全部分类/
科学普及/
计算机应用研究

计算机应用研究

2025年03期

扫码免费借阅

目录

快速导航

综述评论 | 异构联邦学习在无人系统中的研究综述

综述评论 | 异构联邦学习在无人系统中的研究综述

摘要：异构联邦学习（heterogeneous federated learning，HFL）是一种用于解决数据和设备异构性问题的分布式机器学习方法，广泛应用于包括无人系统在内的多种场景。随着无人系统（如无人机、自动驾驶车辆）的快速发展，如何有效应对非独立同分布（non-IID）数据及设备计算能力差异，已成为提升联邦学习效率和性能的重要挑战。综述了异构联邦学习在无人系统中的最新研究进展，重点分析
综述评论 | 基于生成对抗网络的人脸属性合成技术综述

综述评论 | 基于生成对抗网络的人脸属性合成技术综述

摘要：人脸属性合成技术旨在保留人脸面部图像身份信息的情况下，根据指定目标重建人脸属性，从而在源图像上合成具有全新属性的人脸。计算机视觉技术的发展为人脸属性合成技术提供了全新的解决方案，为此，从人脸属性合成数据集、传统和生成对抗网络（generative adversarial network，GAN）的合成网络以及人脸语义方面综述了人脸属性合成技术的发展。首先分析了人脸属性合成领域中传统方法和主
综述评论 | 基于深度学习的前沿视频异常检测方法综述

综述评论 | 基于深度学习的前沿视频异常检测方法综述

摘要：视频异常事件检测逐渐成为计算机视觉领域的研究热点之一，具有重要研究意义和应用价值。近年来，以卷积神经网络为核心的深度学习技术在多项机器视觉任务中展现优异性能，极大地启发了其在视频异常事件检测领域的应用。为此，针对近年来基于深度学习的视频异常事件检测相关研究进行全面梳理与系统归纳。首先，根据视频异常检测实现流程的三个核心要素，即检测模式、样本设置及学习/推理机制，提出一种由浅入深的多级分类方
区块链技术 | TSD-PBFT:基于信誉和标准差聚类的PBFT共识优化算法

区块链技术 | TSD-PBFT:基于信誉和标准差聚类的PBFT共识优化算法

摘要：针对实用拜占庭容错共识算法中存在缺少对恶意节点的惩罚机制、通信开销大、主节点选取安全性不足等问题，提出了一种基于信誉和标准差聚类的PBFT共识优化算法TSD-PBFT，旨在提高共识效率和安全性。首先，建立节点动态和静态结合的信誉评估模型，通过实时监测节点投票数和参与度来动态评估节点行为，并剔除恶意节点来提高整体共识效率和可靠性，同时通过周期性地重置高信誉值节点的评分，防止单一节点或小团体长
区块链技术 | S-Raft：一种增强拜占庭和崩溃容错的Raft算法

区块链技术 | S-Raft：一种增强拜占庭和崩溃容错的Raft算法

摘要：传统的Raft共识算法在私有链中因其简洁和崩溃容错而得到广泛应用，但无法解决拜占庭节点恶意行为导致的诸多问题。在深入分析现有研究成果的基础上，提出了一种基于Raft的增强拜占庭和崩溃容错的共识算法：S-Raft（Stability-Raft），以解决拜占庭节点在选举中伪造身份、投票分裂以及非法替换领导者等核心问题。引入故障心跳日志机制，通过广播故障信息阻止拜占庭节点获得多数选票；实施选举超
区块链技术 | 基于区块链的动态多用户可搜索加密方案

区块链技术 | 基于区块链的动态多用户可搜索加密方案

摘要：单用户可搜索加密方案无法满足多用户环境下的数据分享需求，且存在密钥泄露风险。为此，利用（t，N）秘密共享结构和区块链技术构造了一个基于身份的多用户可搜索加密方案。该方案解决了多用户环境下的数据分享和机密性问题，实现了用户的动态更新功能，防止了密钥泄露，并在标准模型下被证明能够抵御关键字猜测攻击。与五个现存的相关方案相比较，该方案在计算成本上表现出效率优势，适用于云储存环境下的数据分享。
自然语言理解与分析专题 | 基于多粒度增强和答案验证的法律文书阅读理解模型

