亚洲图片欧中文字幕,亚洲精品女人久久久

基于FPGA的功率譜分析系統(tǒng)[其他][其他]

針對(duì)激光雷達(dá)的微弱信號(hào)探測(cè),，設(shè)計(jì)了一種實(shí)時(shí)功率譜分析系統(tǒng),。系統(tǒng)使用12位1 GS/s的模數(shù)轉(zhuǎn)換器(Analog to Digital Converter,，ADC)進(jìn)行采樣,，采用FPGA作為數(shù)據(jù)采集處理的控制核心,，并通過(guò)DDR3及千兆以太網(wǎng)實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)上傳,。在上位機(jī)軟件控制下,，結(jié)合各個(gè)功能模塊,，實(shí)現(xiàn)了參數(shù)可配置的兩種功率譜估計(jì)方案,。測(cè)試結(jié)果表明,，系統(tǒng)有效提升了數(shù)據(jù)處理速度，并通過(guò)分段累加改善了功率譜估計(jì)的性能,。

發(fā)表于：12/14/2020 5:29:00 PM

命名數(shù)據(jù)網(wǎng)絡(luò)中基于Dec-POMDP的緩存策略[其他][其他]

針對(duì)命名數(shù)據(jù)網(wǎng)絡(luò)(Named Data Networks,，NDN)中數(shù)據(jù)緩存的問(wèn)題，提出了一種基于分布式部分可觀測(cè)馬爾科夫決策過(guò)程(Dec-POMDP)的緩存優(yōu)化模型,。在該模型框架下,，NDN網(wǎng)絡(luò)節(jié)點(diǎn)間以分布式協(xié)作的方式逐漸收斂至最優(yōu)聯(lián)合緩存策略，從而使NDN中的有限緩存資源得到充分利用,。仿真實(shí)驗(yàn)表明,，與現(xiàn)有NDN緩存方法相比，該方法能有效提升NDN網(wǎng)絡(luò)的緩存效率,，實(shí)現(xiàn)較高的緩存命中率及較小的請(qǐng)求平均跳數(shù),。

發(fā)表于：12/14/2020 5:23:00 PM

基于YOLO改進(jìn)殘差網(wǎng)絡(luò)結(jié)構(gòu)的車(chē)輛檢測(cè)方法[測(cè)試測(cè)量][汽車(chē)電子]

針對(duì)車(chē)輛檢測(cè)任務(wù)，設(shè)計(jì)更高效,、精確的網(wǎng)絡(luò)模型是行業(yè)研究的熱點(diǎn),，深層網(wǎng)絡(luò)模型具有比淺層網(wǎng)絡(luò)模型更好的特征提取能力，但構(gòu)建深層網(wǎng)絡(luò)模型時(shí)將導(dǎo)致梯度消失,、模型過(guò)擬合等問(wèn)題,，應(yīng)用殘差網(wǎng)絡(luò)結(jié)構(gòu)可以緩解此類(lèi)問(wèn)題,。基于YOLO算法,，改進(jìn)殘差網(wǎng)絡(luò)結(jié)構(gòu),，加深網(wǎng)絡(luò)層數(shù)，設(shè)計(jì)了一種含有68個(gè)卷積層的卷積神經(jīng)網(wǎng)絡(luò)模型,，同時(shí)對(duì)輸入圖像進(jìn)行預(yù)處理,，保證目標(biāo)在圖像上不變形失真，最后在自定義的車(chē)輛數(shù)據(jù)集上對(duì)模型進(jìn)行訓(xùn)練與測(cè)試,，并將實(shí)驗(yàn)結(jié)果與YOLOV3模型進(jìn)行對(duì)比,，實(shí)驗(yàn)表明，本文設(shè)計(jì)的模型檢測(cè)精準(zhǔn)度(AP)達(dá)90.63%,，較YOLOV3提高了4.6%,。

發(fā)表于：12/14/2020 5:18:00 PM

計(jì)算機(jī)程序基因技術(shù)初探[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

計(jì)算機(jī)程序基因技術(shù)是在惡意程序不斷演化與檢測(cè)識(shí)別技術(shù)的對(duì)抗博弈中發(fā)展起來(lái)的，傳統(tǒng)的惡意程序檢測(cè)技術(shù)已難以應(yīng)對(duì)惡意程序的快速動(dòng)態(tài)增長(zhǎng)趨勢(shì),，計(jì)算機(jī)程序基因技術(shù)開(kāi)啟了惡意程序檢測(cè)分析的一個(gè)新的思路,，從匯編指令層中萃取出計(jì)算機(jī)程序的真實(shí)行為意圖，從而對(duì)程序進(jìn)行分析和識(shí)別,。根據(jù)給出的計(jì)算機(jī)程序基因的定義以及提取方法,，可以找出計(jì)算機(jī)程序最本原的特征，有效提高新型的或變種的惡意程序的分析和檢測(cè)效率,。

發(fā)表于：12/14/2020 5:14:00 PM

端對(duì)端深度學(xué)習(xí)無(wú)損去圖像散射研究[其他][其他]

針對(duì)光線通過(guò)介質(zhì)會(huì)產(chǎn)生散射現(xiàn)象,，提出了一種基于神經(jīng)網(wǎng)絡(luò)的端對(duì)端圖像去散射方案，對(duì)于散射退化的圖片進(jìn)行退散射的處理,，此方案不需要復(fù)雜的光學(xué)設(shè)備,，應(yīng)用場(chǎng)景廣泛，在仿真和實(shí)際實(shí)驗(yàn)中都取得了預(yù)期的結(jié)果,。提出了一套利用拍攝屏幕來(lái)建立散射退化圖片和無(wú)散射圖片的數(shù)據(jù)集的方法,，且這一方法在許多其他的圖像處理圖像恢復(fù)工作中有應(yīng)用價(jià)值。

