摘要：基于采石场获取岩石块度的自由落体图像特性,在自由落体中获取在线后置光岩石块度图像,基于此视频图像,设计了新的岩石块度在线检测方法.用引导滤波增强图像,减少因光照不均、目标运动过快或抖动引起的图像模糊;用基于力学矩的启发式多阈值分割算法对灰度图像二值化;将机器学习中的XGBoost理论和方法首次用于该领域,制定新的准则判定待检测目标是否为多块度粘连体;对检测到的粘连体的凸包区域,由最大凹点处进行基于凹凸点的多边形近似,在多边形轮廓上检测凹点,选取两分割点对.通过对300多幅图像的测试并与分水岭、模糊聚类、最小生成树及水平集等传统算法进行对比,结果表明,该方法对岩石块度粘连体具有良好的图像分割效果,精度达到95%.

摘要：现如今,深度学习已然成为机器学习领域最热门的研究方向之一,其在图像识别、目标检测、语音处理、问答系统等诸多领域都取得了巨大成功.然而通过附加经过特殊设计的细微扰动而构造出的对抗样本,能够破坏深度模型的原有性能,其存在使许多对安全性能指标具有极高要求的技术领域,特别是以视觉感知为主要技术优先的智能驾驶系统,面临新的威胁和挑战.因此,对对抗样本的生成攻击和主动防御研究,成为深度学习和计算机视觉领域极为重要的交叉性研究课题.本文首先简述了对抗样本的相关概念,在此基础上详细介绍了一系列典型的对抗样本攻击和防御算法.随后,列举了针对视觉感知系统的多个物理世界攻击实例,探讨了其对智能驾驶领域的潜在影响.最后,对对抗样本的攻击与防御研究进行了技术展望.