3621.
目的 姿态引导下的人物图像生成具有广泛的应用潜力,受到了广泛关注。低分辨率场景的姿态引导人物图像生成任务取得了很大成功。然而在高分辨率场景下,现有的人体姿态迁移数据集存在分辨率低或多样性差等问题,同时也缺乏相关高分辨率图像生成方法。针对这一问题,构建了具有多模态辅助数据的大规模高… … 相似文献
徐正国;普碧才;秦建明;项炎平;彭振江;宋纯锋 《中国图象图形学报》2025,(2):375-390
3622.
量子计算的发展对经典密码体制造成了极大的安全威胁。后量子密码算法在理论上可以抵抗量子攻击,因此成为现阶段研究的热点。根据困难性假设分类,首先介绍基于格、编码、多变量、哈希函数等的后量子密码算法的研究现状,分析其技术特点和优劣,同时结合NIST后量子密码标准化成果,介绍不同技术路线… … 相似文献
3623.
肺炎是一种常见的呼吸系统疾病, 早期诊断对于有效治疗至关重要. 本研究提出了卷积神经网络(CNN)和Transformer结合的CTFNet混合模型, 旨在实现高效而准确的肺炎辅助诊断. 该模型融合了卷积分词器和聚焦线性注意力机制. 卷积分词器通过卷积操作实现更紧凑的特征提取, 并保留图像的关键局部特征降低计算复杂度, 提高模型的表达能力. 聚焦线性注意力机制缓解了Transformer的计算需求, 优化了注意力框架, 大幅提升了模型性能. 在Chest X-ray Images数据集上, CTFNet在肺炎分类任务中表现出色, 达到了99.32%的准确率、99.55%的精确率、99.55%的召回率和99.55%的F1值. 较好的性能凸显了该模型在临床应用中的潜力. 为了评估CTFNet的泛化能力, 我们将其应用于COVID-19 Radiography Database数据集. 在该数据集中, CTFNet被用于多个二分类任务均达到98%以上的准确率. 这些结果表明, CTFNet在肺炎图像分类的各种任务中具有较好的泛化能力和可靠性.… … 相似文献
3624.
3625.
全球数字化进程的加速伴随着数据主体信息失控现象日益显著。国内外数据安全相关法律相继出台,其中遗忘权(the Right to Be Forgotten)强调了数据主体拥有从数据使用方撤回其数据的权利。模型遗忘(Machine Unlearning)是机器学习领域践行遗忘权的技术,… … 相似文献
翁嘉思;辜燕云;刘家男;李明;翁健 《计算机学报》2025,(2):477-496
3626.
针对基于深度学习的水印方法未充分突显图像的关键特征,以及未有效利用中间卷积层输出特征的问题,为提升含水印图像的视觉质量和抵抗噪声攻击的能力,提出一种融合注意力机制和多尺度特征的图像水印方法。在编码器部分,设计注意力模块关注重要图像特征,以减小水印嵌入引起的图像失真;在解码器部分,… … 相似文献
张天骐;谭霜;沈夕文;唐娟 《计算机应用》2025,(2):616-623
3627.
低光照图像增强任务旨在提高图像的可见性,同时保持其视觉自然度.针对训练数据缺乏多样性以及恢复图像中细节丢失和颜色失真这两方面问题,基于分布一致性约束,本文提出一种无监督降质学习和数据增广方法用于低光照图像增强,其中包括设计两阶段的网络来学习低光降质的内在特性以及重新恢复低光图像的… … 相似文献
江奎;王中元;黄文心;贾雪梅;王正;胡瑞敏 《小型微型计算机系统》2025,46(2):353-364
3628.
遥感数据具有高度的时空相关性以及复杂的地物特征;使得这些数据的隐私保护面临挑战。联邦学习作为一种旨在保护参与方数据隐私的分布式学习方法;为应对遥感数据隐私保护面对的挑战提供了有效的解决方案;然而;在联邦学习模型的训练阶段;恶意攻击者可能通过反演推断参与者的隐私信息;进而导致敏感信… … 相似文献
陈海田;陈学斌;马锐奎;张帅华 《计算机应用》2025,45(2):506-517
3629.
低照度环境下获取的图像往往亮度低、对比度低、光照不均匀,从而造成图像特征变弱及模糊难于提取,同时在有限提取的特征中也存在大量噪声信息,导致目标难于检测识别,因而现有低照度目标检测成果极少.针对低照度目标特征难于提取及特征空间噪声大的问题,本文提出一种基于光照矫正与特征交互增强（I… … 相似文献
秦嘉奇;江泽涛;雷晓春 《电子学报》2025,53(2):514-526
3630.
利用全球导航卫星系统无源雷达多卫星的特点,提出一种基于改进差分进化算法的GNSS无源多基地雷达海上目标定位方法。首先,在多个双基地几何配置下,采用长时间积累技术在距离-多普勒域聚焦目标能量;然后,将聚焦的目标能量投影到笛卡儿平面进行联合检测和定位。为提高投影处理效率,提出一种改进… … 相似文献
何振宇;毛亿;杨扬;陈武 《通信学报》2025,46(2):44-58
3631.
