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

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。在室外場景中進(jìn)行的多組實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。

基于視覺采樣原理，該文提出了一般化的視覺采樣聚類方法VSC。該方法將視覺原理與著名的Weber定律結(jié)合起來，其特點(diǎn)是：對(duì)聚類初始條件不敏感；Weber定律提供了新的聚類有效性標(biāo)準(zhǔn)，并且該方法所得到的合理的聚類數(shù)可以依據(jù)Weber定律而得到。大量的實(shí)驗(yàn)結(jié)果表明了算法VSC的有效性。文中討論了算法VSC與由Yang Miin-Shen等人(2004)新近提出的基于相似度量的聚類算法SCA之間的內(nèi)在聯(lián)系，得出了這兩個(gè)算法具有一定的同解性質(zhì)，從而揭示了該文所提方法VSC能夠有效地克服算法SCA中參數(shù) 不易確定的困難。

為克服多重代理簽名方案中無法確認(rèn)誰是真正簽名者的弱點(diǎn)，Sun于1999年提出了不可否認(rèn)的代理簽名方案。2000年Hwang等人指出Sun的方案不安全，并對(duì)Sun的方案進(jìn)行了改進(jìn)，2004年 Tzeng, Tan, Yang各自對(duì)Hwang等人的方案進(jìn)行了安全性分析，指出Hwang方案容易受到內(nèi)部偽造攻擊。該文通過讓原始簽名組與代理簽名組互動(dòng)來實(shí)現(xiàn)秘密共享和密鑰分配的方法，設(shè)計(jì)了一種新的安全的多重代理、多重簽名方案，它能夠滿足不可否認(rèn)性和不可偽造性的要求。

Gu-Zhang-Yang(2005)提出了一個(gè)不需要可信第三方參與的匿名代理簽名方案，由于該方案的簽名驗(yàn)證數(shù)據(jù)中沒有回避孤懸因子這一現(xiàn)象，因此并不滿足強(qiáng)不可偽造性，原始簽名人可以偽造一個(gè)有效的代理簽名通過驗(yàn)證，并成功地在代理簽名者身份揭示階段向公眾證明該偽造的代理簽名是由合法的代理簽名者產(chǎn)生的。本文在分析該方案安全性的基礎(chǔ)上提出了改進(jìn)的匿名代理簽名方案，克服了原方案的不足。

針對(duì)目前深度學(xué)習(xí)單階段檢測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。