- 博客(5)
- 收藏
- 关注
RSS订阅原创 从脆弱性到鲁棒性：计算机视觉领域补丁攻击与防御综述
对抗性补丁攻击对计算机视觉系统构成严重威胁，本文系统综述了相关攻击与防御技术。文章提出新的面向任务分类法，将攻击方法按视觉应用（分类、检测、分割等）分类，并将防御策略归纳为三类：补丁定位移除、输入转换重建、模型修改训练。研究指出当前挑战包括鲁棒性与效用的平衡、应对自适应攻击、确保物理世界可靠性，并展望了未来研究方向。该综述为构建可靠视觉系统提供了系统性参考框架，涵盖2015-2025年最新研究成果。
2025-12-19 03:54:28
912
原创 AGFA-Net：一种基于注意力机制和特征聚合的冠状动脉分割网络，用于计算机断层扫描血管造影图像分析
本文提出了一种基于注意力引导特征聚合网络(AGFA-Net)的冠状动脉CT血管造影(CCTA)图像分割方法。针对冠状动脉尺寸差异大、解剖结构复杂和图像对比度低等挑战，该方法整合了特征细化模块(FRM)、尺度自适应特征增强(SAFA)模块和分层特征集成模块(HFIM)。实验结果表明，在1000例CCTA图像数据集中，AGFA-Net在5折交叉验证中取得平均Dice系数86.74%和95% Hausdorff距离0.82mm的优异性能，显著优于现有方法。该方法为冠状动脉疾病诊断提供了可靠的自动化分割解决方案。
2025-12-18 14:46:19
904
原创 一种用于智能车载网络中安全可审计视频数据的去中心化数字水印框架
本文提出了一种用于智能车载网络（IoV）的去中心化数字水印框架D2WaVe，旨在解决智能交通系统中的视频数据安全挑战。该框架由基于GAN的特征集成和注意力增强水印模型FIAE-GAN与区块链视频认证方案BloVA组成。FIAE-GAN通过编码器-噪声-解码器结构实现水印的不可见性和抗攻击能力，BloVA则利用区块链和IPFS确保数据存储的完整性和可审计性。实验验证表明，该方案能有效保护IoV视频数据的真实性与安全性，为智能交通系统提供了创新的安全保障方案。
2025-12-18 14:36:04
715
原创 Pytorch 学习2
调用 tensor.data，可以得到 tensor的数据 + requires_grad=False 的版本，而且二者共享储存空间，也就是如果修改其中一个，另一个也会变。官方建议使用 tensor.detach() 来替代它，二者作用相似，但是 detach 会被自动求导系统追踪，使用起来很安全.对于每个batch大都执行了这样的操作： # zero the parameter gradients optimizer.zero_grad() # forward + backward + opt.
2022-01-10 17:55:51
518
原创 Pytorch学习1
设置为CPU还是GPU：device = torch.device(“cuda” if (use_cuda and torch.cuda.is_available()) else “cpu”)device = torch.device(“cpu”)将一个array转换成tensor:I0=torch.from_numpy(I00)记录一个tensor的梯度：alpha = alpha.to(device)alpha.requires_grad = True想要I0和 I1一致：用： I
2022-01-09 23:57:37
699
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人