速精准地识别文本内容,利用scikit-learn机器学习库对图片内容进行甄别,且调用VirusTotal的API检测恶意文件,实验结果表明该检测方法在识别恶意内容的准确率上达到96.2%、可对海量数据进行实时检测,优于其他检测方法。

无参考模式图像模糊度检测方法探究

一张图片的清晰程度是评价图片质量的关键,它不仅决定了图片的质量,还影响着包含的图像信息。虚拟试衣镜等多种视觉任务中需要筛查出用户提供的模糊图像,因此确定图像的模糊度在图片筛选任务中至关重要。当前图片的模糊度检测已有很多方法可以实现,传统的图像模糊检测方法在时间和工作量方面效率偏低,同时处理后的图片展示出的信息不够全面和清晰。本文选用了检测算法中常用的三种经典的梯度函数,通过OpenCV和C语言仿真实验检测图像的模糊度,根据设置的阈值和返回的清晰度指标来筛查模糊图片。调研的结果作为特定应用环境下选取检测模糊度算法的重要依据。

基于Faster-RCNN的智能家居行人检测系统设计与实现

行人检测是目标检测领域的重要应用,卷积神经网络(CNN)在目标识别中表现优异。设计与实现了运用FasterRCNN算法在智能家居中的行人检测系统,并且通过GPU加速实现实时检测,该系统的基本功能有:(1)运用Faster-RCNN算法检测行人并保存下图像;(2)发送该图像到网络服务器;(3)将保存的图片推送到手机,对智能家庭的安全性提供保障。实验证明,该系统在复杂的场景中具有良好的性能,且每张图片78ms的检测时间可以满足实时性的要求。

人工智能在光伏组件缺陷检测中的应用

太阳能是一种重要的可再生能源,作为能量转化器的太阳电池,已形成一个具相当规模的成熟产业链,人工智能技术运用于太阳电池及组件的缺陷检测上,将极大地提高产品的质量和生产效率。

隐写检测技术在公安情报分析中的应用

信息隐藏技术一直以来被恐怖分子、邪教组织所青睐,他们利用信息隐藏技术在网络中秘密传播非法信息,危及国家安全,因此有必要发展信息隐藏检测技术,阻止通过这种方式进行非法活动。

基于先验知识图谱的多代理被遮挡目标类别推理模型

目标检测(Object Detection)是计算机视觉中最为热门的方向之一,在军事、医疗等重要领域都有广泛运用。然而,大多数目标检测模型都只能对可见物体进行识别,日常生活中的图片往往存在被遮挡(不可见)的目标物体,现有目标检测模型对图片中的被遮挡目标难以表现出较理想的检测性能。为此,文中提出了一种基于图库先验知识图谱的多代理协作式图片被遮挡目标类别推理模型(IMG-KGR-MAC)。具体而言,1)IMG-KGR-MAC根据给定图库中所有图片的可见目标及其之间的位置关系构建全局先验知识图谱;同时,根据图片自身所含目标及其位置关系,为各图片分别建立图片知识图谱;各图片内被遮挡目标的信息均不计入全局先验知识图谱和图片自身知识图谱;2)采用DDPG(Deep Deterministic Policy Gradient)深度强化学习思想,构建两个相互协作的代理;代理1根据当前图片语义信息从全局先验知识图谱挑选出与被遮挡目标最为适配的“类别标签”,将其作为新实体节点加入到给定图片自身的知识图谱中;代理2根据代理1新加入的实体,从全局先验知识图谱中进一步挑选〈实体,关系〉,扩展与新实体节点相关联的图谱结构;3)代理1与代理2通过共享任务环境和在奖励值上建立通信,相互协作地按“图片被遮挡目标(实体)→关联图谱结构”以及“关联图谱结构→图片被遮挡目标(实体)”原理,开展正向与反向推理,从而有效估计出给定图片被遮挡目标最为可能的类别标签。实验结果表明,与现有相关方法相比,所提出的IMG-KGR-MAC模型可以学习到给定图片被遮挡目标与全局先验知识图谱之间的语义关系,有效克服了现有模型对被遮挡目标难以检测的弊端,对于被遮挡目标有良好的推理能力,在MR(Mean Rank)以及mAP(Mean Average Precision)等多项指标上都有超过20%的提升。

