面向强后处理场景的图像篡改定位模型

针对微信、微博等社交平台对图像进行的压缩、尺度拉伸等有损操作带来的篡改痕迹模糊或被破坏的挑战,提出了一种对抗强后处理的图像篡改定位模型。该模型选用了基于Transformer的金字塔视觉转换器作为编码器,用于提取图像的篡改特征。同时,设计了一个类UNet结构的端到端编码器-解码器架构。金字塔视觉转换器的金字塔结构和注意力机制可以灵活关注图像的各个区块,结合类UNet结构能够多尺度地提取图像上下文间的关联信息,对强后处理的图像有着较好的鲁棒性。实验结果表明,所提模型在对抗JPEG压缩、高斯模糊等常见的后处理操作以及在不同社交媒体传播场景的数据集上的定位性能上明显优于目前主流的篡改定位模型,展现出了优异的鲁棒性。

基于多模感知数据的驾驶员房颤检测方法及系统研究

设计了一种针对驾驶环境的房颤自动检测方向盘。该方案利用安装在方向盘上的传感器对驾驶员的心率数据进行采集,将数据上传至云平台后,云平台利用基于深度互学习和判别滤波群算法的神经网络对心率信号进行分类识别,并将识别结果反馈至车辆终端,如果检测到司机有房颤现象,车辆终端则会及时发出警报,协同制动或者提供医疗介入。所提算法在真实数据集上表现优异,能够精确分别出正常心率和房颤。通过在模拟驾驶环境中的实验,所设计的方案可以在不对驾驶员操作造成任何影响的情况下,低延时、高准确性地对驾驶员心率状态进行判断。

前景理论的预测能力:基于股改的实证分析

自1980年代以来,前景理论已被证明在各种市场中具有预测能力.以往的文献表明,个人投资者在做出投资决策时更多地依赖于他们的直觉.本文以股权分置改革作为外生冲击,利用中国A股数据直接检验前景理论的预测能力.实证证据一致表明,前景理论对中国A股的个股收益具有显著的预测能力,尤其是对个人投资者占主导地位的非国有企业.与西方市场上的发现所不同的是,前景理论的所有三个组成部分(损失厌恶、概率加权和凹凸性)都对前景理论的预测能力有显著贡献.股权分置改革后,前景理论及其三个组成部分对于个股收益的预测能力较股权分置改革前更强,这一预测能力的增强对于国有企业尤为显著.