自然语言理解与分析专题 | 基于多粒度增强和答案验证的法律文书阅读理解模型

摘要：近年来法律文书阅读理解逐渐成为一个研究热点，它要求模型能够利用有限的数据完成答案分类以及证据和答案的提取，然而现有模型编码粒度单一，且问题和法律文书之间仍缺乏充分的交互。为了解决上述问题，提出了一种基于多粒度增强和答案验证的法律文书阅读理解模型。该模型首先使用多粒度编码模块，以字符、词语和序列三种粒度来捕捉输入文本中多层次的信息，提高模型提取信息的能力；然后引入基于问题和证据的注意力，增强
自然语言理解与分析专题 | 基于问题导向式提示调优小样本文本分类

自然语言理解与分析专题 | 基于问题导向式提示调优小样本文本分类

摘要：低资源场景下提示调优比带有额外分类器的通用微调方法（fine-tuning）分类性能好，但提示调优中设计一个较好的提示模板和标签词映射器需要花费大量的精力。针对该问题，提出问题导向式提示调优的小样本分类方法（question-oriented prompt-tuning，QPT）。首先，利用数据集标签和可训练的连续提示构建提问形式的模板，通过预训练模型学习到最优提示模板；然后，每条样本用模
自然语言理解与分析专题 | 一种面向知识图谱多跳问答的分层语义解析方法

自然语言理解与分析专题 | 一种面向知识图谱多跳问答的分层语义解析方法

摘要：在知识图谱多跳问答任务中，问题的复杂语义往往难以被完全理解，这常导致回答的准确性低于预期。为此，提出了一种名为HL-GPT（hierarchical parsing and logical reasoning GPT）的新型框架。该框架利用大语言模型的理解和生成能力，通过分层解析复杂语义及构建逻辑推理路径，以提升问答任务的准确性。研究方法包括三个阶段：首先，通过大语言模型从问题的不同层次中
自然语言理解与分析专题 | 结合对比学习和双流网络融合知识图谱摘要模型

自然语言理解与分析专题 | 结合对比学习和双流网络融合知识图谱摘要模型

摘要：提出了一种融合对比学习与双流网络的新型知识图谱摘要模型（KGDR-CLSUM），旨在解决现有模型在生成摘要时存在的事实性错误和信息提取不足的问题。该模型通过设计双流网络同时处理文本特征和知识图谱特征，并采用对比学习来强化这两类特征的有效融合。此外，引入动量蒸馏策略以降低知识图谱中的数据噪声，从而提升摘要生成的质量和准确性。在CNN/Daily Mail数据集上，KGDR-CLSUM相较于基
算法研究探讨 | 多关系和时间增强的知识追踪模型

算法研究探讨 | 多关系和时间增强的知识追踪模型

摘要：现有知识追踪方法未能深入探索知识点间多种关系并同时考虑知识相互作用和时间对知识状态的影响。鉴于此，从知识间多种关系和学习遗忘规律两方面改进知识追踪模型，提出多关系和时间增强的知识追踪模型（MRTKT）。首先，根据认知同化理论丰富了知识间关系，使用统计学方法构建了包含上位学习、下位学习以及并列组合学习三种关系的知识结构图；其次，对知识间相互作用进行建模，根据上述三种关系聚集节点特征，使得模型
算法研究探讨 | 基于能量聚焦和改进变分模态分解的人体生命体征检测算法

