摘要:针对现有深度学习算法修复壁画图像时，未充分考虑破损区域与完好区域信息的一致性，导致修复结果易出现边界效应和纹理模糊等问题，提出了一种联合特征推理和语义增强的渐进式壁画修复算法.首先，设计区域渐进结构，实现了待修复区域的渐进式收缩修复.然后，利用特征推理模块，对缺失像素的特征值进行迭代推理填充，减小壁画修复重构误差，增强壁画破损区域与完好区域之间的相关性.最后，将各层特征图自适应融合，并采用语义增强模块进行纹理细节迁移，提升壁画补全区域和整体的一致性.敦煌壁画数字化修复实验表明：所提方法修复结果具有更好的纹理细节一致性，在主客观评价指标上均优于比较算法.

摘要:当前去雾算法无法很好解决不均匀雾霾图像去雾的问题，为此提出了一种宽型自注意力融合的条件生成对抗网络图像去雾算法.在算法中加入了宽型自注意力机制，使得算法可以为不同雾度区域特征自动分配不同权重；算法特征提取部分采用DenseNet融合自注意力网络架构，DenseNet网络在保证网络中层与层之间最大程度的信息传输的前提下，直接将所有层连接起来，获取更多的上下文信息，更有效利用提取的特征；融合自注意力可以从编码器部分提取的特征中学习复杂的非线性，提高网络准确估计不同雾度的能力.算法采用Patch判别器，增强去雾图像的局部和全局一致性.实验结果证明，算法网络在NTIRE 2020、NTIRE 2021和O-Haze数据集上的定性比较，相比于其他先进算法得到更好的视觉效果；定量比较中，相较于所选择先进算法的最好成绩，峰值信噪比和结构相似性指数分别提高了0.4和0.02.

摘要:受限于夜景光照不足等影响，夜视成像中的部分内容极易缺失或模糊，导致这部分的彩色化效果不佳.为此，本文提出了一种基于生成对抗网络的夜视图像彩色化算法， 通过对纹理细节的修复来提升图像模糊区域的彩色化效果.首先，在模糊区域修复中，利用下采样操作减少模糊图像块的比例，并用梯度调节预测器对模糊图像块周围的像素值进行预测，以此来不断增强和修复模糊的纹理细节.其次，在彩色化过程中，依托于生成的超分辨率图像和已有的先进对抗网络着色模型，通过最小化亮度和纹理等失真，来生成较为清晰的彩色图像.实验结果表明，经过模糊区域恢复和增强之后，灰度图像的PSNR平均提升0.33 dB.相比之前的夜视图像彩色化方法，本文方法可以赋予灰度夜视图像更丰富、自然的色调，更清楚地表达图像的细节，从而提高目标探测和识别效率.

摘要:人脸图像修复旨在修复输入人脸图像中的缺失区域，生成令人满意的高质量修复结果.然而当存在大面积缺失时，直接修复缺失人脸图像十分困难，此时修复网络的全局上下文信息感知能力是影响修复结果的关键.鉴于此，本文提出了软硬注意力相结合的双重自注意力模块.该模块通过全局相似度计算来获得软硬两种注意力特征，之后对两种注意力特征进行自适应融合，进而提高修复网络对全局上下文信息的感知能力.此外，本文进一步提出了多尺度生成对抗网络以加强对修复结果的监督，促使修复网络生成更高质量的修复结果.实验结果表明，本文方法在定量和定性评测上均优于五种先进的对比方法.

摘要:为解决现有图像修复算法因缺乏上下文信息和有效的感受野导致修复大面积随机破损时效果差且只能修复低分辨率图像的缺陷，提出了基于残差变换器的并行傅里叶卷积修复算法.首先，提出基于变换器的改进残差网络模块提取待修复图像的纹理特征；然后，设计并行快速傅里叶卷积模块增强损失图像的高度有效感受野捕捉结构信息；最后，提出门控双特征融合模块交换和结合图像的结构与纹理分量，融合上下文特征，改善生成纹理的细粒度.在两个公开数据集上进行定性和定量实验，实验结果表明：所提算法可有效修复结构复杂且纹理精细的随机不规则大面积破损区域，生成结构合理、纹理细腻和语义丰富的高保真图像，并能用于高分辨率图像的目标移除.

