摘要:在人工智能算法的持续发展和高精度传感器技术飞速突破的驱动下, 视觉同步定位与地图构建(visual simultaneous localization and mapping, vSLAM)技术成为支撑多个领域的核心技术支柱. 本文主要对视觉SLAM的经典方法与研究现状进行介绍、分类和梳理. 因环境中不同特征的特点不同以及视觉SLAM对环境感知的方法不同, 将特征提取分为直接法和特征法分别进行阐述, 并将特征法进一步细分为点、线、边缘、混合等特征提取方法进行分析, 同时, 探讨深度信息与直接法、特征法融合的方法, 介绍各个方法的基本思想以及优缺点, 并将方法代表算法进行归纳. 将视觉SLAM的特征匹配、位姿估计、地图更新以及闭环检测方法进行介绍, 系统地阐述视觉SLAM各个部分方法的发展. 在现有研究成果基础上, 归纳出视觉SLAM研究领域新的发展趋势. 介绍了目前视觉SLAM领域常用的公开数据集, 列举出视觉SLAM系统的性能评价指标、各个方法的代表算法, 并进行实验结果分析对比. 最后, 对视觉SLAM领域当前存在的挑战性问题进行归纳.

摘要:面向大规模物联网(Internet of Things, IoT)场景, 边缘缓存既要缓解回程带宽压力, 又需兼顾用户隐私和安全投入成本. 本文设计了一个基于联邦学习的边缘缓存优化框架, 提出会话式安全聚合(conversation-based secure aggregation, CSA)协议, 并将缓存空间、回程带宽和安全投入统一纳入Stackelberg博弈模型. 在联邦训练阶段, CSA以会话窗口为最小同步单元, 通过长期会话种子与双重掩码机制, 在保证客户端梯度隐私的前提下, 将多轮训练的握手和解密开销压缩到窗口级. 随后, 服务提供商作为领导者对3类资源定价, 边缘节点在交替方向乘子法(alternating direction method of multiplier, ADMM)框架下并行优化缓存份额、回程带宽和安全投入, 从而形成基于联邦学习的优化缓存(federated learning optimized caching, FLOC)机制. 实验结果表明, 在EMNIST和CIFAR-100数据集上, CSA在几乎不损失模型精度的情况下将端到端训练时间相对于SecAgg降低约50%, 接近非隐私FedAvg; 在典型边缘缓存场景中, FLOC相较于MP、LRU、LFU和Greedy策略最高可将缓存命中率提升约15%, 总回程开销降低约20%. 同时, ADMM在用户数和边缘节点数增加一个数量级时仍能在十几次迭代内收敛, 证明该机制在隐私保护、资源协同和计算复杂度之间取得了较好的综合平衡.

摘要:0-1背包问题(knapsack problem, KP)是组合优化领域中的一个经典NP难问题. 针对原始深度Q网络(deep Q-network, DQN)算法求解高维KP时易陷入局部最优和全局勘探能力不足的局限性, 本文提出一种基于多智能体的改进Double-DQN算法. 首先引入项目选择机制和变异机制, 进而整合多智能体协同框架与单调价值函数分解(QMIX)模块进行优化, 显著增强了寻优的多样性与全局勘探能力. 在包含500个不同规模0-1 KP算例的5个测试集、1个规模50个的多背包算例测试集和1个规模50个的分数背包算例测试集上进行性能评估, 实验结果显示0-1 KP算例中有86%的算例(429个)成功求得最优解, 多背包算例中有84%的算例 (42个) , 分数背包算例中有85%的算例 (43个). 与Gurobi求解器的对比实验结果表明, 所提算法具有较强的稳定性和有效性, 充分验证了改进策略的可行性.

