无码日韩精品一区二区免费,成年网站在线,毛片在线播放网址

基于Anchor-free架構的行人檢測方法

使用無預選框(Anchor-free)的檢測框架，設計了一種行人檢測算法。將深度殘差網(wǎng)絡(ResNet)作為特征提取網(wǎng)絡，與特征金字塔網(wǎng)絡(FPN)結構相結合，使用了多尺度預測的方式進行預測。把目標中心點和尺寸作為一種高級的語義特征，將含有更多細節(jié)信息的淺層特征圖和含有更多語義信息的深層特征圖進行融合。在Citypersons數(shù)據(jù)集上進行了實驗驗證，相較現(xiàn)有行人檢測算法，提出的算法在輕微遮擋、一般遮擋和嚴重遮擋情況下漏檢率分別提升了1.11%~3.01%，0.15%~6.55%和0.59%~6.39%，檢測效果更好。

發(fā)表于：12/17/2020

基于IBE策略的物聯(lián)網(wǎng)終端設備間的身份認證方案

隨著物聯(lián)網(wǎng)終端設備間直接通信的需求不斷增大，為解決物聯(lián)網(wǎng)終端設備間安全通信和隱私保護問題，終端設備間認證技術成為人們關注的一個熱點，業(yè)界諸多學者已經(jīng)對此展開相關研究并提出多種物聯(lián)網(wǎng)終端設備間的認證機制。但是，上述機制在安全強度及抵抗攻擊效果方面尚存在不足。為解決此問題，該文提出一種基于IBE策略的物聯(lián)網(wǎng)終端設備身份認證方案，實現(xiàn)終端設備之間匿名雙向認證，同時使用橢圓曲線加密算法保證認證過程中信息傳輸?shù)陌踩浴Ｍㄟ^安全性理論分析和性能分析表明，該方案可很好地抵抗重放攻擊、中間人攻擊和篡改攻擊等已知攻擊且具有較低的計算開銷。

發(fā)表于：12/16/2020

萬物互聯(lián)無小事

雖然物聯(lián)網(wǎng)被廣泛寄予厚望，但對于企業(yè)來說，要建設和部署物聯(lián)網(wǎng)架構，卻并非易事。為了實現(xiàn)萬物的智能互聯(lián)，物聯(lián)網(wǎng)逐漸形成了覆蓋云、管、邊、端的全方位體系架構。其中，“云”指的就是云平臺，相當于物聯(lián)網(wǎng)的神經(jīng)中樞；所謂“管”是指通訊方式；“邊”則是指邊緣計算，將機器學習引入邊緣計算，是打造智能化網(wǎng)絡的關鍵；而“端”指的就是物聯(lián)網(wǎng)中所謂的物，也就是設備節(jié)點。

發(fā)表于：12/16/2020

基于Wi-Fi信號的環(huán)境反向散射技術分析

環(huán)境反向散射技術給物聯(lián)網(wǎng)低功耗設備部署的商業(yè)化帶來了新的技術方案。首先簡要概述反向散射技術的分類和基本特點，然后基于Wi-Fi信號下的環(huán)境反向散射技術，分析反向散射的設備通過接收Wi-Fi報文及反射信號來傳遞信息的可行性，討論設備實現(xiàn)Wi-Fi雙向通信的硬件框架和軟件模塊結構，介紹反向散射技術的應用場景，并歸納該技術的挑戰(zhàn)和改進方向。最后展望了基于Wi-Fi信號的環(huán)境反向散射技術的發(fā)展趨勢和研究方向。

發(fā)表于：12/16/2020

構建智慧物業(yè)管理服務平臺大力推進居住社區(qū)物聯(lián)網(wǎng)建設

新浪科技訊 12月15日午間消息，據(jù)住房和城鄉(xiāng)建設部官網(wǎng)12月15日消息，為推進基于信息化、數(shù)字化、智能化的新型城市基礎設施建設，對接新型基礎設施建設，加快建設智慧物業(yè)管理服務平臺，補齊居住社區(qū)服務短板，推動物業(yè)服務線上線下融合發(fā)展，滿足居民多樣化多層次生活服務需求，增強人民群眾的獲得感、幸福感、安全感，住房和城鄉(xiāng)建設部等六部門發(fā)布《關于推動物業(yè)服務企業(yè)加快發(fā)展線上線下生活服務的意見》。

