基于生成对抗网络的无载体信息隐藏

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.     

基于秘密信息驱动的正交GAN信息隐藏模型

噪声驱动生成对抗网络(generative adversarial network, GAN)的生成器能生成高质量数字图像,为信息隐藏提供了新的数据载体.利用正交GAN的判别器能提取生成图像特征码的特性,提出了一种基于秘密信息驱动的正交GAN无载体信息隐藏模型.信息隐藏时,将待隐藏信息的二进制序列按分组量化规则映射为噪声向量,由该噪声向量驱动正交GAN的生成器生成含密数字图像.在信息提取时,首先利用正交GAN的判别器提取含密图像的特征码,然后利用U型网络实现从特征码到驱动噪声的映射,进而恢复秘密信息.在CelebA人脸数据集上对搭建的无载体信息隐藏模型进行对抗学习,生成器能够生成高质量的含密图像,判别器与U型网络相结合能从含密图像中提取秘密信息.与最新同类算法相比,在信息隐藏容量相同的条件下,模型具有较好的信息提取准确率、安全性等性能,同时减少了训练开销,提高了算法的实用性.     

多层记忆增强生成对抗网络二次预测的视频异常检测方法

为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明：所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。     

基于三重注意力机制的新冠肺炎病灶分割模型

为了解决感染区域比正常组织对比度低的问题,提出了一种基于三重注意力机制(triple attention mechanism,TAM)的新冠肺炎(corona virus disease 2019,COVID 19)病灶分割模型——TM-Net,并将其应用于条件生成对抗网络.MultiConv模块可以自动提取肺部切片中...     

基于快速特征欺骗的通用扰动生成改进方法

近年来,基于深度神经网络的应用日益广泛,然而深度神经网络容易受到由输入数据设计的微小扰动而带来的对抗性攻击,导致网络的错误输出,给智能系统的部署带来安全隐患.为了提高智能系统的抗风险能力,有必要对存在风险的扰动生成方法展开研究.快速特征欺骗（fast feature fool,FFF）是面向视觉任务的一种有效的通用扰动生成方法.考虑了输入图像在网络中的实际激活状态,以最大化原始图像和对抗样本之间的特征差异作为生成扰动的目标函数;同时考虑不同卷积层对于生成扰动的不同影响,在生成扰动的目标函数中,对不同卷积层对应的项加以不同权重.实验结果表明,改进的FFF方法攻击成功率更高,同时也具备更强的跨模型攻击能力.     

基于生成对抗网络的异质信息网络表征学习

鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型—— 基于生成对抗网络的异质网络表征学习(heterogeneous network representation learning based on generative adversarial netwo...     

基于级联残差对抗生成网络的超分辨重建

图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural network, CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进。为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像。对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的。每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程。判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力。同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富。实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升。     

基于细胞神经网络的楼面裂痕诊断研究

为了更好地监测楼面裂痕,提出了一种改进细胞神经网络楼面裂痕图像识别方法.该方法通过一定的图像处理,建立裂痕网络和细节网络,同时增加了裂痕相似网络模型,避免了仅对裂痕特征提取信息不能准确识别裂痕的问题.实验证明,改进的裂痕识别算法实现简单,识别楼面裂痕准确率高,达到了实时识别技术的要求.     

基于神经网络的机器视觉图像识别算法应用

研究神经网络的机器视觉图像识别算法应用,神经网络是通过模仿生物个体中的神经网络的结构,并模仿其功能特性,即神经网络的并行性的信息处理、非线性映射等能力,将建立的神经网络数学模型应用于农业中图像识别中.在现代农业科技中机器人视觉技术应用非常广,如在分级、采摘、除草等需要分析采集图像的操作中,故图像识别是上述操作有效的前期.通过分析各种神经网络模型在图像识别应用,叙述各种神经网络数学模型应用于图像识别算法中的优缺点.通过对以BP神经网络数学模型为基础的图像识别技术进行试验,验证基于神经网络的机器视觉图像识别算法的应用价值.     

移动设备实时图像识别算法及系统应用研究

随着人工智能技术的快速发展,模拟人类的视觉感官方式以图像特征为基础进行图像识别,可以用来身份认证、安全监控、模型匹配等多个方面,在多领域均有非常广泛的应用前景.目前,图像识别的目标特征检测算法主要有SIFT算法、SURF算法、ORB算法等,各种算法的应用过程中都暴露出了其局部特征.为此对各种算法进行分析研究,并将其分别应用在移动设备图像识别系统中,使用Android NDK调用JNI方法在Android移动设备上进行系统应用,结果表明,采用ORB算法设计的基于Android移动设备实时图像识别系统具有较好的实时性、鲁棒性和准确性,其具有数据处理量大、计算速度快、图像识别精度高等优点.     

基于次近邻扩散聚集生长的复杂网络及其分析

提出了一种基于次近邻扩散聚集生长的复杂网络模型生成法则.用于刻画与扩散置限凝聚等复杂现象相关的实测对象.通过细致的计算机仿真模拟,初步研究了生成半随机复杂网络的一些典型数字特征:包括度分布、网络直径、平均路径长度、平均聚类系数等.研究结果表明,按照提出的方法产生的复杂网络具有短的平均路径长度、较高的平均聚类系数、具备明显的齐次网络特性.同时,在变动跳动概率之差时,生成网络直径、平均路径长度、网络平均聚类系数等呈现规律性变化;且生成网络直径、平均路径长度与网络平均聚类系数呈负相关关系.     