摘要:药物-靶点结合亲和力(drug-target binding affinity, DTA)的精确预测对于药物研发和虚拟筛选具有关键意义. 然而, 现有深度学习方法仍普遍存在对蛋白质三维结构利用不足、相似序列信息挖掘有限以及模型泛化能力不足等问题. 为此, 本研究提出了一种基于语言模型与多尺度特征融合的DTA预测模型FusionLM-DTA. 该模型基于AlphaFold预测的蛋白质三维结构进行特征初始化, 从而增强其对蛋白质空间构象的表征能力. 同时, 利用预训练分子序列模型ESM-2和ChemBERTa提取蛋白质和药物的高维语义特征, 并进一步通过外部注意力增强的Bi-Mamba模块捕获双向序列依赖关系及相似序列间的潜在关联. 此外, 设计的门控多尺度线性注意力机制进一步提升了序列特征的建模能力. 实验结果显示, FusionLM-DTA在Davis与KIBA数据集上的多个评价指标均显著优于基线方法, 验证了该模型的有效性与优越性能.

摘要:吞吐量低下一直是区块链系统的性能短板, 为解决这一问题, 已有很多研究工作付出了努力. 这些工作大多是从区块系统架构的不同方面出发去优化提升系统性能, 而忽略区块大小的设置带来的影响. 通过对现有文献实验部分的总结发现, 仅变化区块大小就能使节点吞吐量最多提升2–8倍, 由此可见, 想要最大程度地挖掘性能潜力, 需要对区块链系统进行区块大小的优化. 然而, 现有研究工作对区块大小优化的讨论过于简单, 忽略了区块大小调整可能带来的安全性问题, 也没有考虑不同节点硬件资源可能带来的影响. 这些工作提出的方法及得到的结论只适用于实验场景, 无法直接使用在实际的生产环境中. 为了解决这个问题, 本文提出一个区块大小的自适应优化算法. 通过将优化算法整合到区块链共识协议中, 使得所有节点能够动态地调整区块的大小以达到更好的性能. 实验结果表明, 该优化算法能够调整区块大小到接近最优值, 相较于最初始的设置节点吞吐量提升了2倍.

摘要:自主可控是我国信息系统软硬件发展的重要方向. 申威处理器作为国产化建设在硬件方面的佼佼者, 其推广仍受限于软件生态的相对不足, 特别是在用户空间操作系统子系统、追踪工具、沙箱、性能分析工具以及操作系统模拟层等领域. 这些工具的核心功能包括进程行为控制、资源隔离、系统调用重定向等, 都需要高效且可靠的系统调用拦截机制实现. 然而, 现有的系统调用拦截工具仍然存在正确性不足、易用性差、可扩展性有限及拦截性能待优化等问题, 尤其在申威平台上的应用面临诸多挑战. 为了解决上述问题, 本文使用二进制重写技术实现了一个面向国产申威平台的系统调用拦截工具, 并通过1个简单的微基准测试和4个高性能服务器测试验证了本文实现的面向国产申威平台的系统调用拦截工具的正确性和性能提升.

摘要:针对网络入侵检测技术的高维特征冗余、类别不平衡和协议加密等问题, 本文提出融合联邦学习与改进TCN-BiGRU的多模态入侵检测方法. 首先, 利用专家经验处理、编码处理和时间序列处理分别对3种模态的数据进行预处理, 同时利用不同模型分别提取多模态特征. 其次, 利用改进的联邦学习进行特征学习, 构建改进时序卷积、双向门控循环单元和注意力机制的混合模型, 精准识别攻击中的多阶段行为关联, 更好地捕获局部空间特征和提取长程时序依赖. 然后, 将金字塔膨胀卷积、多残差连接和多池化通道注意力引入时间卷积网络, 以提取多尺度特征和通道信息. 最后, 设计多期时间注意力和多池化通道注意力, 以提取不同时间段的时间特征和增强通道信息表达. 实验结果表明, 该方法在 DataCon2020和DataCon2021数据集上准确率、精确率、召回率和F1值分别优于传统机器学习和深度学习方法2.65%、3.76%、4.55%和2.99%, 本文模型有显著的优势以及检测效果.

