基于HDFS的安全云存储数据读写机制研究

读写机制是云存储的关键技术,文中阐述了基于HDFS的云存储读写架构,对其读写过程进行了总结,在研究安全云存储的数据读写机制方面具有一定的意义。     

一种优化的数据流驱动的微服务化拆分方法

近年来,微服务架构已经成为软件工程领域比较流行的架构风格,其天然支持DevOps和持续交付以及可伸缩性、可扩展性好等特性,驱动着业界实践者纷纷向微服务架构迁移.然而,采用微服务架构也面临诸多挑战,其中最关键的是缺乏自动化、一体化的解决方案来高效支持面向微服务的拆分设计以及候选微服务架构的评估.为了应对该挑战,对已有的数...     

基于闪存存储的近数据处理技术综述

在冯·诺依曼架构中,存储与计算的分离造成了存储墙问题,导致现有的系统架构难以应对大数据和人工智能时代的数据爆炸。数据的持续增长导致了计算范式的变化,研究者们开始尝试将计算单元移动到存储器中,即近数据处理技术。近数据处理技术是指利用存储控制器的计算能力,执行与数据存取紧密相关的任务,在减少数据迁移的同时,具有低延迟、高可扩展性和低功耗等优点,具有广阔的应用前景。该文首先介绍了近数据处理系统的架构,其次针对特定应用和面向通用场景的相关研究成果进行概述,并总结了软硬件平台和产业进展,最后展望了其未来的发展趋势。     

基于云架构的图书馆存储中心设计与实现

在大数据和云存储技术的迅猛发展下,图书馆紧跟时代发展潮流,根据自身的特点,通过对基于云架构的图书馆存储中心建设及思考,探索出适合图书馆发展的存储技术,基于云架构的图书馆存储中心设计与实现,将云存储架构模式作为图书馆存储中心建设的重点,为图书馆大数据打造安全可靠的存储中心.     

基于TD-ILM的存储体系架构的研究与应用

为使海量数据得以优化存储和管理,在信息生命周期管理概念的基础上设计出信息生命周期管理三维模型,对此三维模型从信息周期阶段、信息应用层次和系统架构层次3个不同角度进行详细阐述,并总结出信息生命周期管理实施的简单流程.在此基础上构建了某卫星地面应用系统中数据存档和服务系统的存储体系架构,信息生命周期管理三维模型的理念在存储领域得以充分体现.     

自动分层存储的发展与展望

从NVRAM技术、SSD技术、分层架构、分层技术等方面综合分析了自动分层存储的发展趋势,并对新一代分层存储-自动分层存储的相关理论和关键技术做了分析,自动分层存储系统应综合利用NVRAM、SSD和磁盘的特性进行一体化设计.     

REST和RPC:两种Web服务架构风格比较分析

目前包括SOA在内的大量Web服务架构均采用RPC风格构建,在Web级的大规模应用中RPC风格的架构在扩展性、性能等方面存在着瓶颈.由于REST的架构属性更加符合Web的设计理念,REST成为除RPC之外Web服务架构风格的另一种选择.可扩展性、耦合性、安全性等多个方面对RPC和REST进行了比较分析,并探讨了Web服务架构技术的发展方向.     

基于磁盘和固态硬盘的混合存储系统研究综述

大数据和云计算环境下海量增长的数据对存储系统的超高容量和体系结构带来了极大的挑战。目前存储系统的发展趋向于大容量、低成本和高性能,然而任何单一的存储器件如传统的机械磁盘（HDD）、固态硬盘（SSD）、非易失型性随机存储器等由于其固有的物理特性的限制,并不能满足以上的需求。将不同的存储介质混合组合成高效的存储系统是一个好的解决方法,固态硬盘作为一种高可靠性、低能耗、高性能的存储器被越来越广泛地运用到混合存储系统。通过将固态硬盘与传统磁盘进行组合,利用固态硬盘的高性能和传统磁盘低成本大容量的特点,能够为用户提供大容量的存储空间,保证系统的高性能,同时还能降低成本。通过阐述SSD与HDD混合存储系统的研究现状,对不同的SSD与HDD混合存储系统进行分类总结;然后针对缓存架构和设备同层架构这两种目前最流行的存储架构中涉及到的关键技术和不足进行讨论;最后对基于SSD和HDD的混合存储技术进行概括总结,并对今后该领域的研究重点和方向进行展望。     

