排序方式: 共有27条查询结果,搜索用时 15 毫秒
1.
数据作为一种现代信息社会不可或缺的新兴资源,从产生伊始就面临着被各方篡改的风险。遭到篡改的数据在可用性与真实性方面都会大打折扣。而区块链因其不可篡改、去中心化、防止单点故障的特性天然契合数据完整性保护的要求。首先,简述了区块链技术背景与数据保护的核心要求;其次,按照区块链类型将现有区块链数据完整性保护成果进行分类和介绍,并对各成果的优势与不足结合数据完整性保护进行总结;然后,将现有数据完整性保护技术分类并与区块链数据完整性保护技术进行比较,分析传统数据完整性保护技术的不足与区块链数据完整性保护技术的优势;最后,总结区块链数据完整性保护技术的不足之处,并给出解决思路。 相似文献
2.
针对高速公路视频数据中道路场景复杂、远端车辆目标小等现象,导致车辆逆行检测模型准确率低的问题,提出了一种基于YOLOv5和DeepSORT的CECAY5D模型框架。框架中设计了一种通道-空间注意力单元CECAC3,用于增强模型对小目标聚集区域的关注程度,提升小目标车辆检测的精度。CECAC3注意力单元是在有效通道注意力模块基础上增加了C3残差模块和空间注意力模块。在高速公路车辆逆行视频数据集下进行对比试验,实验结果表明,逆行检测模型CECAY5D在高速公路监控视频下的检测率和漏检率分别为90%和10%,相比于YOLOv5+DeepSORT模型,检测率提高了25%,漏检率降低了25%,因此该模型具有较高的检测率和较低的漏检率。 相似文献
3.
4.
6.
随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变。在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效率而被广泛运用。但现有的基于深度学习的单阶段目标检测方法由于小目标物体包含的特征信息较少、分辨率较低、背景信息较复杂、细节信息不明显以及定位精度要求较高等原因,导致在检测过程中对小目标物体的检测效果不理想,使得模型检测精度降低。针对目前基于深度学习的单阶段目标检测方法存在的问题,研究了大量基于深度学习的单阶段小目标检测技术。首先从单阶段目标检测方法的AnchorBox、网络结构、交并比函数以及损失函数等几个方面,系统地总结了针对小目标检测的优化方法;其次列举了常用的小目标检测数据集及其应用领域,并给出在各小目标检测数据集上的检测结果图;最后探讨了基于深度学习的单阶段小目标检测方法的未来研究方向。 相似文献
7.
8.
随着区块链技术的不断发展与创新,诞生了许多结构各异的底层技术平台。这些平台之间由于区块链的相互独立性形成了各自的价值体系,妨碍了资产流通和价值转移“,价值孤岛”现象逐渐显现。跨链技术的引入打破单一区块链的孤立性,建立区块链之间的协作共享价值网络,成为区块链整体向外拓展的桥梁纽带,为提升区块链的互操作性和可扩展性提供技术解决方案。在综述已有研究成果的基础上,阐述了跨链技术的背景、意义及研究现状;根据实现原理的不同,将跨链机制概括为外部验证、原生验证、本地验证三类并具体分析;结合国内外发展趋势选取采用不同跨链机制的跨链桥应用项目进行介绍,并对现有跨链技术和跨链桥项目进行分析与比较。总结当前跨链技术所面临的挑战,并对未来跨链技术的发展进行展望。 相似文献
9.
10.
车联网中实现高效、安全的共享数据对智慧交通的发展具有重要意义.将区块链技术与车联网相结合,在促进车联网数据共享和隐私保护改善方面都有巨大的潜力,但仍然存在区块链技术如何保证车联网数据安全共享的问题.针对这一问题,对区块链和车联网技术融合的最新研究与车联网数据共享的应用进行了系统的整理和分析.首先,总结归纳传统车联网数据... 相似文献