摘要:大语言模型的注意力机制在处理长序列时面临严峻的计算与显存挑战, 现有解决方案主要从算法优化和序列并行两个维度展开. 在算法层面, 块稀疏注意力机制通过在掩码矩阵中引入块稀疏性质降低计算复杂度, 其中Atrous稀疏和垂直-斜线稀疏是两种经典的稀疏模式; 在序列并行层面, 环形注意力通过高效扩展设备数量支持处理任意长度的序列. 然而, 当二者结合时, 环形注意力仍然采用密集注意力的序列切分方式, 导致大量无效的通信开销与计算开销, 难以实现预期加速效果. 本文针对Atrous和垂直-斜线两种经典的稀疏模式, 提出了定制化的序列切分方案以及高效简明的分布式计算方案: 对于Atrous稀疏模式, 采用分组计算策略, 将数据与设备均匀划分为相同数量的组, 在不同组内执行独立的环形注意力大幅提升计算效率; 对于垂直-斜线稀疏模式, 采用分解计算方案, 将其拆分为斜线稀疏和垂直稀疏两个子任务, 其中斜线稀疏部分实现无通信开销的本地计算, 垂直稀疏部分通过去除无关键值块的计算通信开销实现性能加速. 实验结果表明, 新的分布式优化方案在Atrous稀疏设置下实现了3–10.9倍的性能提升, 在垂直-斜线稀疏设置下实现了3–10.5倍的性能提升.

摘要:在分布式文件系统中, 为提高元数据访问性能往往将同一目录下的文件元数据存储于一台服务器. 在大目录工作负载中, 单个目录需要管理海量文件, 这会使单台服务器的负载过高从而限制系统的扩展性. 同时, 高并发地创建和删除文件也会引起严重的锁争用. 为了解决这一挑战, 本文提出面向大目录场景的动态拆分机制. 随着目录规模增长, 持续地将大目录拆分为多个逻辑目录并迁移部分元数据到其他服务器, 从而缓解原服务器的高负载和高并发下的锁争用. 同时, 通过迁移开销优化和一致性维护机制减少迁移对系统的影响. 实验结果表明, 在大目录场景中, 动态拆分机制提高了元数据操作性能, 系统在并发度提高和目录规模增长时呈现更好的扩展性. 相较于不做动态拆分的场景, 文件创建和删除操作性能至多提升了4.09倍, 查询操作性能提升了2.05倍.

摘要:针对复杂水下环境中海洋生物细粒度分类易受类别相似性高、背景干扰强及语义歧义大的问题, 本文提出一种融合层级语义建模与跨模态特征调制的海洋生物分类方法. 首先, 构建层级类别预划分与判别路由模块, 将细粒度类别空间重构为语义一致的大类层级, 并结合CLIP语义判别与GFNet结构判别实现高置信度专家路由. 其次, 设计上下文属性语义推理模块, 将符号化上下文属性转化为可被CLIP利用的文本描述, 并通过条件概率建模获得稳定的语义先验. 进一步提出“结构-语义”一致性裁决机制, 降低错误路由风险. 在特征融合层面, 引入文本调制融合控制模块与语义门控残差融合机制, 将全局语义信息自适应注入高层及多尺度视觉特征中. 实验结果表明, 该方法在复杂海洋生物分类任务中有效提升了分类稳定性与鲁棒性.

摘要:如今, 随着互联网, 特别是社交媒体平台的快速发展, 用户生成内容的速度越来越快, 这使得信息的传播极其迅速. 然而, 这种便利也伴随着虚假信息、误导性内容等快速传播的重大挑战. 谣言的快速传播对公众意识、社会稳定甚至国家安全构成了严重威胁. 传统的谣言检测方法只考虑谣言传播结构和文本内容, 没有考虑模型在噪声干扰下的泛化和稳定性. 为了应对这些挑战, 本文提出一种新的边增强图对比学习框架——EGCL (edge-enhanced graph contrastive learning), 对比学习可以学习相似和不相似样本之间的联系和差异, 增强泛化能力, 提高准确性. 具体来说, 为了提高对比学习的稳定性, 将基于贝叶斯不确定性算法的边增强模块集成到图对比学习框架中. 在公共数据集Twitter15、Twitter16和Weibo上的实验结果表明, 本文方法分别达到了86.7%、88.2%和92.8%的准确率, 与过去几年的模型相比有着更好的性能.