基于D-S证据理论的邮件筛选方法

针对目前色情邮件筛选中只针对邮件的文本内容进行过滤的不足,考虑邮件的文本和附件中所携带的图片信息,提出了一种基于证据理论的色情邮件的筛选方法。新方法分别使用一个色情图片检测器和一个文本分类器分别对邮件的附件及其内容进行初判别,然后将两个检测器的判别结果作为证据,使用D-S理论融合两个检测器的输出得到最后的判别结果。实验表明,该方法能有效地提高色情邮件的识别率。

基于pHash分块局部探测的海量图像查重算法

数据库中大量重复图片的存在不仅影响学习器性能,而且耗费大量存储空间。针对海量图片去重,提出一种基于pHash分块局部探测的海量图像查重算法。首先,生成所有图片的pHash值;其次,将pHash值划分成若干等长的部分,若两张图片的某一个pHash部分的值一致,则这两张图片可能是重复的;最后,探讨了图片重复的传递性问题,针对传递和非传递两种情况分别进行了算法实现。实验结果表明,所提算法在处理海量图片时具有非常高的效率,在设定相似度阈值为13的条件下,传递性算法对近30万张图片的查重仅需2 min,准确率达到了53%。

Pest Detection Method Using Multi-Fractal Analysis

A novel method for pest detection is proposed based on the theory of multi-fractal spectrum to extract pests on plant leaves.Both local and global information of the image regularity were obtained by multi-fractal analysis.By applying fractal dimension,the spots on leaf images can be extracted without loosing or introducing any information.The different parts of images are re-analysis by morphology operations to determine the candidate regions of pests.The performance of multi-fractal analysis of whitefly detection is investigated through greenhouse experiments.The experimental results show that the proposed method is robust to noise from light and is not sensitive to the complex environment.

Joint detection method of pornographic images with skin-like color background

A novel approach is proposed to automatically detect pomographic images with skin-like color background on the Intemet using the locations of human faces and bodies. It has two separate skin-color detection steps： the first one is to quickly detect the potential human skin-color regions; and the second one is to use an off-the-shelf face detector to locate a human face and then apply hypothesis testing based on series of assumptions which take into account the face-height ratio, body orientation and modem photograph composition common sense, etc. After that, a template matching method is used to further discriminate normal images or pornographic ones. Experimental results show that the proposed method has high precision and real time speed.

综合纹理和亮度的夜间场景图像来源检测方法

针对目前基于模式噪声方法处理夜间场景下图像来源检测准确效果较差问题,提出一种综合纹理和亮度的夜间场景图像来源检测方法。首先基于夜间场景图片会存在同张图片不同区域会有不同纹理和亮度从而会影响提取模式噪声质量不同这一理论依据,将图片根据纹理和亮度分成若干大小相等的块;然后对不同块按纹理平缓亮度良好、纹理复杂亮度差、纹理平缓亮度差、温度复杂亮度良好四种情况处理,其中对于纹理复杂的区域提取的噪声要抑制纹理干扰、对于亮度条件差的区域提取的模式噪声需要增强、对于亮度差且纹理又复杂的区域提取的模式噪声、既要抑制纹理的干扰又要增强模式噪声。实验结果表明,本文方法在夜间场景情况对图像检测整体识别率均在在80%以上,与传统模式噪声提取算法相比,该算法正确率能够提高4到12个百分点。

基于深度学习的入境物品自动化核酸采样系统

本研究提出了一套基于深度学习的图像目标检测以及机械臂抓取技术的自动化核酸采样系统,采用“机械臂+摄像头”的方式对入境物品及其包装进行图像目标检测并进行拭子采样。本研究的目标检测框架以基于YOLOv5框架为蓝本,使用深度可分离卷积以及逐点卷积融合的方式作为新的主干网络,设计了更加轻量级的幻影卷积进行Neck结构中的特征提取,以此来改进检测速度。最后,通过比例-积分-微分(Proportion Integral Differential,PID)来控制机械臂进行对应物体的抓取或涂抹操作,以此保证机械臂在运行过程中的稳定性。在自建数据集上本研究修改后的模型检测指标达到了99.18%,在CPU上使用ONNX框架部署的速度达到了25 FPS,能够满足实时检测的需求。

基于云开发的前端学习小程序设计与实现

阐述开发的小程序应用了组件化的编程思维,借助云开发进行了快速实施,实现内容安全、开放服务、接口应用,探讨云存储服务中的文本检测、图片检测、程序调用。