摘要:针对图像超分辨率重建算法在图像高频信息恢复过程中特征提取不充分、利用效率不高、重建高频细节能力不足等问题，本文提出了一种基于信息蒸馏级联伸缩网络的图像超分辨率重建算法.首先，构建特征可伸缩的信息蒸馏块，通过扩大信息蒸馏中输入信息的特征感受野，以及采用通道注意力提取感兴趣信息，解决了信息蒸馏的图像超分辨率重建非线性映射过程中特征提取不充分的问题；然后，设计级联残差叠加映射块，该块将多个残差块组合在一起，通过将残差结构中的残差部分引出并采用级联叠加的方式，增加了信息蒸馏块间信息的传递，使提取的特征信息包含更多细节.实验结果表明，本文算法重建图像相比其他对比算法更为清晰，峰值信噪比（PSNR）和结构相似度（SSIM）均有较大的提升.

摘要:在深度有监督哈希图像检索的特征提取过程中，一直由卷积神经网络架构主导，但是随着Transformer在视觉领域中的应用，Transformer替代卷积神经网络架构成为可能.为了解决现存基于Transformer的哈希方法中不能生成层次表示和计算复杂度高等问题，提出了一种基于Swin Transformer的深度有监督哈希图像检索方法.该方法以Swin Transformer网络模型为基础，在网络最后添加一个哈希层，为图像进行哈希编码.该模型中引入了局部思想和层级结构，能够有效解决上述问题.与现有的13种先进方法相比，所提方法的哈希检索性能得到大幅提升.在两个常用检索数据集CIFAR-10和NUS-WIDE上进行实验，实验结果表明：在CIFAR-10数据集上所提方法mAP最高达到98.4%，与TransHash方法相比平均提高7.1%，与VTS16-CSQ方法相比平均提高0.57%；在NUS-WIDE数据集上所提方法mAP最高达到93.6%，与TransHash方法相比平均提高18.61%，与VTS16-CSQ方法相比检索精度平均提高8.6%.

摘要:针对现有对抗样本检测方法存在检测准确率低和训练收敛速度慢等问题，提出一种基于图像去噪技术和图像生成技术实现的对抗样本检测方法.该检测方法将对抗样本检测问题转换为图像分类问题，无须事先得知被攻击模型的结构和参数，仅使用图像的语义信息和分类标签信息即可判定图像是否为对抗样本.首先，采用基于swin-transformer和vision-transformer实现的移动窗口式掩码自编码器去除图像中的对抗性噪声，还原图像的语义信息.然后，使用基于带有梯度惩罚的条件生成式对抗网络实现的图像生成部分根据图像分类标签信息生成图像.最后，将前两阶段输出的图像输入卷积神经网络进行分类，通过对比完成去噪的图像和生成图像的分类结果一致性判定检测图像是否为对抗样本.在MNIST、GTSRB和CIAFAR-10数据集上的实验结果表明，相比于传统检测方法，本文提出的对抗样本检测方法的平均检测准确率提高6%~36%，F1分数提高6%~37%，训练收敛耗时缩减27%~83%，存在一定优势.

摘要:针对在游乐场、公园等公共安全区域因无人机的尺度变化实时检测困难和计算资源有限的问题，提出一种网络动态实时检测无人机方法YOLO-Ads，以增加网络对无人机尺度变化的鲁棒性.首先自主构建了无人机数据集；其次将轻量化网络作为主干建立一个新的MDDRDNet网络，减小模型计算的复杂度，并且引入协调注意力机制模块，加强网络对空间和通道的关注度；然后采用均值聚类算法，重新生成先验框，在先验框的选择上结合多探测头和多数据集的寻优办法，使重新生成的先验框与无人机更加匹配；然后基于特征融合和残差思想建立一个新的探测头以适应更小尺度无人机的检测；最后，在检测模块中引入类激活映射模块生成热力图，以观察网络对无人机尺度变化的敏感程度，同时与当前主流网络SSD、CenterNet、YOLOv5、YOLOx等和不同主干网络ResNet、EfficientNet、VGGNet等进行对比实验.实验结果表明，新提出的算法在尺度变化的无人机检测上平均精度达到96.62%，相较YOLOv4算法提高了1.88%；检测速度为每秒47帧，相较YOLOv4算法提高了19帧；模型所占内存大约为10.844 M，约为原内存的六分之一，体现了该方法的有效性和鲁棒性.