摘要:本文旨在提出一种新的集成框架——查询自适应图迭代网络(query-adaptive graph iteration network, QAGIN), 来系统性地应对医学图像少样本分割(few-shot segmentation, FSS)领域中现存的3大核心挑战: 解剖结构的高度类内变异性、跨成像设备与协议的显著域偏移、目标前景与复杂背景之间界限的固有模糊性. 为解决这些难题, QAGIN架构经过精心设计, 集成了一系列先进的、相互协同的机制. 首先, 该架构的查询自适应原型生成模块利用FiLM层动态校准支持特征, 生成适应查询图像特征分布的原型以克服域偏移. 在获取了高质量自适应原型的基础上, 原型引导的动态图推理机制通过超网络调制的GCN (graph convolutional network)显式建模查询图像的内部结构关系, 提升模型在显著解剖变异条件下的结构感知能力. 随后, 迭代式前景-背景优化与精炼模块以结构增强的特征表示为输入, 通过ConvGRU解码器构建自校正循环, 对分割结果进行多轮细化, 实现对前景-背景模糊边界的逐步收敛式精炼. 在具有挑战性的腹部器官CHAOS-T2数据集和心脏磁共振MS-CMRSeg数据集上验证了该框架的有效性. 实验结果表明, QAGIN在数据稀缺的临床应用场景下提供了一种在鲁棒性、准确性和泛化能力方面具有显著优势的解决方案.

摘要:针对工业零件检测中上下文缺失导致背景干扰、高频细节丢失引发细粒度识别不足、动态姿态适应性弱及精度与效率难平衡等问题, 提出一种改进YOLO11的高精度工业零件检测算法——CHD-YOLO11. 首先, 融合上下文引导机制改进传统下采样结构, 采用CGBD (context-guided block down)模块, 实现局部-上下文-全局语义协同融合, 提升复杂背景判别力. 其次, 设计高频增强残差块(high-frequency enhancement residual block, Hfer Block)并嵌入 C3k2 模块, 通过多路径卷积显式建模1–5像素尺度的边缘与纹理特征, 强化细粒度识别. 再次, 构建全新检测头DyHead_DCNv4, 融合DCNv4 可变形卷积与多维度注意力机制, 动态适应多姿态、多尺度零件. 此外, 提出EMASlideLoss损失函数, 结合指数移动平均与滑动窗口加权策略, 优化难样本挖掘与边界定位精度. 实验在自建的Astra Pro Plus深度相机采集的工业零件数据集上进行, 实验结果表明, 在参数量由 2.58M 增至 2.89M 的条件下, CHD-YOLO11将mAP@0.5 从 85.37% 提升到 88.36%、mAP@0.5:0.95 从 69.58% 提升到 74.53%, 相较于原始YOLO11分别提高约3.0和4.95个百分点, 并优于常见单阶段与双阶段对比模型. 此外, 在MVTec-Industrial与NEU-DET公开数据集上的泛化实验进一步证明, 该算法具备优异的跨领域适应能力与鲁棒性. 实验结果表明, CHD-YOLO11在检测精度、模型复杂度与推理效率之间取得了良好平衡, 其较高的精度与315.28 f/s的推理速度使其非常适合工业自动化实时检测的应用场景.

摘要:目标检测技术在计算机视觉领域中具有至关重要的作用. 尽管现有的YOLO系列模型在实时目标检测方面表现出色, 但在多尺度特征融合、通道依赖关系建模以及基于上采样的特征重建等方面仍面临挑战. 为解决上述问题, 本文提出了一种多尺度混合特征增强的目标检测网络, 命名为MHF-YOLO. 通过引入多尺度特征融合策略与高效上采样机制, 进一步提升模型的检测性能与鲁棒性. 具体而言, 本文设计了多尺度特征融合模块 (multi-scale feature fusion module, MFFM), 利用多分支空洞卷积结构高效提取并融合跨尺度的上下文信息. 接着, 在MFFM中引入混合局部通道注意力 (mixed local channel attention, MLCA) 机制以优化特征选择, 增强网络对关键区域的响应能力. 与此同时, 提出高效上采样模块 (efficient up-sampling module, EUSM) 替代传统的上采样方式. 该模块通过深度卷积与通道洗牌操作有效重建空间细节. 在PASCAL VOC 2012和MS COCO数据集上的实验结果表明, 本文所提方法在检测性能上优于现有的YOLO系列模型和其他目标检测模型.