融合自注意力机制与生成对抗网络的DEM空洞填充

针对现有数字高程模型（digital elevation model, DEM）数据空洞填充算法存在修复效果不连续、适用空值范围狭小以及细节重构丢失等问题，提出了一种融合自注意力机制的生成式对抗网络的DEM空洞填充方法。首先，构造自注意力机制提取DEM数据特征信息，改善DEM空洞填充结果高程值不连续和纹理细节缺失的问题。其次，在生成器中使用对称结构的卷积与反卷积网络结构，保证生成可靠度较高的数据以实现空洞区域填充，并利用判别器实现空洞填充结果的预分类。最后，结合重构损失函数进行训练，提升DEM空洞填充结果对异常值的鲁棒性，增强模型的回归能力。采用不同分辨率DEM数据进行空洞填充并与现有方法进行对比，结果表明：所提方法能够大幅提升填充精度，有效解决原始数据中存在的空洞问题。     

一种边界梯度组合的图像识别技术与分割方法

提出了一种基于边界和梯度特征的图像识别与分割方法.图像识别就是在相差仿射变化的过程中,将图像边界和梯度特征进行组合,提高图像识别效率.图像分割就是利用高斯平滑对图像进行预处理,然后通过Krisch算法得出图像梯度信息,随后利用二维最大类空间方差法进行图像分割,最后采取依据目标和背景的空间关系来消除个别误提边缘.严格的数学推导和实验都表明了算法的有效性和算法的应用性.     

基于CycleGAN的图像隐私保护

社交媒体和云平台为图像的传播和存储带来了便利,但同时也引起了人们对于图像隐私的担忧。因此,需要采取一定的措施去保护图像的隐私,以防止隐私被窃取和非法使用。基于上述目标,本文提出了基于循环对抗网络（cycle-consistent generative adversarial networks, CycleGAN）的图像隐私保护。为了在图像隐私保护中兼顾可用性,该方法先用图像分割和CycleGAN组合,选择出不同的分割系数来辅助生成不同程度的隐私保护图像。然后利用可逆信息隐藏对生成的隐私保护图像进行信息的嵌入,从而阻止非法使用者在图像重构中提取隐私信息,进而保证了整个过程图像隐私保护和可用性的平衡。本文用PIPA数据集对该方法进行训练和测试,采用峰值信噪比和结构相似性指数作为客观指标对隐私保护的图像进行评估。实验结果表明,本方案在图像隐私保护和可用性两方面都优于其他对比方案。     

网络二维码图片的生成算法研究

二维码作为一种新兴的条码,在网络中被越来越多的使用.通过从多种图片格式中筛选出能显示出同等信息的最小存储量的图片格式,即单色BMP位图格式,然后通过分析BMP文件格式,提出一种支持在线生成的网络图片生成算法,结合通用二维码组件生成的数据,可以在线生成网络二维码图片.采用本算法生成的二维码图片,可以最小化图片文件体积,极大地提高了网络中二维码图片的显示速度.     

基于LSB检测的JPEG隐写分析特征增强方法

隐写分析构造共生矩阵特征时因截断而导致部分信息丢失,于是提出基于DCT系数最低有效位面的特征扩展方法,增加对截断处嵌入信息的描述. 对DCT系数平面取模生成最低有效位平面,通过统计相邻位置的取值,生成二阶、三阶共生矩阵. 为进一步增强特征的性能,引入Zigzag扫描,获得重新排列的DCT系数平面,在此基础上提取相应特征. 通过上述方法,在原有LIU特征的基础上构造508维特征. 结果表明,在对抗DCT系数最低有效位嵌入的隐写中,所提方法能有效提高对隐写图像的检测率.     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

基于卷积神经网络的煤矸石图像识别研究

在分析煤矸石分拣环境特点及煤矸石视觉特点的基础上,提出改进的卷积神经网络煤矸石图像识别算法,并从损失函数、模型参数以及准确率3个方面进行分析研究。结果表明:改进后的卷积神经网络图像识别算法能有效地避免分选环境中的噪声影响;与传统的分选方法相比,具有更快的识别速度和更高的准确率,能更好地满足实际工程需要。     

基于CBR的破损轮胎图像识别系统设计

鉴于人工鉴定破损轮胎具有效率低下、误判率高、鉴定流程烦琐的问题,本文提出了一种基于案例推理(Case-Based Reasoning,CBR)的破损轮胎图像识别的方法,并设计了一个智能的破损轮胎图像识别系统.首先,对破损轮胎图像进行图像灰度化、图像去噪、图像增强的预处理操作.接着,在CBR系统中进行案例检索、相似度计算...     

利用迭代矩阵寻找网络中的关键主机

网络中的关键主机对网络的整体安全性有重大影响,但目前缺少有效方法在网络中寻找关键主机. 该文对网络关键主机进行定义和分类,提出一种关键主机的寻找方法. 将主机攻击图生成算法与迭代矩阵相结合,计算网络中各主机的相关安全属性并排序,使网络安全管理员能方便而有效地找出网络中的3 类关键主机及对应的关 键临界条件,从而采取相应措施保护关键主机. 实验表明该方法可用于网络安全性分析,对提升网络整体安全性有重要意义.