校园网网络存储技术浅析

本文对DAS，NAS和SAN三种存储体系架构进行了简要的阐述，通过比较分析，根据高校校园网的实际情况．就如何构建更合理的信息存储解决方案进行了探究。     

校园网网络存储技术浅析

本文对DAS,NAS和SAN三种存储体系架构进行了简要的阐述,通过比较分析,根据高校校园网的实际情况,就如何构建更合理的信息存储解决方案进行了探究。     

面向产品造型设计的形态风格描述模型构建*

选择风格作为研究用户感性需求与设计元素关系的突破口,采用系统论的方法从功能、结构、组成要素等方面分析了产品风格的内涵,构成了风格描述的理论基础。基于感性设计的思想,建立了风格设计中不同空间的映射关系,并应用感性工学、模糊理论、语义区分等方法论述了风格描述模型建立过程和结构框架,并给出了风格的数学表达、类别的判断方法、风格间相似性计算和产品风格的识别算法。通过面向对象技术建立了风格基类和操作方法,结合风格形态设计过程探讨了风格描绘模型的应用模式。     

基于运动的摄像机定标方法的综述

该文从运动方式角度将摄像机定标方式分为非限定运动方式和限定运动方式两大类,分别对摄像机各种运动方式对定标技术的影响进行了系统的研究,在应用中应该根据具体情况选择合适的摄像机的运动方式,以满足实际问题的需要。     

一种单模型多风格快速风格迁移方法

多数图像风格迁移任务都是一个模型只能对应一种风格,这在实际应用场景中效率低下,提出一种单模型多风格的快速风格迁移方法,只使用一个模型就可以适应任意风格样式。使用一组线性变化分别对内容特征和风格特征进行转换,使用组合的风格损失函数来重建图像。分析比较了Avatar-net方法、AdaIN方法、Johnson的快速风格迁移方法和基于线性变换的风格迁移方法,并使用PSNR和SSIM作为评价指标,得出提出的风格迁移方法更优,其中PSNR达到了11.591 dB,SSIM达到了0.499,并且将该方法应用于视频风格迁移也有不错的表现。     

基于深度学习的图像风格迁移研究进展

图像风格迁移是计算机视觉领域的一个热点研究方向。随着深度学习的兴起,图像风格迁移领域得到了突破性的发展。为了推进图像风格迁移领域的发展,对基于深度学习的图像风格迁移的现有研究方法进行综述。对基于深度学习的图像风格迁移方法进行分类和梳理,并对比分析基于卷积神经网络和基于生成对抗网络的风格迁移方法,介绍了图像风格迁移的改进性和拓展性工作,讨论了图像风格迁移领域目前面临的挑战和未来的研究方向。     

风格强度可变的人脸风格迁移网络

目的 针对人脸风格迁移算法StarGAN （star generative adversarial network）、MSGAN （mode seeking generative adversarial network）等存在细节风格学习不佳、迁移效果单一和生成图像失真等缺点，提出一种能够降低失真并生成不同风格强度图像的人脸风格迁移算法MStarGAN （multilayer StarGAN）。方法 首先，通过特征金字塔网络（feature pyramid network，FPN）构建前置编码器，生成蕴含有图像细节特征的多层特征向量，增强生成图像在风格传输时能学习到的风格图像的细节风格；其次，使用前置编码器对原图像及风格图像各生成一个风格向量并进行组合，利用组合后的风格向量进行风格传输，使生成图像具有不同的风格迁移强度；最后，采用权重解调算法作为生成器中的风格传输模块，通过对卷积权重的操作代替在特征图上的归一化操作，消除特征图中的特征伪影，减少生成图像中的失真。结果 在Celeba_HQ数据集上进行实验，与MSGAN、StarGAN v2等对比算法相比，在参考引导合成实验中，MStarGAN的FID （Frechét inception distance score）指标分别降低了18.9和3.1，LPIPS （learnedperceptual image patch similarity）指标分别提升了0.094和0.018。在潜在引导合成实验中，MStarGAN的FID指标分别降低了20.2和0.8，LPIPS指标分别提升了0.155和0.92，并能够生成具有不同风格强度的结果图像。结论 提出的算法能够传输图像的细节风格，生成具有不同强度的输出图像，并减少生成图像的失真。     