摘要:古城墙作为重要的历史文化遗产, 其表面病害的及时检测与评估对文物保护具有重要意义. 传统的人工巡检方法存在效率低、成本高、主观性强等问题, 难以满足大规模城墙病害普查的需求. 本文提出了一种基于三维重建与深度学习相结合的古城墙表面病害自动检测方法. 该方法首先利用倾斜摄影测量技术获取古城墙的三维模型, 并通过纹理映射恢复墙体表面的真实外观; 然后, 基于墙体的空间结构特征, 采用智能视点规划策略生成覆盖整个墙面的虚拟相机遍历路径; 接着, 利用YOLOv10目标检测算法对各视点渲染图像进行病害识别, 可自动检测风化、灰缝流失等多类病害; 最后, 通过深度信息与相机参数的几何变换, 将二维检测结果精确映射至三维模型表面, 实现病害的空间定位与可视化标注. 实验结果表明, 该方法能够高效且准确地完成城墙表面病害的全自动检测, 检测结果以彩色色块形式直观标注在三维模型上, 并可生成详细的病害统计报告. 该研究为古建筑文物的数字化保护与智能化监测提供了新的技术手段, 具有良好的应用前景.

摘要:裂缝是混凝土结构健康检测的关键指标. 针对裂缝图像中类不平衡与细长结构特性导致的细小裂缝漏检、结构断裂问题, 本文在SegMAN网络的基础上提出一种改进的SU-Mamba分割网络. 该网络沿用了SegMAN网络中集成邻域注意力与二维选择性扫描机制的编码器作为特征提取骨干, 并在此基础上构建对称的U型解码器, 通过多层上采样与跳跃连接逐步恢复高分辨率空间细节; 在特征融合阶段结合通道注意力机制, 以强化对裂缝相关特征的表达能力; 提出梯度标准差(gradient standard deviation, GSD)惩罚项, 通过鼓励模型在低置信度裂缝区域产生具有方向偏好的梯度分布, 引导网络学习裂缝的几何特征, 以提升模型对细小裂缝的分割能力, 并降低漏检率. 在混凝土裂缝数据集上的实验结果表明, 本方法能有效识别到复杂背景下的细小裂缝, IoU与Dice系数分别较基线模型提高了7.04%与5.83%, 验证了本算法的有效性.

摘要:针对真实场景下电动车头盔检测面临复杂背景干扰和目标尺度多变性导致检测易产生漏检误检的问题, 本文提出一种基于YOLOv10n的改进电动车头盔检测方法. 首先, 采用基于动态卷积改进的KernelWarehouse卷积模块替代原始卷积, 强化模型在背景干扰环境下的目标识别能力; 其次, 设计基于卷积加性自注意力机制的双向特征金字塔融合网络, 通过增设小目标检测头和特征双向融合机制增强小目标层与常规目标层的深度信息交互, 并将特征融合网络中的C2f模块与卷积加性自注意力机制模块深度融合, 有效缓解特征信息丢失问题, 显著提升小目标检测能力; 最后, 设计一种轻量化多尺度共享卷积检测头, 在增强多尺度特征感知能力的同时显著减少模型参数量和计算复杂度, 满足实时检测需求. 实验结果表明, 改进模型相较于基线模型平均精度均值mAP@0.5提升了3.1%, 同时参数量降低了22%, 模型大小降低了26%, 充分验证了该方法在复杂真实场景下电动车头盔检测任务中的优越性.

