面向睡眠研究的生理信号开源数据集综述

临床多导睡眠数据的采集和标注耗时长且成本高,被测人群、采集设备和标注专家等因素的不同,使得采集的数据存在差异,增加了睡眠相关研究的难度和复杂度。与众多其他临床开源数据资源相同,面向睡眠研究的生理信号开源数据集的建立为全球相关研究者提供了丰富的数据资源和统一的对比平台,促进了睡眠医学领域研究的深入发展。为此,综述了在睡眠领域中常见的18个开源数据集的概况、特点及应用,这些数据集包括脑电图(EEG)、心电图(ECG)、眼电图(EOG)和肌电图(EMG)等生理信号以及涵盖睡眠障碍、心血管疾病和肥胖症等多个临床领域;总结了现有睡眠开源数据集在数据质量、数据标准、数据安全、样本代表性和外部有效性等方面存在的局限,提出了针对性的建议与展望。

基于隐形后门水印的开源数据集版权保护

针对图像分类领域开源数据集的版权保护问题,提出了一种基于后门水印的可溯源方法IBWOD,其能够保证水印在具有较强隐蔽性的同时保持良好的可用性和有效性。首先,利用一个编码器-解码器网络将后门水印嵌入到所选取的部分样本中,生成水印样本。接着,修改这些水印样本的标签为指定标签,然后将水印样本与未修改的样本合并为水印数据集。使用该水印数据集训练的模型会留下特定后门,即从后门水印到指定标签的一种映射关系。最后,提出了一种相应的模型验证算法,基于这种特殊的映射关系来验证一个可疑模型是否使用了水印数据集。实验结果表明,IBWOD能够很好地验证模型是否使用了水印数据集,并具有较强的隐蔽性。

基于深度学习的跨域辐射源个体识别综述

基于深度学习的辐射源个体识别已经成为识别和认证无线设备的主要研究方法之一。然而,基于传统深度学习的辐射源个体识别算法不能直接应用于跨域(跨信道条件、跨接收机、跨接收时间等)辐射源个体识别场景,因为一个域上的数据训练的模型用于另一个域上进行推理,其效果通常会变差。调研了现有基于对比学习、迁移学习、域适应等先进深度学习的跨域辐射源个体识别方法,整理和归纳了跨域辐射源个体识别相关的开源数据集。分析了跨域辐射源个体识别存在的难题与挑战,展望了跨域辐射源个体识别发展趋势及未来研究方向,以助力深度学习在复杂电磁环境下辐射源个体识别的实用化。

人脸活体检测综述

活体检测是生物特征识别在安全领域应用的关键技术之一。人脸的活体检测是人脸识别的前置环节,在以人脸识别后按身份授权的安全领域,扮演十分重要的角色。基于此,笔者从活体与非活体的特征差异着手,分析近年来活体检测的技术发展,找出当前活体检测技术的不足,并展望未来的可能发展方向。

SDU-QIT立铣刀磨损试验数据集

刀具故障预测与健康管理(Prognostic and health management,PHM)是机床制造领域的关键问题。作为数控机床的“牙齿”,刀具的健康状态直接影响着机床加工效率和产品质量。借助大数据与人工智能(AI)技术实现对刀具运行状态的实时精准监测,目前已成为学术界和工业界关注的热点问题。然而,刀具高质量全寿命周期数据的匮乏,严重制约了机械装备PHM技术的理论研究与工程应用。为解决上述问题,开展了面向刀具全寿命周期的数控加工中心立铣刀多工况试验与数据采集工作,并将获取的试验数据集面向全球学者公开发布。该数据集共包含2种工况下的立铣刀全寿命周期振动信号,且明确标注了刀具主后刀面最大VB值、主后刀面1/2ap(背吃刀量)处VB值、主后刀面SVB值,副后刀面最大VB值、副后刀面SVB值等5种标签,可为PHM领域基于AI的刀具故障诊断与预测性维护研究提供数据支撑。

智能遥感:AI赋能遥感技术

随着人工智能的发展和落地应用,以地理空间大数据为基础,利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线,通过综合国内外文献和相关报道,梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先,针对遥感数据精准处理任务,从光学、合成孔径雷达等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾,并从遥感图像的局部特征匹配和区域特征匹配两个方面对定量化提升研究进展进行了回顾。其次,针对遥感数据时空处理与分析任务,从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。再次,针对遥感目标要素分类识别任务,从典型地物要素提取和多要素并行提取两个方面对其研究进展进行了回顾。最后,针对遥感数据关联挖掘任务,从数据组织关联、专业知识图谱构建两个方面对其研究进展进行了回顾。除此之外,面向大智能分析技术发展需求,本文还对遥感开源数据集和共享平台方面的研究进展进行了回顾。在此基础上,对遥感数据智能分析与解译的研究情况进行梳理、总结,给出了该领域的未来发展趋势与展望。