目标检测中框回归损失函数的研究

在目标检测中,框回归损失函数的设定直接影响预测框的定位准确性。预测框与目标框的交并比（IOU）被设定为优化预测框的损失函数,但是当两框无重叠面积时无法进行梯度回传。广义的交并比（GIOU）在IOU损失函数的基础上增加非重叠面积部分,将两部分优化项作为损失函数调整预测框位置,解决了无法梯度回传的情况。但当两框是包含关系时,GIOU的第二部分优化项消失,损失函数退化为IOU。为了解决以上问题,提出了一种重新定义的广义交并比损失函数（RGIOU）,将非重叠部分面积定义为两框之并减去两框之交,再除以两框形成的最小闭包面积作为第一部分,除以最小闭包面积的平方作为第二部分,利用权重阈值进行加和形成新的损失函数。避免了两框是包含关系时存在的问题,提升了目标检测算法的精度。上述算法在PASCAL VOC 2007以及MS COCO 2014数据集上加以验证。     

多矩阵低秩分解的鲁棒特征提取

由于传统的人脸识别算法效果容易受制于光照、表情、遮挡以及稀疏大噪声等外界因素的影响,如何有效提取数据特征、进一步提升算法的鲁棒性,是传统人脸识别方法发展的关键所在。本文将多矩阵低秩分解应用在人脸特征提取中,充分利用多张人脸之间的结构相似性,探索人脸图像集的低秩子空间,进而结合低秩矩阵恢复模型来提取测试样本的低秩特征。最后, 利用主成分分析（Principal component analysis, PCA）算法对所提取的特征矩阵进行进一步降维,并运用稀疏表示方法分类。实验结果表明,当样本中存在一定的椒盐噪声时,本文算法在AR、Yale和CMU_PIE人脸库上均具有较好的识别精度,验证了本文算法对椒盐噪声的鲁棒性。     

移动Ad Hoc网络信任管理

本文从信任管理的定义出发,总结了信任管理的发展概况,分析了几类典型的主观信任管理模型和移动Ad Hoc网络信任管理模型,最后讨论当前移动Ad Hoc网络信任管理研究存在的问题及今后的研究方向.     

移动Ad Hoc网络分布式CA技术研究

分布式CA已经逐渐成为在移动Ad Hoc网络中提供密钥管理和认证等安全服务的一种重要方法。介绍了移动Ad Hoc网络分布式CA典型方案研究的最新进展，从安全性和服务可用性2个方面分析了移动Ad Hoc网络分布式CA的实用性。针对当前移动Ad Hoc网络分布式CA方案缺乏有效的安全性能评估模型问题，利用随机过程理论，提出了攻击流模型和网络安全性动态评估模型，并利用该动态评估模型对分布式CA方案的安全性进行了评估。动态安全性评估模型可以描述网络系统安全性的动态变化，有助于了解网络的动态安全性并及时采取应对措施。     

基于低秩矩阵分解的批量扫描文档图像纠偏

扫描文档图像纠偏的关键是对图像偏转角度进行快速准确的估计。传统的基于图片自身纹理结构的算法,如Hough变换、Radon变换,不仅易受文档自身特殊结构或噪声影响,而且单幅图像纠偏的平均耗时较长。提出了一种基于低秩矩阵分解理论扫描文档图像的批量纠偏方法,该方法将批量图像构造成一个较大的矩阵,通过迭代对每一列进行适当地旋转,达到矩阵具有较低秩的目的,进而实现对每副图像偏转角度的恰当估计及纠偏。实验结果表明,该方法不仅具有较高纠偏的精度,而且单幅图片的平均耗时也小于现有的图片纠偏算法。     

云计算数据安全策略研究

云计算作为当前流行的信息技术,已受到了学术和企业界的广泛关注。从云计算的特点入手,分析了其所面临的数据安全问题,提出了基于公共密钥基础设施PKI和授权管理基础设施PMI的安全身份认证和访问控制策略。     

基于广义低秩矩阵分解的分离字典训练及其快速重建算法

针对传统压缩感知重建算法存在重建质量偏低、重建时间偏长等问题,本文提出了一种基于分离字典训练的快速重建算法.首先选取某类图像作为训练集,建立其广义低秩矩阵分解模型;其次采用交替方向乘子法求解该模型,训练出一组分离字典;最后将该分离字典用于图像重建中,通过简单的线性运算实现图像的快速重建.实验结果表明,本文算法相比于传统的重建算法,针对训练集同类图像,具有十分显著的重建性能,对于其他不同类型的图像,依然有不错的重建质量,极大地降低了重建时间.     

油水井套管损坏机理与防治措施研究

由于长期注水开发，加上频繁的措施作业等因素影响，各油田套管损坏情况十分严重。近几年，各油田套管损坏速度呈直线上升趋势。文章在充分现场调研的基础上，系统研究了油田套管损坏的各种类型，分析了造成套管损坏的各种因素和生成机理，提出了油田开发实践中避免或减少套管损坏的具体措施和建议。     

基于全局注意力的室内人数统计模型

随着人工智能技术的爆炸式发展,机器学习、深度学习等技术在人脸识别、行人检测和视频跟踪等各个领域得到了广泛的应用,其中利用目标检测进行室内人数统计一直以来是一个热门的研究。室内监控画面存在人群相互遮挡,且目标特征模糊等问题,往往导致检测准确率低,误检率和漏检率高等情况的出现。为了解决此问题,提出了一种基于全局注意力的室内人数统计模型,引入注意力机制,对目标检测算法YOLOv3进行改进,通过提取更多小人头或模糊人头的特征来增强检测能力。实验结果表明,改进后的网络模型具有更高的召回率和平均精度。