摘要：针对现有残差网络存在残差特征利用不充分、细节丢失的问题,提出一种结合两层残差聚合结构和感受野扩展双注意力机制的深度神经网络模型,用于单幅图像超分辨率(SISR)重建。该模型通过跳跃连接形成两层嵌套的残差聚合网络结构,对网络各层提取的大量残差信息进行分层聚集和融合,能减少包含图像细节的残差信息的丢失。同时,设计一种多尺度感受野扩展模块,能捕获更大范围、不同尺度的上下文相关信息,促进深层残差特征的有效提取;并引入空间-通道双注意力机制,增强残差网络的判别性学习能力,提高重建图像质量。在数据集Set5、Set14、BSD100和Urban100上进行重建实验,并从客观指标和主观视觉效果上将所提模型与主流模型进行比较。客观评价结果表明,所提模型在全部4个测试数据集上均优于对比模型,其中,相较于经典的超分辨率卷积神经网络(SRCNN)模型和性能次优的对比模型ISRN(Iterative Super-Resolution Network),在放大2倍、3倍、4倍时的平均峰值信噪比(PSNR)分别提升1.91、1.71、1.61 dB和0.06、0.04、0.04 dB;视觉效果对比显示,所提模型恢复的图像细节纹理更清晰。

摘要：随着信息通信技术的发展,物联网的应用规模和多样性呈现出爆炸式增长,使用物联网设备的人员也越来越多,如何对不同的人员给设备设置相对应的权限也越来越复杂,过去简单的将每个人员的权限存在Mysql里这种方式的效率已经不适用于越来越庞大的物联网系统。文章提出了一种基于异构数据库的权限验证方法,该方法使用Redis数据库用于权限数据的缓存,使用Mysql数据库存储和管理各类人员的权限数据以及各类数据的属性数据。此方法可以提升不同人员在操作物联网设备时对权限验证的效率。