摘要:伪装目标检测(camouflaged object detection, COD)在计算机视觉领域占据重要地位, 其核心在于精准识别与背景在纹理、颜色等方面高度融合的目标, 这一任务因其广泛的应用前景而备受瞩目. 近年来, 扩散模型在图像生成和去噪方面表现突出, 但其在伪装目标检测任务中的应用尚面临诸多挑战. 现有基于扩散模型的COD方法主要依赖静态空间域条件特征指导去噪过程, 这种方法使得条件特征在全局特征建模能力上存在明显不足, 且无法有效感知扩散时间步的变化. 为了应对这些挑战, 本文提出了一种名为时频增强扩散模型的伪装目标检测(time-frequency enhanced diffusion model for camouflaged object detection, TFD-COD)的方法, 该方法在骨干网络中引入时间嵌入机制, 这种方式可以使得条件特征的提取过程能够敏锐感知扩散时间步的细微变化; 还设计了频域-空间双分支注意力(frequency-spatial dual branch attention, FSBA)模块, 频域分支通过傅里叶变换及自注意力机制, 精准捕捉全局结构信息, 而空间域分支则利用多尺度卷积和自注意力, 建模局部上下文. 两个分支相互协作, 实现了全局与局部特征的协同增强. 此外, TFD-COD还引入了金字塔滤波融合(pyramid filtering fusion, PFF)策略, 利用浅层特征指导深层特征的上采样, 从而实现多级特征的深度融合. 最终, 这些经过精心设计的条件特征被送入扩散模型, 引导其高效去噪. 实验结果显示, TFD-COD在伪装目标检测任务中的表现显著优于现有方法.

摘要:针对低照度场景下行人检测精度衰减问题, 提出了低光高精度行人检测算法——LLHPP-YOLO. 本文工作主要体现在4个方面: 首先, 构建光照感知增强模块, 利用Zero-DCE++算法的可微参数估计实现非线性光照校正, 有效提升低光区域特征的可辨识度; 其次, 设计复合跨阶段特征金字塔架构CSPSPPELAN, 在保持多尺度特征融合能力的同时将空间金字塔池化层参数量降低了65.5%, 同时提升了检测精度和处理帧率; 接着, 在检测头中, 提出了高效的重参数化卷积注意力特征提取模块Rep-EMA以增强模型特征提取能力; 最后, 引入EIoU损失函数的边界框回归优化策略, 通过纵横比解耦机制改善目标定位精度. 在LLVIP基准数据集上的实验结果表明, 本模型相较于基准YOLOv7性能显著提升, 平均精度均值mAP提升了1.4%, 计算量降低了约3.1 GFLOPs, 模型大小减少了约5.0M, 检测速度达到400 f/s. 此外, LLHPP-YOLO相较于其他主流目标检测模型也展现出更优异的性能, 与 YOLOv5-L和YOLOv9-C相比, mAP分别提升了2.2%和1.4%. 所提模型是一种高精度的检测方案, 可为低光照情况下自动驾驶提供帮助.

摘要:输电线路覆冰是威胁电网安全稳定运行的重要自然灾害之一, 实时、准确的覆冰监测对预防覆冰、线路舞动、杆塔倒塌等事故具有重要意义. 人工巡检和基于图像处理方法存在效率低、成本高等问题, 而基于深度学习的语义分割方法因复杂背景、恶劣天气等导致无法进行精细化分割任务. 本文针对输电线路覆冰图像的分割任务中关于复杂背景、边缘特征模糊等困难, 提出一种针对复杂背景干扰的输电线路覆冰精细化分割算法. 该模型在轻量级SegFormer-B2基础上提出一种介于编码器与解码器之间的多尺度特征增强U型网络(MSFE-USN), 该网络首先通过U型网络(U-shaped network, USN)进行特征融合, 并采用边缘引导多尺度注意力模块(edge-guided multi-scale attention module, EMSAM)增强输电线路覆冰与背景的边缘轮廓识别能力, 然后利用卷积块注意力模块(convolutional block attention module, CBAM)抑制雨雪、湖泊、雾天等复杂背景干扰. 最后在自建的输电线路覆冰语义分割数据集(TLI-SSD)上的实验结果表明, 所提模型的mIoU达到94.07%, 各指标均优于其他对比模型与消融模型. 并通过预测结果图对比, 展示出所提模型在极端天气与复杂背景的优异精细化分割能力. 本文为输电线路覆冰的自动化、高精度分割提供了有效解决方案, 对电网智能运维具有重要的工程应用价值.