發(fā)表于：12/14/2020 5:13:00 PM

基于AHP-模糊綜合評(píng)價(jià)法的泄露數(shù)據(jù)價(jià)值評(píng)估模型[通信與網(wǎng)絡(luò)][信息安全]

以個(gè)人隱私信息為例構(gòu)建了一種泄露數(shù)據(jù)價(jià)值評(píng)估的模型,。首先建立了包含不同類(lèi)型數(shù)據(jù)的泄露數(shù)據(jù)集,，通過(guò)抽取個(gè)人隱私相關(guān)的信息元素進(jìn)行建模，利用層次分析法對(duì)各準(zhǔn)則層的元素進(jìn)行計(jì)算,，得到個(gè)人隱私信息元素泄露價(jià)值的權(quán)重比例,，并進(jìn)行了一致性檢驗(yàn)，通過(guò)模糊綜合評(píng)價(jià)的方法對(duì)個(gè)人隱私信息泄露數(shù)據(jù)價(jià)值進(jìn)行評(píng)價(jià),，得到泄露價(jià)值的評(píng)估結(jié)果,。

發(fā)表于：12/14/2020 5:07:00 PM

從人才培養(yǎng)體系建設(shè)談實(shí)踐型網(wǎng)絡(luò)空間安全人才培養(yǎng)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

近年來(lái)，我國(guó)高度重視網(wǎng)絡(luò)空間安全人才的培養(yǎng)與體系建設(shè),。網(wǎng)絡(luò)安全的競(jìng)爭(zhēng)歸根結(jié)底是人才的競(jìng)爭(zhēng),，網(wǎng)絡(luò)空間安全人才體系與機(jī)制的建立,，對(duì)網(wǎng)絡(luò)安全人才培養(yǎng)至關(guān)重要。從美國(guó),、歐盟,、日本等政府對(duì)網(wǎng)絡(luò)安全人才培養(yǎng)體系進(jìn)行介紹，并對(duì)我國(guó)當(dāng)前網(wǎng)絡(luò)安全人才培養(yǎng)體系現(xiàn)狀進(jìn)行深度分析,，同時(shí)給出網(wǎng)絡(luò)安全人才培養(yǎng)的思路和方法,。圍繞“培養(yǎng)實(shí)踐型的網(wǎng)絡(luò)安全人才”的核心思想，在高校建立網(wǎng)絡(luò)空間安全靶場(chǎng),，以系統(tǒng)化,、實(shí)踐化方式來(lái)培養(yǎng)高質(zhì)量的網(wǎng)絡(luò)安全人才。

發(fā)表于：12/14/2020 5:02:00 PM

基于Star-Gan的人臉互換算法[人工智能][工業(yè)自動(dòng)化]

基于Star-Gan的人臉互換算法易旭,，白天(中國(guó)科學(xué)技術(shù)大學(xué) 軟件學(xué)院,，安徽合肥 230026)基于深度學(xué)習(xí)的人臉互換算法會(huì)因背景人臉環(huán)境的明亮程度、人臉表情,、姿勢(shì)等因素影響換臉效果,，現(xiàn)階段的人臉互換模型存在固有的弊端。采用Patch-Gan(Generative Adversarial Networks)的判別器結(jié)構(gòu)能通過(guò)全卷積網(wǎng)絡(luò)增強(qiáng)人臉局部一致性的效果,。生成器將Unet結(jié)構(gòu)的編碼器的特征輸出作為輸入,，能考慮多層信息細(xì)節(jié)。整體模型架構(gòu)采用Star-Gan的模型,，引入實(shí)例歸一化層能保證圖像的獨(dú)立性,。最后在Face-Forensics++人臉互換數(shù)據(jù)集上進(jìn)行驗(yàn)證，結(jié)果表明,，融合的模型有較好的生成效果和細(xì)節(jié),。

發(fā)表于：12/14/2020 5:01:00 PM

基于參數(shù)約束的分支覆蓋符號(hào)執(zhí)行優(yōu)化算法[其他][其他]

發(fā)表于：12/14/2020 5:00:00 PM

直方圖移位安全可逆圖像水印算法的研究[其他][其他]

針對(duì)一些在數(shù)字版權(quán)保護(hù)和多媒體信息安全領(lǐng)域中,，需要對(duì)嵌入的水印信息進(jìn)行加密來(lái)確保水印信息的機(jī)密性，提出直方圖移位安全可逆的圖像水印算法,。對(duì)載體圖像的最大像素值和最小像素值分別進(jìn)行減一加一的操作,，并且對(duì)該像素值進(jìn)行標(biāo)記，圖像預(yù)處理的方法,，解決了嵌入水印信息時(shí)像素值修改產(chǎn)生的溢出問(wèn)題,。利用祖沖之序列密碼算法(ZUC算法)對(duì)水印信息進(jìn)行加密。在水印嵌入階段,，計(jì)算每個(gè)半平面像素的四鄰域,、八鄰域的預(yù)測(cè)差值，來(lái)構(gòu)建二維直方圖,，嵌入加密的水印,。實(shí)驗(yàn)結(jié)果表明，算法能夠無(wú)損地恢復(fù)原始載體圖像,，加密水印信息能夠正確解密,，含加密水印圖像的峰值信噪比均達(dá)到50 dB以上；該方案具有良好的加解密效果,，水印圖像具有很好的質(zhì)量和水印隱蔽性,，算法具有可逆性，并且解決了像素溢出的問(wèn)題,。

發(fā)表于：12/14/2020 4:56:00 PM