一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

Whitenoise是由BSB Utilities公司提出的一個(gè)序列密碼算法。Wu在2003年8月巧妙地給出了破譯Whitenoise算法的一個(gè)解方程組方法。該文對(duì)Wu的破譯算法進(jìn)行了深入分析, 證明了Wu方法的兩個(gè)基本假設(shè)是錯(cuò)誤的, 因而Wu的方法不可能求出正確密鑰。此外, 該文還對(duì)Wu的破譯方法進(jìn)行了改進(jìn), 給出了求解Whitenoise密碼的秘密整數(shù)和秘密素?cái)?shù)的方法, 并給出了對(duì)Whitenoise密碼的一個(gè)預(yù)測(cè)攻擊方法, 利用該方法可由其前80445個(gè)亂數(shù)求出其任一時(shí)刻的亂數(shù)。此外, 該文還給出了求出其全部秘密要素的一個(gè)思路。

本文發(fā)展了T.T.Wu教授(1985)提出的電磁導(dǎo)彈理論,總結(jié)出能產(chǎn)生電磁導(dǎo)彈效應(yīng)的激勵(lì)信號(hào)頻譜漸近條件,提出了幾種可能的電磁導(dǎo)彈系統(tǒng)。

該文對(duì)可轉(zhuǎn)變認(rèn)證加密進(jìn)行了研究，指出了Wu-Hsu(2002)方案和Huang-Chang(2003)方案中存在的問題，分別給出了這兩個(gè)方案的改進(jìn)方案，很好地解決了認(rèn)證加密方案的公開驗(yàn)證問題。

借鑒變色龍視覺的高度獨(dú)立性、對(duì)稱性、全局性與選擇性兼顧等特點(diǎn)，該文提出一種基于雙PTZ (Pan-Tilt-Zoom)相機(jī)的主從跟蹤方法。由于兩個(gè)相機(jī)的對(duì)稱性和參數(shù)可變性、可控性，這種方法相對(duì)于靜止加主動(dòng)相機(jī)的主從跟蹤系統(tǒng)，可以增大監(jiān)控范圍；相對(duì)于多靜止加主動(dòng)相機(jī)的系統(tǒng)，可減小硬件開銷；相對(duì)于全向加主動(dòng)相機(jī)的系統(tǒng)，更有利于信息融合。該文設(shè)計(jì)了基于球面坐標(biāo)模型的主從控制方法，可方便實(shí)現(xiàn)兩相機(jī)在任意pan-tilt-zoom參數(shù)下的主從模式跟蹤，實(shí)現(xiàn)對(duì)目標(biāo)的多尺度視覺關(guān)注。在室外場(chǎng)景中進(jìn)行的多組實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。

Soo-Chang Pei,Ja-Ling wu(1986)和茅一民(1987)提出了長(zhǎng)度為2m的分離基2/4哈脫萊變換算法。本文將分離基算法推廣到長(zhǎng)度為pm的哈脫萊變換,并證明基p2算法實(shí)乘次數(shù)比基p算法少,而基p/p2算法實(shí)乘次數(shù)比前兩者都少。作為例子,給出了長(zhǎng)度為N=3m的基3/9哈脫萊變換快速算法和流圖。

針對(duì)目前深度學(xué)習(xí)單階段檢測(cè)算法綜合性能不平衡以及在嵌入式設(shè)備難以部署等問題，該文提出一種面向嵌入式平臺(tái)的高性能目標(biāo)檢測(cè)算法?；谥豢?次5代 (YOLOv5)網(wǎng)絡(luò)，改進(jìn)算法首先在主干網(wǎng)絡(luò)部分采用設(shè)計(jì)的空間頸塊代替原有的焦點(diǎn)模塊，結(jié)合改進(jìn)的混洗網(wǎng)絡(luò)2代替換原有的跨級(jí)局部暗網(wǎng)絡(luò)，減小空間金字塔池化 (SPP)的內(nèi)核尺寸，實(shí)現(xiàn)了主干網(wǎng)絡(luò)的輕量化。其次，頸部采用了基于路徑聚合網(wǎng)絡(luò) (PAN)設(shè)計(jì)的增強(qiáng)型路徑聚合網(wǎng)絡(luò) (EPAN)，增加了P6大目標(biāo)輸出層，提高了網(wǎng)絡(luò)的特征提取能力。然后，檢測(cè)頭部分采用以自適應(yīng)空間特征融合 (ASFF)為基礎(chǔ)設(shè)計(jì)的自適應(yīng)空洞空間特征融合 (A-ASFF)來替代原有的檢測(cè)頭，解決了物體尺度變化問題，在少量增加額外開銷情況下大幅提升檢測(cè)精度。最后，函數(shù)部分采用高效交并比 (EIoU)代替完整交并比 (CIoU)損失函數(shù)，采用S型加權(quán)線性單元 (SiLU)代替HardSwish激活函數(shù)，提升了模型的綜合性能。實(shí)驗(yàn)結(jié)果表明，與YOLOv5-S相比，該文提出的同版本算法在mAP@.5，mAP@.5:.95上分別提高了4.6%和6.3%，參數(shù)量降低了43.5%，計(jì)算復(fù)雜度降低了12.0%，在Jetson Nano平臺(tái)上使用原模型和TensorRT加速模型進(jìn)行速度評(píng)估，分別減少了8.1%和9.8%的推理延遲。該文所提算法的綜合指標(biāo)超越了眾多優(yōu)秀的目標(biāo)檢測(cè)網(wǎng)絡(luò)，對(duì)嵌入式平臺(tái)更為友好，具有實(shí)際應(yīng)用意義。

非局部稀疏表示模型，如聯(lián)合稀疏(JS)模型、低秩(LR)模型和組稀疏表示(GSR)模型，通過有效利用圖像的非局部自相似(NSS)屬性，在圖像去噪研究中展現(xiàn)出巨大的潛力。流行的基于字典的JS算法在其目標(biāo)函數(shù)中利用松馳的凸懲罰，避免了NP-hard稀疏編碼，但只能得到近似的稀疏表示。這種近似的JS模型未能對(duì)潛在的圖像數(shù)據(jù)施加低秩性，從而導(dǎo)致圖像去噪質(zhì)量降低。該文提出一種新穎的低秩正則聯(lián)合稀疏(LRJS)模型，用于求解圖像去噪問題。提出的LRJS模型同時(shí)利用非局部相似塊的LR和JS先驗(yàn)信息，可以增強(qiáng)非局部相似塊之間的相關(guān)性(即低秩性)，從而可以更好地抑制噪聲，提升去噪圖像的質(zhì)量。為了提高優(yōu)化過程的可處理性和魯棒性，該文設(shè)計(jì)了一種具有自適應(yīng)參數(shù)調(diào)整策略的交替最小化算法來求解目標(biāo)函數(shù)。在兩個(gè)圖像去噪問題(包括高斯噪聲去除和泊松去噪)上的實(shí)驗(yàn)結(jié)果表明，提出的LRJS方法在客觀度量和視覺感知上均優(yōu)于許多現(xiàn)有的流行或先進(jìn)的圖像去噪算法，特別是在處理具有高度自相似性的圖像數(shù)據(jù)時(shí)表現(xiàn)更為出色。提出的LRJS圖像去噪算法的源代碼通過以下鏈接下載：https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234，提取碼：1234。