基于GAN的异常检测研究综述

深度学习中生成式对抗网络（GAN）具有强大拟合训练数据分布能力,在应用到异常检测领域时可有效准确识别异常图像．针对异常检测领域中传统有监督学习算法存在大量已知标记样本训练的局限性,以无监督学习GAN的异常检测模型为研究对象,阐明生成对抗网络的基本原理、网络结构及相关理论,详细介绍了近年来十种典型的基于GAN的异常检测模型,经过比较各衍生模型的异同,总结出各自的优势、局限性和应用场景,通过分析GAN在异常检测领域研究中所面临的问题及挑战,展望了未来的研究方向主要是解决模型的稳定性、计算效率、生成样本的精度、异常区域定位、异常评价机制等问题．     

基于NB-IoT的智慧路灯检测系统

随着城市建设的飞速发展,城市道路需求量及规模不断增大,城市路灯照明的能源消耗也不断增多,而传统路灯照明主要采用手动、定时控制等方式,存在智能化低、浪费电等缺点.因此,该文提出了一种基于NB-IoT的路灯检测系统方案.首先,系统可实时检测路灯状态和环境信息并将准确的信息传送至云平台;其次,系统根据采集的信息,自动调节路灯亮灭,并且用户可通过电脑和手机等远程查询路灯状态和环境信息.实验表明：该系统容易组网,能准确采集和传送数据至云平台,实现了路灯采集节点、NB-IoT基站、EPC核心网及云平台之间的实时通信,系统运行效果良好,可为智慧路灯远程检测提供部分数据支持.     

《成才之路》连续两年进入龙源TOP 100阅读排行榜

为进一步提高办刊质量,本刊自2012年5月起。正式启用“中国知网学术不端文献检测系统与”与“万方数据论文相似性检测系统”。检测系统可有效检测来稿是否存在抄袭、伪造、篡改、     

基于视觉的道路图像识别技术研究

道路图像识别技术在智能车辆、辅助驾驶、移动机器人等领域中得到了广泛应用,基于视觉的道路图像识别技术已成为众多学者研究的课题。介绍了几种不同的道路识别技术,并着重对基于特征的方法进了阐述,提出了基于区域特征的分水岭算法及改进方法,然后就道路图像的边缘检测进行了分析,最后给出了该领域的研究方向和发展趋势。     

Ajax安全性问题及对策

系统全面地分析了Ajax应用程序的安全隐患,包括Ajax程序对传统Web程序中存在的一些安全隐患如SQL注入攻击、跨站脚本攻击XSS、跨站请求伪造攻击CSRF等进一步加重以及新增的如JSON注入、JSON劫持等额外的安全隐患,对每种情况作了具体的分析,给出了对应的解决方法.并针对Ajax程序本身的特点,给出了一个以严格输入验证和Web入侵检测为总体指导思想的解决策略.     

传感信号检测与智能仪表一体化实验装置研制

传感信号检测与智能仪表一体化实验装置融合了传感器测试技术、智能仪表技术、虚拟仪器技术、单片机技术、计算机技术。功能包括传感信号检测、调理、数字化处理、上位机数据分析管理。该实验装置的工作原理完全开放,应用功能的扩展与升级空间大,具有性价比高,维护、升级方便的特点,能够完整体现出传感器信号检测、转换技术应用的层次性、系统性。同时也体现出模拟仪表、数字化仪表、智能仪表、虚拟仪表四代仪器仪表技术的发展进程。     

一种主题型Web爬行器的设计和实现

随着WWW的迅猛发展,对获取和分析与特定主题相关的网页变得越来越来困难了.本文在对主题型Web搜索的关键技术及其实现要点进行研究和分析后,设计和实现了一个主题搜索引擎核心部分--主题型Web爬行器的原型.     

基于YOLOv5s的母猪基础行为识别

目的:探究机器视觉技术在母猪行为识别中的应用,以及提高遮挡情况下的识别精度。方法:本研究基于YOLOv5s算法,针对母猪的站、坐、躺、爬、趴等5种行为,建立母猪行为识别模型。通过使用图像处理技术优化训练数据集,识别模型添加CBAM注意力模块,提高对被遮挡母猪行为的检测精度,最终实现复杂环境下母猪的行为识别,为判断母猪当前状态提供参考。结果:经过优化与反复训练,模型最终检测的精度值较高,达到97.58%,召回率为89.69%,单张图片识别时间约为0.047 s,精确度比未优化前提升了1.23%。结论:应用YOLOv5s可实现母猪的行为识别,且准确率较高,识别时间较短,识别结果与人工识别结果基本一致,符合猪场实际的养殖要求。     

基于改进YOLOv5算法的红外图像行人目标检测

针对红外图像中行人检测算法准确率低、漏检等问题,提出了一种基于改进YOLOv5s的红外行人目标检测方法。首先,利用Transformer编码结构替换C3模块中的Bottleneck结构,以加强检测网络的特征融合能力;其次,利用递归门控卷积gnConv对视觉感受野模块RFB进行改进,并在YOLOv5s头部检测网络前加入改进的RF-gnConv模块,以提高模型对各种复杂场景行人检测的适应力;最后,利用OTCBVS数据集对算法模型进行验证。结果显示：改进后的算法模型平均精度均值达到97.3%,检测速度为63帧/s,验证了改进算法对红外图像中行人检测的有效性。     

BP神经网络在列车异物检测中的应用

通过惯性校正方法和重新构造响应函数法来克服BP神经网络学习算法上存在收敛速度慢,容易陷入局部极小的问题,对BP网络学习算法进行了改进.利用小波多尺度边缘检测对列车异物图像进行分割和特征提取,并利用矩不变量特征和改进BP神经网络对列车异物自动识别和分类,实验结果表明使用这种方法使得系统具有更好的稳定性和更快的响应速度.