發(fā)表于：12/15/2020

交通部：鼓勵運輸企業(yè)利用“互聯(lián)網(wǎng)+”信息化手段整合物流資源

冷鏈物流

發(fā)表于：12/15/2020

基于CNN-LightGBM模型的高速公路交通量預測

有效的交通流量預測對人們出行和交管部門監(jiān)管都有著重要的意義。傳統(tǒng)的交通量預測模型主要基于交通流的時間特性，未結合交通流的時間和空間特性進行深入挖掘，因此預測效果有時不佳。提出了一種基于CNN與LightGBM結合的交通流預測模型，首先利用CNN模型挖掘出高速公路相鄰路段監(jiān)測點和出入口的時間和空間關聯(lián)性，實現(xiàn)對交通流數(shù)據(jù)的時空特征提取，然后將CNN提取到的特征向量輸入到LightGBM模型中進行預測。為了驗證模型的有效性，實驗中使用了多種預測模型進行對比，實驗結果表明，所提出的考慮到時空特性的CNNLightGBM組合的模型可以明顯降低預測誤差，是一種有效快速的交通流預測模型。

發(fā)表于：12/15/2020

基于GWO-SVM算法的物聯(lián)網(wǎng)入侵檢測研究

物聯(lián)網(wǎng)時代悄然而至，然而物聯(lián)網(wǎng)技術在給人們帶來方便的同時，其安全問題也日趨突出。針對物聯(lián)網(wǎng)存在的網(wǎng)絡入侵安全問題，提出GWO-SVM算法實現(xiàn)網(wǎng)絡入侵檢測。灰狼優(yōu)化算法(GWO)具有收斂速度快、全局搜索能力強等優(yōu)點，將GWO用于優(yōu)化支持向量機(SVM)的參數(shù)選擇，有助于提升分類模型的準確率。同時通過調(diào)整適應度值函數(shù)，避免分類模型過擬合。在UNSW-NB15數(shù)據(jù)集上，將GWO-SVM分類算法與SVM、PSO-SVM、GA-SVM分類算法進行對比，實驗結果表明，GWO-SVM算法具有更高的分類準確率和性能，適用于物聯(lián)網(wǎng)環(huán)境下的網(wǎng)絡入侵檢測。

發(fā)表于：12/15/2020

基于混合注意力機制的表情識別研究

針對目前傳統(tǒng)人臉表情識別算法存在特征提取復雜、表情識別率低等問題，提出一種基于混合注意力機制的ResNet人臉表情識別方法。該方法把通道注意力模塊和空間注意力模塊組成混合注意力模塊，將混合注意力模塊嵌入ResNet殘差學習分支中。針對CK+人臉表情數(shù)據(jù)集過小問題，采用數(shù)據(jù)增強策略擴充數(shù)據(jù)集。實驗結果表明，改進后的ResNet在CK+數(shù)據(jù)集上表情識別準確率為97.04%，有效提高了表情識別準確率。

發(fā)表于：12/15/2020

一種融合注意力和記憶網(wǎng)絡的序列推薦算法

傳統(tǒng)基于協(xié)同過濾和矩陣分解的靜態(tài)表示推薦算法，不能很好地體現(xiàn)用戶的動態(tài)興趣。循環(huán)神經(jīng)網(wǎng)絡能夠進行序列推薦，但存在序列之間的長距離依賴性差、各項目的區(qū)分度差等問題。由此提出一種融合注意力和記憶網(wǎng)絡的序列推薦算法，根據(jù)Word2vec算法，引申item2vec和user2vec，初始化用戶和項目的固定表示嵌入矩陣，通過結合注意力機制和長短期記憶網(wǎng)絡(Long ShortTerm Memory,LSTM)解決序列之間的長距離依賴性差和區(qū)分度差問題。利用記憶網(wǎng)絡獲取用戶的動態(tài)鄰居，加強用戶的動態(tài)表示，實現(xiàn)更準確的推薦。通過在MovieLens數(shù)據(jù)集上的實驗結果表明，所提出的算法相比其他算法推薦效果顯著提高。