算法研究探讨 | 基于能量聚焦和改进变分模态分解的人体生命体征检测算法

摘要：针对调频连续波（frequency modulated continuous wave，FMCW）雷达生命体征检测在存在大规模的随机人体运动场景中检测准确性过低的问题，提出了一种高精度的人体生命体征检测算法。该算法首先通过能量聚焦选取胸部最佳距离窗，消除运动伪影的干扰；然后利用多项式拟合距离窗序列，消除距离窗的剧烈跳变，准确提取相位信号；最后，通过基于自相关功率谱密度与加权排列熵的改进变分
算法研究探讨 | 背景图增强的社交网络重要节点自适应排序算法

算法研究探讨 | 背景图增强的社交网络重要节点自适应排序算法

摘要：社交网络中的重要节点对网络结构和功能具有决定性影响，开发精度更高的重要节点排序算法成为当前的研究热点之一。其中，LR（LeaderRank）引入一个背景节点明显提升了经典PageRank排序算法的性能，但仍面临着网络中小出度用户的投票权偏见问题。因此，提出背景图增强的社交网络重要节点自适应排序算法AGR（adaptive GraphRank），构建多节点背景图替代LR的单一背景节点，基于H
算法研究探讨 | 基于自适应噪声和动态加权的联邦学习算法

算法研究探讨 | 基于自适应噪声和动态加权的联邦学习算法

摘要：将差分隐私应用于联邦学习是保护训练数据隐私的有效方法之一，但在现有的算法中，添加固定噪声进行模型训练会导致模型精度不高、数据隐私泄露的问题。为此，提出了一种基于自适应噪声和动态加权的联邦学习算法（DP-FedANAW）。首先，考虑到梯度的异质性，该算法为每个客户端预测当前轮次梯度范数，获得裁剪阈值，为其进行不同轮次自适应裁剪梯度，从而实现自适应调整噪声；其次，为了进一步提高模型的训练效率，
算法研究探讨 | 基于序列图时空增强与地理关系的兴趣点推荐

算法研究探讨 | 基于序列图时空增强与地理关系的兴趣点推荐

摘要：针对现有兴趣点（points-of-interest，POI）推荐存在的地理特征挖掘不充分与未将顺序信息纳入空间偏好的问题，提出基于序列图时空增强与地理关系（spatial-temporal enhancement of sequence graph and geographical relationships，STESGGR）的POI推荐模型。首先，利用POI位置信息构建地理图，采用图卷
算法研究探讨 | 基于判别增强大语言模型微调的医学影像报告生成

算法研究探讨 | 基于判别增强大语言模型微调的医学影像报告生成

摘要：自动化的医学影像报告生成可以提高影像医生的工作效率。传统的医学影像报告生成方法大多数基于判别式和图像描述生成式，在准确性、流畅性、多样性方面存在不足。基于大语言模型微调的医学影像生成技术有望改善以上问题。在预训练多模态大语言模型基础上，提出一种判别增强的微调方法——MedVLM。以影像诊断作为辅助的判别目标，引入低秩自适应微调法、提示微调法以及冻结微调法，来微调多模态大语言模型的特征提取模
算法研究探讨 | 大规模符号网络划分的学习驱动型扩展变邻域搜索算法

算法研究探讨 | 大规模符号网络划分的学习驱动型扩展变邻域搜索算法

摘要：给定一个无向图，符号网络划分问题（signed graph partitioning problem，SGPP）是将节点集合划分为K（K≥2）个互不相交的非空分组，旨在最小化所有位于分组内的负符号边权重之和加上位于分组之间的正符号边权重之和，使网络划分结构尽量趋于平衡。SGPP是NP难问题，在计算机视觉、社交网络分析、生物信息学等实际领域中具有重要应用。但大数据时代的到来给求解大规模SGP
算法研究探讨 | 基于Boosting优先经验重放的协同计算卸载方法