摘要:无源开集领域自适应(source-free open-set domain adaptation, SF-OSDA)旨在源域数据不可访问的情况下, 使模型在目标域中既能保持对已知类别的判别能力, 又能对未知类别样本进行识别与区分. 现有SF-OSDA方法虽引入了对未知类别的建模与识别机制, 但其探索依然局限于单一视觉特征空间内部, 未能有效利用未知类别所蕴含的深层语义信息, 难以对语义复杂或跨域变化剧烈的未知类别进行可靠建模, 进而限制了模型在复杂真实场景中的泛化能力. 针对上述问题, 本文提出了一种基于属性提示与原型对齐的无源开集领域自适应方法, 利用多模态视觉-语言模型CLIP的强大语义对齐能力. 一方面, 通过构建细粒度类别属性提示来增强CLIP模型的零样本识别能力, 使得模型能够更精准地捕捉目标域各类别样本的语义特征; 另一方面, 为了实现视觉空间与语义空间的结构化对齐以及对已知类别的精准识别与未知类别的有效区分, 提出基于原型对齐的联合优化策略, 通过联合源模型与CLIP的预测构建已知类语义原型和未知类聚类原型, 并基于样本与原型的相似性动态更新伪标签, 同时利用原型对比损失强化类内聚合与类间分离. 实验结果表明, 本文方法在多个标准数据集(Office-31、Office-Home、VisDA-2017)上的表现均优于现有SF-OSDA方法, 证明了其在无源开集场景中的有效性和泛化能力.

摘要:骨龄评估是儿童生长发育监测与内分泌疾病诊断的常用临床手段, 但传统的Greulich-Pyle (G-P)法、Tanner-Whitehouse (TW)法存在依赖医生经验、流程繁琐且耗时的局限. 为解决这一问题, 本文提出了一种基于EfficientNet-ATT的骨龄成熟度评估模型以提升评估准确度. 该模型以EfficientNet-B3为骨干网络, 在MBConv基础单元中构建解剖感知注意力模块(bone anatomical attention module, BoneAM), 通过儿童骨骼发育的生物学先验和门控机制动态调和通道、空间及高度-宽度3支路输出, 精准捕捉跨维度骨骼特征; 在各MBConv块组间设计多头递归注意力(multi-head recurrent spectral attention, MHRSA)机制, 缓解多尺度骨骼特征的割裂问题, 强化长距离依赖建模; 同时采用动态加权Huber损失函数(dynamic weighted Huber loss, DWHL), 在误差较小时以L2损失加速收敛, 在误差较大时切换至L1损失避免梯度爆炸, 提升模型对异常样本的鲁棒性. 本文基于北美放射学会(RSNA)数据集进行实验, 结果表明提出的模型平均绝对误差(MAE)、均方根误差(RMSE)分别达到4.76和6.69个月, 较基准模型EfficientNet-B3分别降低0.73和1.01个月; 与当前表现最优的骨龄评估模型BAA-Net和主流算法中表现最好的ResNet50相比, MAE分别降低0.19和0.88个月, RMSE分别降低0.19和0.52个月. 本文模型在核心误差指标上均展现出更优性能, 充分满足骨龄评估对精度与实时性的双重需求.

摘要:针对双目视觉测距在复杂车载环境中易受弱纹理、遮挡及边缘跳变等因素影响而导致的视差不连续与深度失真问题, 本文提出一种融合分割感知的车载双目视觉深度估计优化方法FPDE. 该方法以SGBM视差匹配为基础, 采用YOLOv8-seg获取高精度实例掩码, 用于约束几何边界并修正匹配误差; 在掩码内部引入基于距离变换的结构化深度增强策略, 实现由边缘向中心递增的空间层次建模; 并进一步通过基于百分位的鲁棒归一化抑制极端深度值对可视化和数值稳定性的影响. 实验在KITTI数据集上验证了方法的有效性: 与未优化的SGBM相比, FPDE的MAE和RMSE分别降低21.9%和13.9%, $ \delta \lt 1.25 $精度提升至94.87%, 同时保持约45 f/s的实时性能. 对比不同分割模型的实验表明, YOLOv8-seg在精度与速度上均优于YOLOv5-seg与YOLOv7-mask. 结果显示, FPDE能显著改善边缘一致性与内部深度结构, 为车载视觉测距系统在智能交通与自动驾驶中的应用提供可靠支撑.