發(fā)表于：12/15/2020

人民日報：“雙12”網(wǎng)聯(lián)處理網(wǎng)絡支付56.33億筆

本報北京12月14日電（記者葛孟超）記者14日從網(wǎng)聯(lián)清算有限公司獲悉：“雙12”大促期間，網(wǎng)聯(lián)平臺組織支付行業(yè)各方順利完成網(wǎng)絡支付交易峰值保障，支付清算系統(tǒng)平穩(wěn)運行。

發(fā)表于：12/15/2020

電力物聯(lián)網(wǎng)信息安全防護技術研究

介紹了電力物聯(lián)網(wǎng)在配電網(wǎng)的應用場景，總結了我國電力物聯(lián)網(wǎng)信息安全防護的發(fā)展歷程，分析了當前電力物聯(lián)網(wǎng)信息安全應用中存在的主要問題和解決電力物聯(lián)網(wǎng)信息安全的關鍵技術，最后提出了電力物聯(lián)網(wǎng)終端本體的信息安全防護的四道防線模型和實踐。

發(fā)表于：12/14/2020

一種支持工業(yè)物聯(lián)網(wǎng)故障檢測的混合互認證方案

在工業(yè)物聯(lián)網(wǎng)（IIoT）中，工業(yè)機器人和員工在制造過程中扮演著非常重要的角色。一個安全、高效的工業(yè)機器人和員工認證方案一直是研究熱點，并面臨諸多挑戰(zhàn)。例如，工業(yè)機器人和員工在身份驗證階段容易受到模擬和去同步攻擊。同時，控制中心很難找到不受控制的工業(yè)機器人。針對上述情況，提出了一種支持工業(yè)物聯(lián)網(wǎng)故障檢測的混合互認證方案。分別為員工和工業(yè)機器人（IR）設計了基于橢圓曲線加密（ECC）的認證和基于物理不可克隆函數(shù)（PUF）的認證。使用了基于閾值的故障檢測，添加了禁用表以防止無授權員工訪問監(jiān)控和數(shù)據(jù)采集中心（SCDAC）。最后，分析論證了該方案的可行性和高效性。

發(fā)表于：12/14/2020

基于改進VGG16的猴子圖像分類方法

為提高對細粒度圖像分類的準確性和分類速度，提出基于改進VGG16和遷移學習的圖像分類方法。首先從kaggle平臺中獲取十種不同猴子數(shù)據(jù)集，并對數(shù)據(jù)集進行標準化處理，包含圖片去椒鹽噪聲、將數(shù)據(jù)集轉換為TensorFlow中提供的統(tǒng)一TFRecord數(shù)據(jù)格式。然后遷移學習改進的VGG16卷積神經(jīng)網(wǎng)絡，模型的優(yōu)化包括利用Swish作為激活函數(shù)、將softmax loss與center loss相結合作為損失函數(shù)以實現(xiàn)更好的聚類效果、采用性能完善的Adam優(yōu)化器。用訓練集訓練模型以確定微調(diào)參數(shù)信息，再用測試集檢驗模型準確性。結果表明，該方法對猴子圖像分類的準確度可達到98.875%，分類速度也得到了顯著提升。與其他傳統(tǒng)卷積神經(jīng)網(wǎng)絡模型相比，該方法具有更高的準確性和適用性。

發(fā)表于：12/14/2020

一種基于卷積神經(jīng)網(wǎng)絡的立體匹配算法設計

為了解決傳統(tǒng)立體匹配算法對立體圖像在低紋理以及遮擋區(qū)域匹配效果較差的問題，設計了一種端到端的基于卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,CNN)的立體匹配算法。該算法采取了殘差卷積神經(jīng)網(wǎng)絡對圖像特征進行提取，之后利用空洞空間金字塔池化(Atrous Spatial Pyramid Pooling，ASPP)模塊來獲取圖像的上下文信息，并結合多尺度的三維卷積神經(jīng)網(wǎng)絡對代價空間進行規(guī)整，最終實現(xiàn)了高精度的立體匹配算法。所獲取的視差圖在KITTI2015測試平臺上的誤匹配率為2.42%，與幾何上下文(Geometry and Context,GC)網(wǎng)絡相比較，視差圖的精度提高了0.45%，且運行時間縮短了一半。

發(fā)表于：12/14/2020