摘要:面对不断进步的图像编辑技术，发展相应的图像取证技术显得尤为重要.针对现有图像篡改检测技术中存在的可检测操作类型单一、鲁棒性不强、篡改区域定位不足等问题，提出一种基于卷积神经网络的多操作图像篡改检测方案.在该网络中，通过构造基于残差块的卷积流以提取操作特征.然后，设计一个多尺度特征融合模块，实现不同尺寸的操作特征融合.最后，将融合后的操作特征输入多分支预测模块进行篡改类型预测与定位，得到多操作检测结果.本文制作了多操作图像篡改数据集，对提出的网络模型进行训练和测试.实验结果表明，本文方案与主流的目标检测网络相比，能够更准确地对篡改区域进行定位，参数量更少，且对常见的图像后处理具有更好的鲁棒性.

摘要:客观因素导致临床获得的眼底OCT图像存在对比度差、病灶区域边缘模糊等现象.为解决上述问题，借鉴鹰视觉系统的信息处理机制，提出单幅OCT图像的超分辨率重建方法EOTRN.它仿照鹰眼视顶盖逐步扩大感受野的思路，从纵、横两维度逐级挖掘高级语义特征.纵向维度上借助空洞卷积、密集连接、通道注意力实现感受野逐步扩大、不同网络层特征传播及不同通道特征间的“竞争”与“合作”，完成低频信号的高级语义特征的初步提取.横向维度上借助64个特征子空间剔除高级语义特征中的冗余信息，校正并突出显著信息，实现病灶区域的纹理、轮廓特征强化.最后对底层语义特征和高级语义特征进行上采样和深层重建，得到高清OCT图像.仿真表明，在×4放大倍数时，EOTRN对测试集3的PSNR和SSIM值比EMASRN分别提高了0.96%和1.36%，重建图像能够突出细节信息，真实反映眼底健康状况.EOTRN的参数量较少，适用于嵌入式系统的部署，实现眼底OCT图像的实时超清重建.

摘要:为了捕获肺部CT影像中结节的三维不规则性并提高其诊断精度，本文设计了一种由筛到诊的双三维卷积神经网络（d3D-CNN）结节诊断模型.首先，构建了一个轻型3D-CNN网络，且将它与全卷积运算相结合，利用卷积运算的高优化性，完成结节筛选并生成疑似区域；然后，利用空间-切片注意力机制自动学习疑似区域在空间和切片序列上的偏移量，设计可变形3D卷积模块，且将它与ResNet101相结合而构造成一个高精度3D-CNN结节诊断网络，用于对筛选出的疑似区域进行最终判决.对比实验结果表明，所提模型在误报率为1的情况下，召回率达到88.9%，有效地提高了肺结节良恶性诊断精度.

摘要:为解决安全帽数据集上识别率较低的问题，本文提出了一种基于改进CenterNet网络结构的检测方法.针对CenterNet多分类时热度图预测结果较差的问题，本文尝试在损失函数上进行改进，提出了Focal-Mse-One损失以及Focal-Mse-Guss损失，并且对这两个损失函数以及原始的Focal损失函数进行对比；针对CenterNet对推理过程中特征图复用性不高的问题提出了ASFF和DASFF结构并进行比较.实验结果表明，在GeForce GTX 1050显卡上推理速度可以达到20.78帧.在安全帽数据集上IOU为0.5时mAP值可达81.43%，相较于原始CenterNet提升了3.63%.文中提出的改进方法可以在没有明显增加推理时间的前提下明显提高安全帽的检测精度.

