排序方式: 共有47条查询结果,搜索用时 15 毫秒
1.
深度神经网络容易受到对抗样本的攻击。为了解决这个问题,一些工作通过向图像中添加高斯噪声来训练网络,从而提高网络防御对抗样本的能力,但是该方法在添加噪声时并没有考虑到神经网络对图像中不同区域的敏感性是不同的。针对这一问题,提出了梯度指导噪声添加的对抗训练算法。该算法在训练网络时,根据图像中不同区域的敏感性向其添加自适应噪声,在敏感性较大的区域上添加较大的噪声抑制网络对图像变化的敏感程度,在敏感性较小的区域上添加较小的噪声提高其分类精度。在Cifar-10数据集上与现有算法进行比较,实验结果表明,该方法有效地提高了神经网络在分类对抗样本时的准确率。 相似文献
2.
3.
4.
通过介绍惠州抽水蓄能电站水道混凝土施工工艺,结合监理工作实际,提出了平洞段钢模台车浇筑、高岔和斜井混凝土施工质量的控制措施,以及混凝土质量缺陷处理的方法,使水道混凝土施工质量始终处于受控状态,工程质量满足设计和规范要求。目前A、B厂水道充水试验已完成并投入使用,运行正常。 相似文献
5.
6.
7.
文章基于面积和功耗方面考虑提出了一种低功耗多相变级数非递归梳状滤波器结构,这种滤波器适合高阶过采样sigmadeltaA/D转换器。抽取滤波器采用Top-down方法设计,用0.6-μmCMOS标准单元实现,相比同样速度下的标准的非递归结构抽取滤波器节省了约1/3面积和功耗。 相似文献
8.
针对YOLOv3在野生动物视频目标检测领域中,存在的前后视频帧同区域关系难以描述的缺点,提出了Context-aware YOLO模型。该模型使用互信息熵对相邻帧的图像相似度进行量化,根据量化结果拟合出帧融合的相关因子,并使用相关因子对视频前后帧的特征图进行线性迭代融合;引入直方图均衡计算相似度的方法,判断“镜头切换”的情况,以确定特征图融合的临界条件。实验结果表明,Context-aware YOLO模型相对于YOLOv3模型F1值提升了2.4%,平均准确率(mAP)提升了4.71%。 相似文献
9.
10.
文章结合引子渡水电站工程监理实践 ,针对工程进度矛盾十分突出的情况 ,从监理的角度 ,对如何在确保工程质量和安全的前提下加快工程进度 ,提出了一些粗浅的认识。 相似文献