算法研究探讨 | 基于Boosting优先经验重放的协同计算卸载方法

摘要：现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况，导致计算卸载模型的时延估计存在偏差。更重要的是，现有基于强化学习的计算卸载方法通过计算时序差分（temporal difference，TD）误差进行经验重放，无法精确评估历史经验的重要性，导致卸载决策精度降低。为解决上述问题，在移动蜂窝网络边缘计算场景下，考虑多设备、多服务器的计算卸载问题，提出一种基于Boosting优先经
算法研究探讨 | 求解分布式约束优化问题的邻居忽略策略局部搜索算法

算法研究探讨 | 求解分布式约束优化问题的邻居忽略策略局部搜索算法

摘要：针对现有基于局部搜索思想的分布式约束优化问题求解算法存在容易陷入局部最优的问题，提出了一系列用于求解分布式约束优化问题（DCOP）的基于邻居忽略策略（NI）的局部搜索算法，以扩大对解空间的搜索，避免陷入局部最优。为了研究智能体之间约束关系的可变性和随机性对局部搜索的影响和极值对于局部搜索的影响，分别设计了单个随机邻居忽略策略和极值邻居忽略策略。同时，基于单个邻居随机忽略策略和极值邻居忽略策
算法研究探讨 | 一种带有三重选择机制的多种群多策略差分进化算法

算法研究探讨 | 一种带有三重选择机制的多种群多策略差分进化算法

摘要：针对差分进化算法（differential evolution，DE）在寻优过程中易陷入局部最优以及求解精度不高的问题，提出一种带有三重选择机制的多种群多策略差分进化算法（TSMDE）。该算法采用分层种群结构，利用适应度值将种群划分为三个子种群，且子种群的大小随迭代动态调整。同时，采用五个改进的突变策略以及不同的参数自适应方式，以满足个体在不同进化阶段的开发与探索需求。为了充分发挥多种群的
算法研究探讨 | 融合人工势场的改进RRT*机械臂料框分拣路径规划

算法研究探讨 | 融合人工势场的改进RRT*机械臂料框分拣路径规划

摘要：为使机械臂在料框分拣应用中快速规划出较优的拾取路径，提出一种融合人工势场的改进RRT*（rapidly-exploring random tree*）机械臂路径规划方法。首先，利用人工势场进行预规划，在预规划路径上找到能够与目标节点无碰撞直连的路径节点，并将其作为RRT*的规划目标节点，避免对空白区域的无用搜索。其次，在RRT*算法基础上加入目标引导采样以及搜索参数自适应计算策略，提高算法
算法研究探讨 | 融合Wi-Fi与激光的机器人室内大型环境SLAM

算法研究探讨 | 融合Wi-Fi与激光的机器人室内大型环境SLAM

摘要：同步定位与地图构建（SLAM）是实现移动机器人自主导航定位的关键。针对室内大型环境下激光SLAM闭环检测容易产生错误闭环，导致机器人位姿估计误差较大的问题，提出了一种融合Wi-Fi与激光信息的图优化SLAM算法。首先，构建Wi-Fi指纹序列与激光子地图；然后，根据每对指纹序列的相似度均值和标准差筛选用于闭环检测的激光子地图。在此基础上，提取所筛选子地图的特征点并匹配，以确定激光闭环；最后，
算法研究探讨 | 多目标双元闭环供应链回收连锁店选址模型及优化算法

算法研究探讨 | 多目标双元闭环供应链回收连锁店选址模型及优化算法

摘要：为推进各类资源节约集约利用，提高废弃物回收和利用效率，考虑了竞争存在下的利润最优化问题，从逆向供应链视角，基于博弈理论构建了包含制造商、回收商、回收竞争商，以及消费者在内的混合竞争回收渠道双元闭环供应链系统；并同时以建设服务成本最小化、客户满意度最大化、回收利润最大化为目标，建立多目标双元闭环供应链回收连锁店选址模型。借鉴蘑菇繁殖生长机制的原理，以繁殖过程中菌落思想为核心，结合Pareto
算法研究探讨 | 考虑非邻近节点空间相关性的交通流预测模型