摘要:随着集成电路特征尺寸逼近物理极限，硅通孔（TSV）实现层间互连的三维集成电路（3D IC）成为延续摩尔定律的一种趋势.但现有集成电路设计工具、工艺库、设计方法尚不成熟，难以实现三维集成中超大尺寸基板芯片的时序收敛问题.为此，本文提出了一种利用现有传统的EDA工具完成基于TSV的3D IC物理设计的流程.首先，用热应力模型将三维硅通孔投影成二维阻挡层，从而将三维集成电路设计转化成若干含阻挡层的二维集成电路分别实现；其次，针对超大尺寸基板芯片的时序收敛困难问题，提出了一种标准单元布局方法，通过在版图中划定若干固定放置区用于限定关键时序单元的摆放，并迭代确定这些关键单元在固定放置区中的位置，实现大尺寸芯片的时序收敛.基于所提出的三维集成电路设计流程完成了一款三维集成的网络路由芯片基板芯片的设计，结果表明，相比传统的设计流程，提出的3D IC物理设计流程可使超大尺寸基板芯片从时序无法收敛优化到可收敛并满足时序要求，验证了所提出的3D IC物理设计流程的可行性.

摘要:本文提出了一种用于片上互连网络的低延迟高吞吐量动态虚拟输出队列路由器，该路由器可以利用前瞻路由计算和虚拟输出队列方案将路由器延迟减低到两个周期.仿真结果表明，与虫孔路由器和虚通道路由器相比，4×4网格上的网络吞吐量分别提高了46.9%和28.6%，并且在相同输入加速比下，性能比双缓冲虚通道路由器要高1.9%.在随机合成流量下，片上网络的零负载延迟也分别降低了25.6%和41%.设计实现结果表明，路由器的工作频率可以达到2.5 GHz.

摘要:随着集成电路制造工艺的进步与芯片集成度的提升，对于低功耗芯片的需求越来越大.时钟网络功耗占芯片总功耗的 40%以上，优化时钟网络的功耗已成为高性能集成电路设计中最重要的目标之一.本文提出了一种新的寄存器聚类方法来生成时钟树的叶级拓扑结构，通过限制群组的扇出、负载和范围，对寄存器进行合理分组，减少了缓冲器的插入数目和总布线长度，有效降低时钟网络功耗.将该方法整合到传统的时钟树综合（CTS）流程中，在ISCAS89 基准电路上测试并分析其有效性.实验结果表明，该寄存器聚类方法在不影响时钟树最大延时的情况下，有效减少了时钟网络20%以上的功率耗散和20%以上的时钟偏移.

摘要:在节能减排和激烈同行竞争的环境下，应用服务器集群的能耗与性能优化十分迫切.针对已有研究在性能指标和实时性方面的不足，提出一种集群能耗与性能实时优化方案.该方案结合采用线性加权法和主目标法优化集群功率与请求丢弃率这两个目标，将双目标优化转换成一个单目标约束优化.首先基于CPU频率等效连续调整模式下的服务器负载-功率模型，定义很少的变量将集群优化描述成混合整数二次规划问题，然后采用变量拆分和变量转换将其转化成混合整数线性规划（mixed integer linear programming，MILP）问题并引入特殊顺序集约束，最后采用Gurobi优化器求解该MILP.通过对CPU频率调整的进一步优化，大幅度减少了CPU频率的切换.多种场景下的测试表明，该方案的求解时间约在10 ms左右，特殊顺序集约束的引入使求解时间更为稳定，从而能够保证优化的实时进行.

摘要:围绕利用贪婪追踪算法的正交频分复用（orthogonal frequency division multiplexing， OFDM）调制系统的稀疏信道估计，研究了由于原子的错误选择所导致的恢复性能下降问题.基于针对贪婪追踪算法中最小二乘重构运算过程的分析，发现错误原子上存在严重的原子系数的过估计现象.在此基础上，提出了利用相邻符号间信道路径时延相关性的系数优化方案（coefficients optimization scheme， COS），用以提高原子选择错误时稀疏信道估计的准确性.仿真结果表明，将COS与传统的正交匹配追踪（orthogonal matching pursuit， OMP）算法和稀疏度自适应匹配追踪（sparsity adaptive matching pursuit， SAMP）算法融合，都有效地抑制了原子的错误选择对稀疏信道估计的影响，并且在低信噪比下提升了贪婪追踪算法的估计性能，在不同多径信道模型下的仿真测试中均具有较好的鲁棒性.