Image palette: painting style transfer via brushstroke control synthesis

As one kind of technology of style transfer, painting style transfer can be used to render the sample images with a specific art style. With this technology, we can render the target images in the same style as the samples after some computation. We present a new approach of painting style transfer in which such a style transfer artwork is done by simulating the process of creation. We take the sample as a palette where users can select arbitrary contours or textures as the input brush strokes. We then analyze the style feature of the brush strokes and use this feature for synthesis and style transfer along the stroke curves learned from the specified area in target images or target 3D models to get the same painting style as the samples. Based on this approach, we also design and realize the corresponding painting system. The results show that the users can get a style-transferred personalized target image just by using the given sample images with the least interactions.     

基于深度学习的图像风格迁移研究综述

图像风格迁移是一种用不同风格渲染图像语义内容的图像处理方法。随着深度学习的兴起,图像风格迁移获得了进一步的发展,并取得了一系列突破性的研究成果。其出色的风格迁移能力引起了学术界和工业界的广泛关注,具有重要的研究价值。为推进基于深度学习的图像风格迁移的技术研究,本文对目前的主要方法和代表性工作进行了归纳与探讨。首先回顾了非参数的图像风格迁移,详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法,分析了图像风格迁移在相关领域中的应用前景,最后总结了基于深度学习的图像风格迁移目前存在的问题与未来的研究方向。     

基于语义分割的图像风格迁移技术研究

随着民族服装文化的碰撞与融合,对图像风格迁移技术进行了研究,阐述了当前风格迁移的研究现状,将蒙古族服饰风格与汉族风格进行融合,继承和弘扬了民族文化。针对蒙古服饰元素多样、颜色差异大、花纹不规则性等特征而引起的风格提取难度大的问题,采用[K]均值与封闭式自然抠图算法相结合的方法进行图像分割,基于神经网络提取图像的风格和内容,利用图像重建技术合成结果图,实现蒙汉服饰图像风格迁移;针对输出图像伪影严重的问题,采取一种改进的图像风格迁移算法,将输入图像到输出图像的变换约束在色彩空间的局部仿射变换中,将这个约束表示成一个完全可微的参数项,有效抑制图像扭曲,针对真实照片风格迁移过程中存在的空间不一致问题,进行平滑处理确保风格处理后空间风格一致,该方法大大加快了运算速度。     

相关对齐的总变分风格迁移新模型

目的 图像的风格迁移是近年来机器视觉领域的研究热点之一。针对传统基于卷积神经网络（CNN）的图像风格迁移方法得到的结果图像存在风格纹理不均匀、噪声增强及迭代时间长等问题,本文在CNN框架下提出了一种基于相关对齐的总变分图像风格迁移新模型。方法 在详细地分析了传统风格迁移方法的基础上,新模型引入了基于相关对齐的风格纹理提取方法,通过最小化损失函数,使得风格信息更加均匀地分布在结果图像中。通过分析比较CNN分解图像后不同卷积层的重构结果,提出了新的卷积层选择策略,以有效地提高风格迁移模型的效率。新模型引入了经典的总变分正则,以有效地抑制风格迁移过程中产生的噪声,使结果图像具有更好的视觉效果。结果 仿真实验结果说明,相对于传统方法,本文方法得到的结果图像在风格纹理和内容信息上均有更好的表现,即在风格纹理更加均匀细腻的基础上较好地保留了内容图像的信息。另外,新模型可以有效地抑制风格迁移过程中产生的噪声,且具有更高的运行效率（新模型比传统模型迭代时间减少了约30%）。结论 与传统方法相比,本文方法得到的结果图像在视觉效果方面有更好的表现,且其效率明显优于传统的风格迁移模型。