算法研究探讨 | 考虑非邻近节点空间相关性的交通流预测模型

摘要：针对现有的交通流预测模型存在难以对非邻近节点之间的时空相关性显式建模的问题，提出一种新的利用超图表征空间相关性的超图卷积神经网络模型（double attention hypergraph convolution neural network，A2HGCN）。首先，通过寻找节点之间的相似关系构造超边，利用节点之间的连接关系构造超图;然后提出一个超图卷积模型，其中利用超图卷积和将超图线扩展为
算法研究探讨 | 基于事后筛选经验回放的机器人深度强化学习跟踪控制

算法研究探讨 | 基于事后筛选经验回放的机器人深度强化学习跟踪控制

摘要：针对机械臂轨迹跟踪问题，提出了一种结合事后筛选经验回放（selective hindsight experience replay，SHER）的深度强化学习（deep reinforcement learning，DRL）控制方法。此算法将SHER与深度确定性策略（deep deterministic policy gradient，DDPG）结合进行机械臂的轨迹跟踪控制。SHER算法
系统应用开发 | 基于脉搏波信号相空间重构与时间序列预测的身份认证系统构建

系统应用开发 | 基于脉搏波信号相空间重构与时间序列预测的身份认证系统构建

摘要：旨在探讨光电容积脉搏波（photoplethysmography，PPG）信号的动力学特征对身份识别系统准确率的影响，并提出一种新的身份认证方法，以填补该领域对脉搏波信号动力学特征研究的空白。通过对脉搏波信号进行非线性混沌特性分析，重构其动力学系统的等价拓扑空间，并结合相空间重构技术与长短期记忆网络（long short-term memory，LSTM）模型，构建脉搏波信号的建模、预测和
系统应用开发 | 基于小样本和随机化的跨域人体动作泛化识别模型

系统应用开发 | 基于小样本和随机化的跨域人体动作泛化识别模型

摘要：随着IEEE 802.11bf标准的发布，WiFi感知技术已从学术研究走向工业应用。针对现有人体动作识别在域内能够准确感知，但面对跨域场景时模型识别性能差的问题，提出了一种基于小样本和随机化的跨域人体动作泛化识别模型SSRCD-Fi。首先，使用特征提取器将输入样本映射到向量空间，实现同一动作的样本聚集、不同动作的样本分离；然后针对新的场景域，通过随机化方法和少量被标记样本计算出动作的原型表
系统应用开发 | 基于高效调优方法的统一高效微调架构及应用

系统应用开发 | 基于高效调优方法的统一高效微调架构及应用

摘要：为解决大规模参数调优问题，一系列高效微调方法诞生，但是在整合不同高效微调方法形成有效统一整体方面还存在挑战。此外，统一调优思想在视觉任务中的应用仍然不足。因此，提出统一参数高效微调架构ETTA（efficient Transformer tuning architecture）。首先通过适配器与前缀调优工作原理的相似性，得出两种方法整合形成统一调优架构的合理性；其次，在适配器选择上，选用效
系统应用开发 | 以目的地为导向的基于成本优化的电动汽车充电导航策略

系统应用开发 | 以目的地为导向的基于成本优化的电动汽车充电导航策略

摘要：为了解决目的地导向的电动汽车路径规划和中途充电站选择问题，提出一种以目的地为导向的基于成本优化的电动汽车充电导航策略。首先，构建了基于目的地的电动汽车路径规划和充电导航架构；其次，根据市区道路和高速公路路网的特点，将道路划分为低层道路和高层道路两个层次；考虑到用户充电和行驶成本以及结束充电后继续前往目的地的需求，低层路网内构建决策函数进行充电站选择并进行路径规划，高层路网使用改进的蚁群算法
系统应用开发 | 基于交通路网权重学习的城市机动车多样化轨迹生成