摘要:针对多标签胸部X光影像分类中病灶尺度差异剧烈, 疾病间潜在关联未被充分利用以及临床标签噪声干扰模型鲁棒性等挑战, 本文提出了一种基于多尺度共享原型与置信度引导的胸部X光影像疾病分类网络MS-SPNet. 首先, 引入多尺度注意力前端模块, 利用DenseNet-169作为骨干网络, 通过自适应融合不同层级的特征, 实现对从微小结节到大面积积液等不同尺度病变特征的精准捕获. 其次, 提出亲和度引导的共享原型机制, 利用疾病共现先验知识指导共享原型池的构建, 在建模疾病间解剖学相关性的同时有效减少了特征表示的冗余. 最后, 为了减轻数据标注质量差的影响, 设计了原型引导的置信度加权策略, 根据样本的原型激活稳定性动态评估其可靠性并调整损失权重, 从而有效抑制噪声标签对训练过程的干扰. 实验结果表明, 该方法在ChestX-ray14数据集上取得了85.1%的平均AUC; 同时, 在更大规模的CheXpert数据集 (U-Zeros设置)上, 平均AUC达到了84.7%. 这两项指标均显著优于现有主流算法, 充分验证了模型在保持直观可解释性的同时, 具备卓越的泛化性能.

摘要:当前多智能体合作强化学习(multi-agent cooperative reinforcement learning, MACRL)算法具有广泛的应用场景, 但其在信息利用方面仍存在显著缺陷, 主要体现在对冗余信息的筛选不足、多维度信息间协同机制的缺失以及对其他智能体行为影响的忽视. 针对上述问题, 本文提出一种内外嵌入增强的序贯评价驱动Shapley值Q学习模型. 受社会学习理论中交互决定论的观点, 即个人因素、外部环境和行为本身这3方面共同决定人类行为的启发, 该模型分为内嵌入模块、外嵌入模块和序贯评价驱动Shapley值Q学习模块, 分别用于学习个体因素表征、外部环境表征和评估动作价值. 具体来说, 首先通过外嵌入模块自适应捕捉关键外部信息; 其次利用内嵌入模块优化局部观测与历史经验学习, 并借助融合模块捕捉内外信息的协同效应; 最后针对信度分配问题提出序贯评价驱动Shapley值Q学习方法, 通过边际效益分解理论优化边际效益估计, 将Shapley值计算问题转化为序列建模问题, 量化外部智能体的决策对当前智能体决策的贡献. 实验结果表明, 本文提出的算法在星际争霸II的8个复杂环境中取得了0.85的平均胜率, 达到了SOTA (state-of-the-art)性能.

摘要:信创产业作为国家信息技术自主可控战略的关键组成部分, 其固件安全对保障关键信息基础设施的安全具有重要意义. 面对国产处理器架构多样性、国密算法集成以及复杂供应链环境所带来的安全挑战, 本文提出了一种面向信创产品的多平台固件解析与漏洞扫描框架. 该框架通过扩展反汇编工具以支持非主流指令集, 结合动态构建的指纹库与自动化特征提取技术, 实现了对固件中已知漏洞及潜在安全风险的有效检测. 在龙芯、鲲鹏、飞腾这3大主流国产平台的固件样本上开展实验, 结果表明, 该框架的总体固件解析成功率达到75.61%, 优于现有通用工具. 在漏洞检测方面, 平均精确率为72.70%, 召回率为79.00%, F1分数达到75.72%, 在保持较低误报率的同时实现了较高的检测覆盖率, 展现出良好的实用性与可扩展性. 本文为信创产品固件的安全评估提供了可行的技术方案, 具有重要的现实意义与应用价值.