为提高移动机器人的跟随精度,对深度相机(RGB-D相机)测距进行研究,提出一种基于MRSD(Mask R-CNN and S2R-DepthNet)的移动机器人跟随系统。引入实例分割算法(Mask R-CNN)获取行人的前景掩膜;以掩膜为指导从深度图像中获取准确的行人区...为提高移动机器人的跟随精度,对深度相机(RGB-D相机)测距进行研究,提出一种基于MRSD(Mask R-CNN and S2R-DepthNet)的移动机器人跟随系统。引入实例分割算法(Mask R-CNN)获取行人的前景掩膜;以掩膜为指导从深度图像中获取准确的行人区域深度像素,引入深度估计算法(S2R-DepthNet)从彩色图像中推理深度图像以替换深度传感器引起的无效深度像素,提高测距的精度;建立基于Sage-Husa自适应滤波(SHAKF)的测距模型,提高量测信息异常情况下的测距鲁棒性,实现稳定跟随。实验结果表明,该方法能以设定距离准确跟随前方行人。展开更多
在传统的联邦学习系统中,中央服务器在接收到参与方上传的本地模型后,没有对本地模型的合法性进行验证,可能导致后续模型不可靠即模型存储可靠性问题。针对该问题提出一种基于区块链隐私增强的联邦学习可验证安全存储方案(blockchain-ba...在传统的联邦学习系统中,中央服务器在接收到参与方上传的本地模型后,没有对本地模型的合法性进行验证,可能导致后续模型不可靠即模型存储可靠性问题。针对该问题提出一种基于区块链隐私增强的联邦学习可验证安全存储方案(blockchain-based federated learning for model verified security storage, BFL4MVSS)。利用区块链技术,提出验证者投票机制,保证存储模型的可靠性;引入一种奖励机制,允许系统在一定数量的恶意节点存在下正常运行。采用PyTorch框架在MNIST数据集上进行仿真验证,结果表明,其能够在15%的恶意节点的参与下确保模型具有良好的表现。展开更多
为解决传统基于静态功能网络连接的自闭症分类算法忽略了脑功能连接的时变特性问题,提出一种基于膨胀卷积网络(inflated three dimension convolution neural network,I3D-CNN)的自闭症分类识别方法。提取被试大脑的静息态功能核磁共振...为解决传统基于静态功能网络连接的自闭症分类算法忽略了脑功能连接的时变特性问题,提出一种基于膨胀卷积网络(inflated three dimension convolution neural network,I3D-CNN)的自闭症分类识别方法。提取被试大脑的静息态功能核磁共振影像(rest state functional magnetic resonance imaging,RS-fMRI)每个感兴趣区域(region of interest,ROI)的时间序列,基于时间序列利用随机滑动时间窗口法,构建多个3D动态脑功能连接矩阵,使用I3D-CNN从3D动态脑功能连接矩阵中提取大脑的时空特征,建立自闭症分类模型。通过在ABIDE数据集上进行实验,验证了该方法的可行性和有效性。展开更多
文摘为提高移动机器人的跟随精度,对深度相机(RGB-D相机)测距进行研究,提出一种基于MRSD(Mask R-CNN and S2R-DepthNet)的移动机器人跟随系统。引入实例分割算法(Mask R-CNN)获取行人的前景掩膜;以掩膜为指导从深度图像中获取准确的行人区域深度像素,引入深度估计算法(S2R-DepthNet)从彩色图像中推理深度图像以替换深度传感器引起的无效深度像素,提高测距的精度;建立基于Sage-Husa自适应滤波(SHAKF)的测距模型,提高量测信息异常情况下的测距鲁棒性,实现稳定跟随。实验结果表明,该方法能以设定距离准确跟随前方行人。
文摘在传统的联邦学习系统中,中央服务器在接收到参与方上传的本地模型后,没有对本地模型的合法性进行验证,可能导致后续模型不可靠即模型存储可靠性问题。针对该问题提出一种基于区块链隐私增强的联邦学习可验证安全存储方案(blockchain-based federated learning for model verified security storage, BFL4MVSS)。利用区块链技术,提出验证者投票机制,保证存储模型的可靠性;引入一种奖励机制,允许系统在一定数量的恶意节点存在下正常运行。采用PyTorch框架在MNIST数据集上进行仿真验证,结果表明,其能够在15%的恶意节点的参与下确保模型具有良好的表现。
文摘为解决传统基于静态功能网络连接的自闭症分类算法忽略了脑功能连接的时变特性问题,提出一种基于膨胀卷积网络(inflated three dimension convolution neural network,I3D-CNN)的自闭症分类识别方法。提取被试大脑的静息态功能核磁共振影像(rest state functional magnetic resonance imaging,RS-fMRI)每个感兴趣区域(region of interest,ROI)的时间序列,基于时间序列利用随机滑动时间窗口法,构建多个3D动态脑功能连接矩阵,使用I3D-CNN从3D动态脑功能连接矩阵中提取大脑的时空特征,建立自闭症分类模型。通过在ABIDE数据集上进行实验,验证了该方法的可行性和有效性。