系统应用开发 | 基于交通路网权重学习的城市机动车多样化轨迹生成

摘要：基于GPS数据的轨迹生成方法因隐私保护与成本高的问题而难以应用，提出一种基于卡口数据生成车辆轨迹的方法。但其面临以下挑战：首先由于卡口覆盖率低导致拍摄的轨迹不连续，无法兼容现有模型，且未有工作研究如何有效填补缺失轨迹；其次现有模型忽略路网约束，生成轨迹无法进行仿真；最后现有模型无法生成多样化轨迹，导致可用性较差。为解决以上挑战，首先设计了TrajGAT-A*模型，通过图神经网络构建包含实际
网络与通信技术 | 基于信任度累积的联邦协作频谱感知

网络与通信技术 | 基于信任度累积的联邦协作频谱感知

摘要：针对低信噪比下协作频谱感知（CSS）的检测概率低且易受表现较差节点干扰的问题，提出一种基于信任度累积的联邦协作频谱感知方法（FL-CSS）。该方法分为离线训练和在线检测两部分：在离线训练部分设计了模型融合和更新策略，保证了次用户（SU）本地模型的性能，并避免全局模型受到表现较差SU的干扰；在线检测部分设计了数据融合策略，提出信任度累积算法为SU分配权重，综合考虑了SU在模型融合中的权重、在
网络与通信技术 | 高速飞行器自组网快速高效加权分簇算法

网络与通信技术 | 高速飞行器自组网快速高效加权分簇算法

摘要：针对高速飞行器自组织网络中组网时间较长、维护开销较大、网络恢复较慢等问题，提出了一种快速高效的加权分簇算法。该算法与现有的加权分簇算法进行了比较，对平均节点间距离、平均移动相似度以及节点度三个指标进行了改进；针对梯度抑制导致的组网周期延长问题，优化了现有的组网流程；针对备用簇首维护开销较大的问题，提出了一种高效备用簇首选举和跨层通告机制；针对簇首节点突发损坏的情况下，簇成员反应较慢的问题，
网络与通信技术 | 水声网络基于优先级与可Zigzag解码的在线喷泉码

网络与通信技术 | 水声网络基于优先级与可Zigzag解码的在线喷泉码

摘要：水声网络（underwater acoustic network，UAN）具有长传播时延、高误码率、半双工通信等特性，这些特性严重影响了UAN中数据的可靠传输。而在线喷泉码具有在线控制、编解码复杂度低、码率自适应等诸多优势，在线喷泉码适合于保障UAN中数据的可靠传输。针对递归与限制反馈的在线喷泉码（recursive OFC with limited feedback，ROFC-LF）存在
图形图像技术 | 基于改进3D ResNet18的多模态微表情识别

图形图像技术 | 基于改进3D ResNet18的多模态微表情识别

摘要：针对微表情识别技术面临的时间特征提取挑战包括短暂性带来的捕捉难题、时空信息融合的难点、数据稀疏性导致的过拟合问题、静态特征提取方法的局限性、数据预处理对识别性能的影响，提出了一种基于改进3D ResNet的多模态微表情识别方法（IM3DR-MFER）。通过在传统3D ResNet中融入了参数精简策略和多尺度上下文感知融合策略改进3D ResNet18，在降低参数的同时提升对面部局部特征及其
图形图像技术 | 基于蝗虫视觉神经的人群汇流行为检测神经网络

图形图像技术 | 基于蝗虫视觉神经的人群汇流行为检测神经网络

摘要：运动人群在交叉路口或通道形成独特的运动行为模式——人群汇流，易引发诸如拥挤推攘、跌倒踩踏等潜在公共安全风险，然而目前尚未有针对该人群汇流检测的计算模型研究工作报道。针对该问题，提出了一种生物启发的人群汇流行为检测神经网络（CCBDNN）。基于蝗虫视觉神经结构特性，该神经网络感知视野域中人群活动引发的视觉运动线索；借助哺乳动物视网膜方向感知机制提取人群局部运动方向线索；通过蝗虫小叶巨型运动检
图形图像技术 | 一种改进的快速深度图像先验降噪模型

