【摘 要】
：
基于数据驱动学习模式的深度学习方法已在计算机视觉、语义分析,语音识别以及自然语言处理等众多机器学习相关应用领域取得了成功的应用,并颠覆了这些领域基于“人工特征”的
【机 构】
：
中国科学院声学研究所南海研究站,中国科学院声学研究所国家网络新媒体工程技术研究中心
【基金项目】
：
国家自然科学基金(编号:U1636113),海南省重大科技计划项目(编号:ZDKJ201807),海南省自然科学基金(编号:618QN309),中国科学院声学研究所青年英才计划项目(编号:QNYC201829、QNYC201747),中国科学院声学研究所南海研究站资助科研基金项目.
论文部分内容阅读
基于数据驱动学习模式的深度学习方法已在计算机视觉、语义分析,语音识别以及自然语言处理等众多机器学习相关应用领域取得了成功的应用,并颠覆了这些领域基于“人工特征”的传统范式。受此启发,本文提出了一种基于深度学习的视频帧内帧间编码通用隐写分析方法。由于视频帧内帧间编码信息隐藏本质上都是修改了视频解码帧图像像素值,因此本文从图像域的角度出发,设计了一种视频隐写分析卷积神经网络,将特征提取和分类模块整合到一个可训练的网络模型框架下,以数据驱动的形式自动学习特征并实现分类。实验结果表明,本文方法具有优异的通用隐写检
其他文献
教学是一门科学，也是一门艺术，而教学艺术首先表现为语言艺术，数学老师的语言艺术素养和语言表达能力是反映其数学水平的重要标志，作为课堂教学主要传播媒介的语言，要达到向学生传
患者女性,62岁.因突发失语伴大小便失禁、左侧肢体活动降低2h入院.既往有心房颤动、脑梗死病史12年.入院体检:BP160/100mmHg,R16次/min,心律不齐.心电图(图略)示心房颤动,快
近10余年来，短Q—T间期受到心血管领域的关注。国外由Algra等于1993年首次报道，对6693例连续病例进行动态心电图研究随访2年发现，Q—Tc（corrected Q—T，校正的Q—T）间期〈400ms者猝
目的探讨急性前壁透壁性心肌梗死时下壁导联ST段压低的临床价值.方法比较任一下壁导联ST段压低≥1.0mm的17例与压低均＜1.0mm的16例的CK-MB值、超声心动描记术、冠状动脉造影等
在探讨气汞异常与断层活动关系的基础上，通过具体工程实例，说明利用气汞异常化探方法研究活动断层，可为预测预报地震活动提供信息
患者男性,59岁.因心悸、胸闷1天就诊.既往有高血压、冠心病史.体检:BP158/90mmHg,心界不大,心率58次/min,心律不齐,心音低钝,未闻及病理性杂音.心电图Ⅱ导联连续记录(图1)示:
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
本例心电图为12导联同步记录，其主要特征为：无窦性P波。P’波规律出现，P’-P’间期0．31s，频率193次／min，以I、V2、V3明显，部分P’波重叠于ST段或T波上而造成T波形态不一致。大部分QRS