【摘 要】
：
神经网络在图像分类任务上表现优异，但神经网络本身极易受添加微小扰动的对抗样本的影响，造成神经网络输出错误的分类结果。而目前防御方法存在图像特征提取能力不足、对图像关键区域特征关注较少的问题。针对这些问题，提出了一种融合残差密集自注意力机制和生成对抗网络的攻击防御模型——RD-SA-DefGAN。该模型将生成对抗网络和投影梯度下降(PGD)攻击算法相结合，吸收PGD攻击算法生成的对抗样本进入训练样本
论文部分内容阅读
神经网络在图像分类任务上表现优异，但神经网络本身极易受添加微小扰动的对抗样本的影响，造成神经网络输出错误的分类结果。而目前防御方法存在图像特征提取能力不足、对图像关键区域特征关注较少的问题。针对这些问题，提出了一种融合残差密集自注意力机制和生成对抗网络的攻击防御模型——RD-SA-DefGAN。该模型将生成对抗网络和投影梯度下降(PGD)攻击算法相结合，吸收PGD攻击算法生成的对抗样本进入训练样本扩充训练集，辅以条件约束稳定模型的训练过程。该模型结构添加了残差密集块和自注意力机制，在充分提取特征的同
其他文献
长江中下游地区是我国最重要的粮食产区之一，近年来，由于极端天气影响，长江中下游地区的农业生产时常受到干旱灾害威胁。利用植被条件指数(Vegetation Condition Index， VCI)、温度条件指数(Temperature Condition Index， TCI)及植被健康指数(Vegetation Health Index， VHI)对2001-2019年长江中下游地区农业干旱的时
针对区块链中拜占庭容错类的共识机制存在通信复杂度高、视图切换复杂以及扩展性差的问题，提出了一种基于二项交换林和HotStuff的改进共识算法，即HSP共识算法。为实现签名批量验证和签名聚合，采用了BLS签名算法；为降低系统的通信复杂度，采用门限签名技术；为降低视图切换时的通信复杂度，共识过程采用三阶段确认方式；为减少主副节点间的通信次数，降低主节点聚合签名的压力，采用了改进的二项交换林方法。测试结
基于AVHRR、MODIS、GOCI遥感数据解译，构建了1988-2018年非连续日尺度冰情序列数据集，分析了渤海海冰冰情年际和年内时空变化特征。渤海冰情等级、年均海冰面积和年均海冰厚度均有明显的年际波动。海冰生消过程的日均面积和厚度变化呈现单峰型，且海冰面积和冰厚峰值均出现在1月25日。渤海海冰主要分布在辽东湾，其冬季结冰范围占渤海曾经结冰范围的70.58%，渤海中间区基本不结冰。海冰冰情指标与
针对传统vSLAM系统在动态场景中无法有效去除运动物体以及缺少可用于更高层应用的语义地图等问题，本文提出了一种可有效去除动态物体并构建表征室内静态环境的语义八叉树地图的vS LAM系统方案。首先使用Fast-SCNN作为语义分割网络提取图像的语义信息，同时，利用金字塔光流法对特征点进行跟踪匹配。然后，使用Multi-stage RANSAC通过多次执行不同尺度的RANSAC流程对特征点进行步进采样
现役道路基础设施管理过程中缺乏大范围区域内不同路段的现状或实时的竖向净空数字化资料，导致部分过高车辆撞击跨线桥或其他上空构造物的事故时有发生，造成了重大财产损失与人员伤亡。针对该问题，本文基于车载LiDAR数据构建了公路竖向净空自动化评估方法框架。通过数据重构方法将复杂道路线形的车载LiDAR点云转化为简单的直线形式，利用基于线性索引的点云数据分块方法实现了重构场景下车载LiDAR数据的条形、柱形
超声成像因其便捷、廉价、无辐射等优点被广泛应用于临床诊断中，然而图像中的斑点噪声可能对临床诊断或后续图像分析产生不利影响。非局部均值滤波（NLMF）是去噪中的一种有用技术，但由于存在时耗高、滤波参数不易设置等缺点而具有一定局限。本文提出一种针对超声图像斑点噪声的多尺度快速非局部平均滤波（MF-NLMF）算法，其利用互相关滤波技术减少运算时耗，同时设置多种窗口参数获得多幅去斑结果，模型参数值可根据窗
由植物引起的根际土壤生物或非生物环境的改变能够反馈影响群落中不同植物的生长,直接改变共存植物的相对竞争关系,推动群落结构的动态变化。作为土壤生物群落的重要组成部分,土壤微生物在植物-土壤反馈关系中起到重要的调控作用,对解释植物群落的演替进程和方向有着重要的意义。在草地植物群落演替的早期阶段和外来物种入侵的过程中,宿主植物对丛枝菌根真菌(AMF)的依赖性较低,受本地病原菌的影响较小,一般不存在负反馈
林线过渡带是指从郁闭森林上限到树种分布上限之间的区域,过渡带内生物多样性丰富,生态系统结构、功能和生态过程在很小的海拔梯度内发生剧烈变化,因此对全球气候变化和人类活动极为敏感。树岛是在林线过渡带内出现的斑块状或条带形不连续分布的树木集群,树岛内生存的树木通常能达到与较低海拔郁闭森林同样的高度和胸径,因此揭示树岛这一特殊生境的生态特征及其形成机制,对于预测未来气候变化下林线动态具有重要意义。之前对于
在图像标注，疾病诊断等实际分类任务中，数据标记空间的类别通常存在着层次化结构关系，且伴随着特征的高维性。许多层次特征选择算法因不同的实际任务需求而提出，但这些已有的特征选择算法忽略特征空间的未知性和不确定性。针对上述问题，提出一种面向层次分类学习的在线流特征选择方法。该算法首先将类别之间的层次关系融入到ReliefF算法中，定义一种新的面向层次化数据的特征权重计算方法；其次，利用特征对决策属性的划
针对单一方法难以兼顾图像全局和局部信息准确提取现场环境下的非合作目标边缘的难点，融合聚类等多种算法，提出一种边缘提取新方法。首先，根据图像像素值聚类，每2类间通过阈值进行分割得到1张二值图像；接着将二值图像进行或操作合并。将图像取反后保留最大面积的连通域得到目标分割图片，并提取目标边缘。最后，根据Zernike矩进行亚像素边缘计算。该边缘提取新方法具有较强的适应性，在实际的环境下均可快速有效提取出