图形图像技术 | 一种改进的快速深度图像先验降噪模型

摘要：相较于有监督深度降噪模型，仅利用给定的噪声图像本身就能完成降噪任务的无监督深度图像先验（deep image prior，DIP）降噪模型没有数据偏向（data bias）问题，具有更好的泛化能力。然而，DIP降噪模型较长的迭代训练步数导致其在执行效率方面仍有较大提升空间。为此，提出了一种改进的增速深度图像先验降噪模型（improved accelerated deep image pri
图形图像技术 | 融合双向感知Transformer与频率分析策略的图像修复

图形图像技术 | 融合双向感知Transformer与频率分析策略的图像修复

摘要：现有图像修复技术通常很难为缺失区域生成视觉上连贯的内容，其原因是高频内容质量下降导致频谱结构的偏差，以及有限的感受野无法有效建模输入特征之间的非局部关系。为解决上述问题，提出一种融合双向感知Transformer与频率分析策略的图像修复网络（bidirect-aware Transformer and frequency analysis，BAT-Freq）。具体内容包括，设计了双向感知T
图形图像技术 | 联合时空差异注意力与层级细节增强的遥感影像变化检测

图形图像技术 | 联合时空差异注意力与层级细节增强的遥感影像变化检测

摘要：目前，基于U-Net的深度学习遥感影像变化检测方法包含许多伪变化信息，且多数方法缺乏层级特征间的有效交互。针对上述问题，以经典U-Net为基础，提出一种联合时空差异注意力与层级细节增强的高分辨率遥感影像变化检测方法。首先，分别提取两期影像的单时相特征与级联特征，基于两期单时相特征的欧氏距离与差值特征，提出一种时空差异注意力模块，强化级联特征对变化区域的学习；然后，利用混合空间通道注意力交互
图形图像技术 | DepthMamba:多尺度VisionMamba架构的单目深度估计

图形图像技术 | DepthMamba:多尺度VisionMamba架构的单目深度估计

摘要：在单目深度估计领域，虽然基于CNN和Transformer的模型已经得到了广泛的研究，但是CNN全局特征提取不足，Transformer则具有二次计算复杂性。为了克服这些限制，提出了一种用于单目深度估计的端到端模型，命名为DepthMamba。该模型能够高效地捕捉全局信息并减少计算负担。具体地，该方法引入了视觉状态空间（VSS）模块构建编码器-解码器架构，以提高模型提取多尺度信息和全局信息
图形图像技术 | 基于韦伯定律的彼得森图局部人脸特征模式

图形图像技术 | 基于韦伯定律的彼得森图局部人脸特征模式

摘要：以提升人脸特征提取和识别的性能为目标，提出了一种新型局部特征提取方法——基于韦伯定律的彼得森图局部人脸特征模式（WPLFP）。该方法巧妙地将韦伯定律融入紧凑的编码方案中，通过定义韦伯-彼得森数来精确表征目标像素与其邻域像素之间的结构信息。在特征提取过程中，WPLFP算法在中心像素的5×5窗口内有序应用彼得森图的四种空间排列，实现了对像素间复杂结构关系的全面捕获。为了深化特征提取的层次，还结
图形图像技术 | 复合因素影响下嫌疑人发型变化的深度模拟

图形图像技术 | 复合因素影响下嫌疑人发型变化的深度模拟

摘要：年龄、伪装等复合因素影响下，命案积案中嫌疑人的相貌、发型等体貌特征变化具有明显的不确定性。针对上述问题，提出双重风格迁移生成对抗网络（dual style transfer generative adversarial network，DstGAN）对人像发型变化进行模拟。首先，设计了双重StyleGAN生成器，借助人像年龄化模型，将人像年龄化信息与发型变化相结合，提高客观因素影响下发型模

过往期刊

更多

猜你喜欢

西安邮电大学电子阅览室