计算机视觉对抗攻击与防御方法分析

大量的研究表明,由深度学习构成的计算机视觉模型容易遭受对抗样本的攻击。攻击者通过在样本中加入一些细微的扰动,可使深度学习模型出现判断错误,从而引发严重后果。本文主要总结了计算机视觉中对抗攻击手段与主动防御措施,分类与比较了一些典型方法。最后,结合对抗样本生成和防御技术发展的现状,提出了该领域的挑战和展望。     

杭白菊浸膏中香气活性成分分析

香气是评价浸膏质量的重要标准之一,该文为构建浸膏质量标准提供基础数据。采用固相微萃取法(SPME)和溶剂辅助风味蒸发(SAFE)两种前处理方法,结合气相色谱-质谱联用(GC-MS)对杭白菊浸膏的挥发性成分进行了分析,同时采用气相色谱-嗅觉检测技术(GC-O)和香气提取物稀释分析(AEDA)对浸膏中的香味活性成分进行了测定。结果表明:两种前处理方法(SPME和SAFE)结合气质联用仪共检测出119种化合物,醇类30种,酸类6种,酯类28种,醛类4种,酮类12种,烃类36种,其他3种,其中,萜烯类及其含氧衍生物为主要化合物,同时SAFE较SPME法检测到的化合物数量更多;GC-O结合AEDA分析共筛选出35种香气活性成分,风味稀释因子(FD因子)较高的活性成分有芳樟醇(2187)、α-石竹烯(729)、苯乙酸乙酯(729)、己酸乙酯(729)、异戊酸乙酯(729)、α-蒎烯(243)、α-松油醇(243)、异戊酸(243)。     

微弱目标检测研究综述

微弱目标检测是安全检测中的一项基础性技术,在海面监测、空中微弱目标检测、网络威胁发现等应用场景具有重要实用价值。由于大尺度场景下存在信噪比低、背景变化大等问题,导致微弱目标检测易出现虚警、漏检等问题,微弱目标检测一直是目标检测领域的研究难点和热点。根据检测图像使用的方法不同,微弱目标检测方法分为单帧型和多帧型两大类,单帧型方法的检测速度快,但在复杂场景下表现不佳,而多帧型方法提高了准确性但需要更多资源。未来,在深度学习和人工智能技术的推动下,微弱目标检测不仅将聚焦于提高检测的准确性和效率,还将探索更加复杂的应用场景,如在动态和多变环境中的实时检测,具有广阔的应用前景。     

基于卷积神经网络的语义分割算法研究

针对语义分割中残差网络并不能完好地提取图像信息和分割效果差的问题,提出一种联合特征金字塔模型(JFP)用来融合残差网络的输出特征,并结合暗黑空间金字塔池化模型(ASPP)进一步提取特征。在解码部分应用简单的解码结构,恢复图像尺寸完成语义分割;同时引入注意力模型作为辅助语义分割网络,辅助神经网络进行训练。该方法分别在Pascal VOC 2012数据集和增强的Pascal VOC 2012数据集上对网络进行训练,并在Pascal VOC 2012的验证集上进行测试,其平均交并集之比(mIoU)分别达到了78.55%和80.14%,表明该方法具有良好的语义分割性能。     

泡沫镁宏微观结构表征及压缩性能研究

针对熔体发泡法制备泡沫镁存在的困难,使用包覆发泡剂及改进工艺成功制得泡孔均匀的泡沫镁试样。利用OM、SEM、EDS及XRD等分析手段对试样进行宏微观结构表征,结果表明：泡沫镁试样宏观孔以典型的闭孔结构为主,但也存在一些连通孔及少量大孔,它们多是宏观裂纹的产生及扩展位置。泡孔内壁存在一些褶皱缺陷,且弥散分布着许多反应产生的MgO和CaO颗粒,压缩变形过程中,这些部位易产生应力集中,促进微裂纹的形成与扩展。孔壁上主要分布着碳化硅颗粒及生成的Mg2Ca相。测试分析了孔隙率和孔径对泡沫镁压缩力学性能和能量吸收性能的影响,并深入研究其压缩破坏机理,研究发现：随着孔隙率的降低,泡沫镁弹性变形增大,屈服强度升高;随着孔径的增大,泡沫镁屈服强度及平台应力明显减小,表现出显著的孔径效应。随着孔隙率的升高或孔径的增大,泡沫镁的能量吸收性能显著降低。泡沫镁的破坏为解理脆性断裂,这与孔壁组织及镁基体性质有很大的关系。