基于轻量级主干的YOLOv5驾驶员疲劳检测算法

针对目前基于深度学习的驾驶员疲劳检测算法存在着参数量和计算成本较大,难以在算力较低的设备上得到有效应用这一问题,提出一种基于轻量级主干的YOLOv5驾驶员疲劳检测算法,通过检测闭眼、张嘴、低头这3种标签的时间占比来进行疲劳判断。算法使用EfficientViT网络作为模型的主干网络,降低了整个模型的参数量以及计算成本,在模型的颈部网络部分加入上下文变换器模块并将归一化沃瑟斯坦距离作为新的损失函数以此来提高模型的准确度,减小轻量级主干所带来的损失。实验结果表明:改进后的算法准确率达到97.9%,与YOLOv5、YOLOv7、YOLOv8相比,其参数量分别降低了3.4、17.7和5.4倍,计算量分别降低了4.5、29.5和8.2倍,在CPU上的单幅图片推理速度加快至76.4 ms,能够有效地完成实时检测任务。

基于WGAN反馈的深度学习差分隐私保护方法

本文针对攻击者可能通过某些技术手段如生成式对抗网络(GAN)等窃取深度学习训练数据集中敏感信息的问题,结合差分隐私理论,提出经沃瑟斯坦生成式对抗网络(WGAN)反馈调参的深度学习差分隐私保护的方法。该方法使用随机梯度下降进行优化,设置梯度阈值进行梯度裁剪,对深度学习的优化过程添加噪声实施隐私保护;利用WGAN生成与原始数据相似的最优结果,对比生成结果与原始数据的差异进行反馈调参。实验结果表明,该方法可以有效保护数据集的敏感信息并且具有较好的数据可用性。

基于生成对抗网络的机载遥感图像超分辨率重建

为解决机载遥感图像质量易受环境影响的问题,对其进行超分辨率重建,对现有深度学习机载遥感图像超分辨率重建方法存在的特征提取能力差、重建图像边缘平滑、模型训练困难的问题进行改进,增强图像重建效果。将生成对抗网络作为模型的整体框架,使用密集剩余残差块增强模型特征提取能力,增加跳跃连接,有效提取机载遥感图像的浅层和深层特征,引入沃瑟斯坦式生成对抗网络优化模型训练。该方法能够有效对机载遥感图像进行4倍重建,在峰值信噪比评价上较对比方法约有2 dB增益,重建出的机载遥感图像在视觉上更清晰、细节更丰富、边缘更锐利。实验结果表明,该方法有效提升了模型特征提取能力,优化了训练过程,重建的机载遥感图像效果较好。

基于WGAN反馈的深度学习差分隐私保护方法

针对攻击者可能通过某些技术手段如生成式对抗网络(GAN)等窃取深度学习训练数据集中敏感信息的问题,结合差分隐私理论,提出经沃瑟斯坦生成式对抗网络(WGAN)反馈调参的深度学习差分隐私保护的方法.该方法使用随机梯度下降进行优化,设置梯度阈值进行梯度裁剪,对深度学习的优化过程添加噪声实施隐私保护;利用WGAN生成与原始数据相似的最优结果,对比生成结果与原始数据的差异进行反馈调参.实验结果表明,该方法可以有效保护数据集的敏感信息并且具有较好的数据可用性.

基于WGAN-GP的微多普勒雷达人体动作识别

针对人体动作识别微多普勒雷达数据量有限的问题,本文提出基于梯度惩罚的沃瑟斯坦生成对抗网络(WGAN-GP)进行雷达数据增强,实现深度卷积神经网络(DCNN)在样本数量较少时可以得到有效训练。首先对人体各种动作的线性调频连续波雷达回波数据进行预处理得到微多普勒时频谱图像,然后采用WGAN-GP进行时频谱图像数据增强,最后利用生成的图像对DCNN进行训练。实验结果表明使用WGAN-GP可以有效解决雷达数据不足的问题,从而提高DCNN人体动作识别准确率。