交通数据缺失是智能交通系统无法避免的问题之一,对缺失值进行补全和不确定性量化能提高智能交通系统中交通数据挖掘相关任务的精度和可靠性. 然而,目前大多数交通数据插补模型都只能针对缺失值给出点估计,无法量化不确定性,难以满足交通领域对数据可靠性的要求. 而且,现有方法将重点放在了建模… … 相似文献
3632.
随着车联网技术的迅猛发展,智能汽车中的车载应用越来越多地面临处理时延敏感且计算密集型任务的挑战。尽管车载计算单元具有一定的计算能力,但其有限的资源无法应对时延敏感的复杂任务。针对上述问题,计算卸载至资源丰富的云端是一种可行的解决方案。然而,远程云服务器的传输成本和通信延迟成为卸载… … 相似文献
王强;赵全;王颖;周福才;徐剑 《计算机学报》2025,(2):433-450
3633.
全景场景图生成（PSGG）旨在识别图像中所有对象并自动地捕获所有对象间的语义关联关系。语义关联关系建模依赖目标对象及对象对（subject-object pair）的特征描述,然而现行工作中存在以下不足：采用边界框提取方式获取的对象特征较模糊;仅关注对象的语义和空间位置特征,忽略… … 相似文献
李林昊;王逸泽;李英双;董永峰;王振 《计算机应用》2025,(2):584-593
3634.
近年来,生成对抗网络（GAN）用于低剂量计算机断层成像（LDCT）图像降噪已经表现出显著的性能优势,成为该领域的研究热点。然而,GAN的生成器对LDCT图像中噪声和伪影分布的感知能力不足,导致网络的降噪性能受限。因此,提出一种基于双编码器双解码器生成对抗网络（DualED-GAN… … 相似文献
上官宏;任慧莹;张雄;韩兴隆;桂志国;王燕玲 《计算机应用》2025,(2):624-632
3635.
近年来,各种上下文感知模块的引入,使得文档级神经机器翻译(Document-level Neural Machine Translation, DNMT)取得了令人瞩目的进步。受“一个语篇一个翻译(one translation per discourse)”的启发,该文在代表性… … 相似文献
3636.
网络表示学习是对节点的网络结构的一种分布式表示方案,目前被广泛应用于节点分类、社团发现和边关系预测等任务中。然而网络表示学习对网络传播过程中节点状态的估计仍是一个开放性的问题。经典的网络表示学习方法在对该问题上的应用效果不佳,因此该文提出了基于动力学传播的采样方法,称为Step2… … 相似文献
陈奇;焦鹏飞;王震;鲍青 《中文信息学报》2025,39(2):100-110
3637.
强化学习中的策略梯度方法因其通用性而广泛应用于连续决策问题,但高梯度方差导致的低样本利用率始终制约其实际应用性能.文中提出海森辅助的概率策略梯度方法(Hessian Aided Probabilistic Policy Gradient Method, HAPPG),在PAGE(… … 相似文献
胡磊;李永强;冯宇;冯远静 《模式识别与人工智能》2025,(2):177-191
3638.
知识图谱作为连接数据、知识和智能的桥梁;已被广泛应用于辅助搜索、智能推荐、问答系统、自然语言处理等多个领域。然而;随着应用场景的不断拓展;传统静态知识图谱逐渐暴露出在处理动态知识方面的局限性。时序知识图谱的出现弥补了这一缺陷;它将时间信息融入图谱结构;能够更准确地表示知识的动态变… … 相似文献
陆佳民;张晶;冯钧;安琪 《计算机科学与探索》2025,19(2):295-315
3639.
时间序列建模一直是金融和交通等多个领域研究的热点,时空模型因能更全面捕捉时序数据的复杂关联和趋势,受到研究者们的广泛关注。近年来,基于时空模型的长期序列预测取得显著成果,但现有方法受到多粒度或多尺度研究的限制,无法充分挖掘数据的时空信息。为解决这一问题,提出了一种多粒度多尺度深度… … 相似文献
陈加毫;谢良;廖思灏;吴雨琛;徐海蛟 《计算机科学》2025,52(2):91-98
3640.
基于用户级别本地化差分隐私的联邦学习得到了研究者的广泛关注,联邦数据的类型、本地更新的裁剪、隐私预算的分配以及用户掉线问题直接制约着全局联邦学习模型的精度. 针对现有方法难以有效应对该类问题的不足,提出了一种有效基于用户级别本地化差分隐私的联邦学习算法ULDP-FED. 该算法能… … 相似文献
张啸剑;张雷雷;张治政 《计算机研究与发展》2025,62(2):472-487
关于我们 |
广告服务 |
商务洽谈 |
联系我们 |
免责条款 |
隐私声明 |
网站导航
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