摘要:为了解决烟草供应链各环节数据海量异构、企业间信息壁垒高筑、追溯数据可信度低、监管乏力等问题，运用超级账本（Hyperledger Fabric）构建烟草区块链多链追溯系统，设计多链数据存储与监管模型，利用多链结构实现追溯数据共享与隐私数据隔离；应用Raft共识算法，制定背书策略，并通过设计智能合约实现消费者追溯及监管部门精准监管；同时开发追溯系统去中心化应用（DAPP），便于用户使用.为验证追溯系统可行性，利用Caliper对区块链多链追溯系统进行性能测试.在网络性能方面，区块链网络吞吐量稳定维持在150 tps；在可信度方面，区块链交易成功率100%；在合约效率方面，写入吞吐量稳定在150 tps，查询最低延时稳定在0.01 s，平均延时0.026 s.结果表明：该系统满足实际应用性能要求，能实现消费者防伪溯源、监管部门精准监管的需求.

摘要:针对现有农田传感节点信息化查询和本体知识构建的问题，分析农田墒情监测系统，提出了轻量级语义传感网络本体.从农田信息数据中抽取关系，设计FSSN本体注释方法，使用Tf-Idf算法分析农田本体语义权重，提出FSSN-SDRM算法构建农田墒情轻量级本体模型，对农作物生长环境进行分析，设定适宜性推理规则，使用Jena API对注释本体模型推理.根据农田传感节点采集的墒情信息，在轻量级中间件NVIDIA TX2平台上进行实验，查询数据库中推理信息的正确性，比较设备的响应时间.实验结果表明，轻量级FSSN注释本体将平均响应时间压缩至81 ms，相较于未注释本体缩短了41.4%的响应时间，TX2中时间比主机端缩短了12.81%，能够迅速并准确地进行农作物生长环境的适宜性判断，为农业信息化采集提供新的思路.

摘要:为解决多需求点间同时集送货问题，建立考虑需求拆分和转运的车辆路径模型.在模型中，加入车辆装载量动态变化约束、节点可多次访问约束和需求可拆分转运约束，提高问题的普遍性.在模型的优化算法中，算术、蚁群优化算法混合求解.通过算术蚁群算法嵌套优化模式，外层算术优化算法得到配送车辆的任务量，内层蚁群算法优化路径，并将结果反馈给外层算法继续更新求解，直至达到终止条件.同时，添加概率系数、增加算子位置更新公式和更新动态禁忌矩阵对混合算术蚁群算法改进，增加解的多样性，提高算法的求解效率.最后通过实例验证并与混合鲸鱼算法等比较，改进的算法解决本文问题效果更好.

摘要:事件检测是自然语言处理领域的重要任务之一，其结果可以有效支撑信息抽取、文本分类和事件推理等下游任务. 预训练语言模型BERT在事件检测任务上取得了显著的成绩，然而该类方法无法有效获取长距离和结构化的文本信息. 为了缓解该问题，本文提出基于反馈网络的图卷积神经网络模型进行文本结构信息捕获，同时这种新方法能够有效解决图卷积神经网络带来的语义信息衰减性问题. 本文首先使用BERT预训练模型获取文本的语义特征，然后使用融入反馈网络的图卷积神经网络提取文本的句法结构特征，最终使用多分类器实现对事件触发词的识别和分类.公开数据集ACE 2005上的实验结果表明，本文提出的事件检测方法在事件触发词识别和分类任务上的F1值分别达到了74.46%和79.49%，较现有工作平均提高了4.13%和4.79%.

摘要:脚本事件预测是指在给定现有上下文事件链的情况下预测后续事件.在现实世界中，不同事件的关系可以自然地表示为图结构，以事件为节点，以时间或因果关系为边.由于语料库规模有限和信息提取工具的能力不足，先前工作中自动构建的事件图会存在稀疏性问题，并且无法集成来自高阶节点的信息以支持多步推理.为了解决这个问题，本文提出使用可学习的多维加权邻接矩阵的稠密事件图（DEG）来解决之前事件图存在的稀疏性问题并表征事件之间的关系强度.为了实现DEG的嵌入表示，本文同时提出了一个通用框架，该框架能够将高阶事件演化信息组合到事件表示中.在多选叙事完形填空（multiple choice narrative cloze，MCNC）和连贯多选叙事完形填空（coherent multiple choice narrative cloze ，CMCNC） 数据集上进行了实验，结果证明了此框架的有效性.