【摘 要】
：
近年来机器学习的出现给人体康复运动领域的建模带来希望,基于深度学习的分类识别已经实现了很高的识别率.深度模型特性会使得传感器在对抗噪声的攻击下,识别率受到影响.因此基于生成式对抗网络(Wasserstein Generative Adversarial Networks,WGAN),提出了生成人体康复运动GAN (Generative Physical Rehabilitation Exercise GAN,GPREGAN)框架,它可以将攻击性数据伪装成正常的数据.这些对抗数据与原始数据高度相似,检测算法
【机 构】
：
大连海事大学航海学院,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026
论文部分内容阅读
近年来机器学习的出现给人体康复运动领域的建模带来希望,基于深度学习的分类识别已经实现了很高的识别率.深度模型特性会使得传感器在对抗噪声的攻击下,识别率受到影响.因此基于生成式对抗网络(Wasserstein Generative Adversarial Networks,WGAN),提出了生成人体康复运动GAN (Generative Physical Rehabilitation Exercise GAN,GPREGAN)框架,它可以将攻击性数据伪装成正常的数据.这些对抗数据与原始数据高度相似,检测算法无法区分.实验中将生成的对抗数据输入到基于卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的深度模型中,检测率从99％降至0,成功攻击了网络.为了评估生成的对抗样本的有效性,使用样本均方差进行评估.实验证明,GPRGAN框架具有生成类似于人体康复运动领域时序数据的能力,可以增加该领域中样本的多样性.
其他文献
利用激光诱导击穿光谱(LIBS)技术结合主成分分析-粒子群优化-支持向量机(PCA-PSO-SVM)算法对12类矿石进行分类识别.运用Savitzky Golay滤波、分段特征值提取法对光谱进行平滑滤波与基线校正预处理.选取经主成分分析(PCA)降维后的前25个主成分作为PSO-SVM分类模型的输入,得到对12类矿石的最佳识别准确率为100％.分别建立主成分-线性判别分析(PCA-LDA)、主成分-粒子群优化-误差反向传播神经网络(PCA-PSO-BP)两种分类模型,并与PCA-PSO-SVM模型进行对比
荧光超分辨显微成像技术的发展使得人们有望以前所未有的时空分辨率来实现细胞内动态生命活动的纳米尺度探测.传统超分辨显微成像技术需要较强的激发光源或采集数量较多的原始数据用于图像重建,因此在活细胞动态实时成像应用中存在不足.深度学习驱动的超分辨成像新技术的研究,有望在多个方面突破现有超分辨成像技术的发展瓶颈.从超分辨成像技术的原理出发,分析了传统超分辨成像技术的不足,总结阐述了深度学习技术在超分辨显微成像领域中的最新应用及未来的研究方向与面临的挑战.
应用传输矩阵法研究含缺陷层的函数型光子晶体表面的光自旋霍尔效应,数值计算和分析研究发现,通过调节入射线偏振光的偏振角、入射角、函数型光子晶体周期数、缺陷层光学厚度及入射光波圆频率等,可以实现反射光波和透射光波相对于入射点的横向位移控制.在数值计算中还发现通过调节相应参量可以实现百微米量级透射光波的横移,这些工作可为基于自旋的量子通信以及新型光电器件研究提供理论参考.
针对行人头部易受光照变化和遮挡的影响而导致目标检测准确率较低的问题,提出一种基于多尺度融合的双通道SSD(Single Shot Multibox Detector)行人头部检测算法.首先在SSD网络上增加一条深度通道,将带有深度信息的头部特征与SSD网络的特征进行融合,形成双通道SSD网络;然后在双通道SSD网络的基础上,将具有丰富语义信息的高层特征图与低层特征图进行特征融合,实现更精确的头部定位;最后重新调整SSD的先验框以减少SSD网络的计算量.实验结果表明,在光照和遮挡的情况下,相比于传统SSD目
针对micro electro mechanical system (MEMS)激光雷达与相机标定外参误差大的问题,提出了一种基于标定板关键点的外参标定方法.首先对多帧点云进行叠加预处理,然后基于Hough变换拟合标定板的边缘直线以确定关键点,最后设立关键点及法向量对应的约束条件,利用点面对应算法求出优化的标定外参.实验结果表明,所提方法可精确提取关键点,使得标定外参的平均误差相比现有的外参标定方法更低,提高了标定外参的精度.
针对现有基于阶梯网络(LN)的高光谱图像分类算法无法充分提取图像的空谱特征而导致分类精度降低的问题,提出一种基于改进阶梯网络的高光谱半监督分类算法.首先将三维卷积神经网络(3D-CNN)与长短时记忆(LSTM)网络结合,提出一种新的空谱特征提取(3D-CNN-LSTM)网络,使用该网络分步提取局部空间特征与光谱特征.然后使用3D-CNN-LSTM网络对阶梯网络的编码器与解码器进行改进,提出一种3D-CNN-LSTM-LN半监督分类算法,增强阶梯网络的特征提取能力.最后在Pavia University和I
青荷绿水,万木葱茏.古都西安,满目生机.rn7月23-26日,第十二届国际信息光学与光子学学术会议(CIOP 2021)在西安举行.线上线下,来自全球16个国家的900余名光学与光子学参会代表再相聚、共发声.rn会议聚焦:多元化研究进展轮番展现rn这是时隔一年,全球光学与光子学领域科研与友谊的双丰收,力量在这里凝聚,思想在这里交汇,共同推动了光学与光电子学相关领域的研究快速发展.
为提取机载LiDAR点云中的高压电塔,提出一种电塔自动提取算法.首先,对点云进行预处理,利用布料滤波算法得到地面点和非地面点;对非地面点点云进行空间规则化网格处理,根据高压电塔的高程特征进行粗提取,得到存在电塔的感兴趣区域(ROI)网格;最后,利用改进的基于密度的噪声空间聚类算法剔除ROI网格中的噪声点,进行电塔点云的精细提取.实验结果表明,本文算法可以实现LiDAR点云中高压电塔的自动提取,具有较高的自动化程度和处理效率.
利用CALIPSO卫星提供的2级气溶胶层产品,通过统计分析多个气溶胶光学特性参数,研究2009-2018年全球范围典型区域内气溶胶光学特性的空间分布特性及其季节属性.结果 表明:沙特阿拉伯和印度的气溶胶光学厚度(AOD)月均值呈单峰型,在6月到7月达到峰值;中国和非洲中部的AOD月均值变化为双峰型,最值出现在4月到6月和12月到次年1月.粒子退偏振比(PDR)和粒子色比(CR)的区域差异性为巴西地区颗粒物不规则程度最大,PDR值为0.5～0.7;中国、印度和印度尼西亚等地则主要以细模态粒子为主,CR值为0
受动态范围的限制,传统的CMOS相机需要通过曝光时间控制和自动增益控制方式减小像素饱和与溢出的影响,以获得目标场景的清晰信息.若要同时获取目标场景的暗场和亮场图像,必须扩展CMOS图像传感器的动态范围.提出一种基于二值化图像叠加的CMOS相机动态范围扩展方法.该方法利用曝光时间按对数变化的一系列二值化图像进行叠加,拓宽了CMOS相机的图像探测动态范围,即使在亮度变化很大的环境下也能实现强信号和弱信号的同时探测,从而获得目标场景清晰的灰度图像.实验结果表明,与传统CMOS相机成像相比,二值化叠加CMOS相机