摘要：深度神经网络具有脆弱性,容易被精心设计的对抗样本攻击.梯度攻击方法在白盒模型上攻击成功率较高,但在黑盒模型上的迁移性较弱.基于Heavy-ball型动量和Nesterov型动量的梯度攻击方法由于在更新方向上考虑了历史梯度信息,提升了对抗样本的迁移性.为了进一步使用历史梯度信息,本文针对收敛性更好的Nesterov型动量方法,使用自适应步长策略代替目前广泛使用的固定步长,提出了一种方向和步长均使用历史梯度信息的迭代快速梯度方法(Nesterov and Adaptive-learning-rate based Iterative Fast Gradient Method,NAI-FGM).此外,本文还提出了一种线性变换不变性(Linear-transformation Invariant Method,LIM)的数据增强方法 .实验结果证实了NAI-FGM攻击方法和LIM数据增强策略相对于同类型方法均具有更高的黑盒攻击成功率.组合NAI-FGM方法和LIM策略生成对抗样本,在常规训练模型上的平均黑盒攻击成功率达到87.8%,在对抗训练模型上的平均黑盒攻击成功率达到57.5%,在防御模型上的平均黑盒攻击成功率达到67.2%,均超过现有最高水平.

摘要：基于结构化SVM的目标跟踪因其优良的性能而受到了广泛的关注,但是现有方法存在损失函数不精确和模型漂移问题。针对这两个问题,首先提出基于DIoU损失与平滑约束的结构化SVM模型。该模型采用DIoU函数作为损失函数,利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束。其次基于对偶坐标下降原理设计了该模型的求解算法。最后利用提出的基于DIoU损失与平滑约束的结构化SVM实现了一种多尺度目标跟踪方法。对所提出的目标跟踪方法在OTB100和VOT-ST2021数据集上进行了实验验证,实验结果表明:所提出的Scale-DCSSVM在OTB数据集上的跟踪成功率比DeepSRDCF高1.1个百分点,在VOT-ST2021上的EAO比***高1.2个百分点。所提方法具有较优的性能。

摘要：Deep Snake端到端地变形初始目标框到目标轮廓,能提升实例分割的性能,但存在对初始目标框敏感和轮廓参数独立回归的问题.因此文中提出基于2D循环卷积和难度敏感轮廓交并比损失的Deep Snake.首先,基于轮廓的空间上下文信息设计2D循环卷积,解决对初始目标框敏感的问题.然后,基于定积分的几何意义与样本难易度提出难度敏感轮廓交并比损失函数,将轮廓参数进行整体回归.最后,利用2D循环卷积和难度敏感轮廓交并比损失函数完成实例分割.在Cityscapes、Kins、Sbd数据集上的实验证明文中方法的实例分割精度较优.

摘要：基于结构化SVM的目标跟踪由于其优异的性能而受到了广泛关注,但是现有方法存在正样本和负样本不平衡问题。针对此问题,该文首先提出一种用于目标跟踪的代价敏感结构化SVM模型,其次基于对偶坐标下降原理设计了该模型的求解算法,最后利用提出的代价敏感结构化SVM实现了一种多尺度目标跟踪方法。在OTB100数据集和VOT2019数据集上进行了实验验证,实验结果表明:该文方法相比相关滤波目标跟踪方法,跟踪精度较高,相比深度目标跟踪方法,具有速度优势。

摘要：针对大规模高密度的无线传感器网络(WSNs)实时监测和突发事件处理的应用背景,提出了一种新的基于网格的WSNs路由协议,即GBRP协议。重点对网格建立、网格节点休眠机制和网格间路由过程进行了优化设计。仿真分析了网格边长对于协议性能的影响,并通过与LEACH协议的比较分析,表明了GBRP协议是一种高能效的路由协议。

摘要：传统的机械式发火机作为某型多管火箭炮的点火装置,存在着操作和携带不方便且作战反应时间较长等缺点。数字式电子发火机由单片机控制电路、数字电路、数码管显示电路以及检测与发射电路5部分组成。采用AT89S51单片机作为控制芯片,利用Keil软件编写C语言控制程序,驱动两个数码管模块显示火箭炮发火系统的当前状态,并通过3个74LS154译码器精确控制多管火箭炮的发射与检测工作。该系统采用1套5VTTL直流电源和1套12V稳压直流电源,两者相互独立可以避免干扰。

摘要：目前军校课程思政教学正在如火如荼地展开,文章以数据库技术课程为例,探讨育才育人双向协行交互融入式的课程思政教学设计,旨在通过找准课程思政教学目标,把握课程思政教学原则,挖掘课程思政融合元素,并运用多种教学方法手段,将育人教育的“盐”有机融入育才教学的“汤”之中,实现军校育人育才双向协行,融合发力。

摘要：针对无线传感器网络实时监测和突发事件处理的应用需求,设计了无线传感器网络节点。节点采用超低功耗的MSP430F149单片机和具有多种工作模式的无线射频模块nRF905,采用了声音、磁性和加速度3种传感器,用于实现对环境数据的采集和目标信息的探测,同时通过蜂鸣器、麦克风以及音频信号的接收放大和解码电路实现节点间的测距。

摘要：AdaGrad将自适应矩阵应用到随机梯度下降法中,大大降低了工程上超参数搜索的高昂代价。AdaGrad不仅提供了优化方法自适应的研究思路,而且引领了深度学习优化方法新的研究方向,人们越来越多地考虑将自适应策略加入到优化算法的设计中去。对偶平均方法能够克服随机梯度下降法迭代后期收敛缓慢的固有弊端,并相较而言具有较高的收敛稳定性和灵活的步长策略,但自适应的对偶平均方法仍是空白。论文通过分析随机梯度下降法和对偶平均方法性能差异的本质原因,在保留对偶平均方法优势的基础上,将AdaGrad的自适应矩阵融入到方法框架中去,形成一种自适应的对偶平均方法:AdaDA,并通过一般凸函数优化分类实验验证算法的可行性与预期效果。

摘要：针对红外图像在提高分辨率的同时容易存在振铃效应及细节丢失的问题,提出一种多尺度卷积稀疏编码的快速超分辨率方法.首先将输入图像多尺度分解得到平滑分量和细节纹理分量,对最终的平滑分量进行双三次插值放大作为输出图像的平滑分量;然后通过叠加每个尺度的高分辨率滤波器及其对应尺度的高分辨率特征映射卷积后求和,得到输出图像的高频纹理结构,其中,每个尺度的高分辨率特征映射是由对应尺度的低分辨率特征映射通过放大和保稀疏的映射函数变换得到,而滤波器利用较少的可分离滤波器线性表示且卷积迭代求解过程优化.对通用性及实验室采集的红外图像的实验结果表明,同改进前的算法相比,文中方法提高了图像的峰值信噪比,不仅在保持良好的一致性基础上实现高分辨率图像的复原,而且有效地抑制了振铃效应;图像边缘纹理明显,也有效地提高了处理速度.