董云云
- 作品数：26 被引量：1H指数：1
- 供职机构：云南大学更多>>
- 相关领域：自动化与计算机技术更多>>
- 多维数据索引架构研究
- 随着网络应用的快速发展，因特网产生的数据呈现爆炸式增长，要高效地实现这种海量数据的索引就成了一个重大的问题，对于多维数据索引就更是非常困难。虽然云计算作为一种新兴的计算基础设施，可以把大量数据放在一个资源池，让多台计算机...
- 董云云
- 关键词：分布式索引海量数据最近邻查询云计算分裂合并算法
- 基于文本改写模型的隐写文本生成方法
- 本发明公开了一种基于文本改写模型的隐写文本生成方法，采用预训练降噪自编码模型BART完成文本改写任务，对数据集进行数据增强构建了微调数据集对模型进行微调，利用条件限制编码进行二次微调来控制输出文本的长度。在信息嵌入阶段，...
- 董云云李钒效巫思杏周维
- 攻击无依赖的可迁移对抗样本检测方法
- 本发明公开了一种攻击无依赖的可迁移对抗样本检测方法，构造自编码网络模型、全局互信息估计模型、局部互信息估计模型和先验分布匹配判别模型，采用训练样本图像集对以上模型进行联合训练，在联合训练时，先固定先验分布匹配判别模型的参...
- 高嵩周维王晓璇董云云武丽雯姚绍文
- 基于隐写区域预测的图像隐写分析方法
- 本发明公开了一种基于隐写区域预测的图像隐写分析方法，从所收集图像中随机选择部分图像采用预设的图像隐写算法进行隐写操作，将未进行隐写操作的图像和进行了隐写操作的图像共同构成样本集，并对样本集中的图像生成真实的隐写二值图像，...
- 董云云范锐周维宋冰冰
- 基于流模型的生成式图像隐写方法
- 本发明公开了一种基于流模型的生成式图像隐写方法，根据实际需要收集若干预设尺寸的图像作为秘密图像构成训练样本集，构建包括输入流模型、隐向量重构模块、图像采样模块、隐向量替换模块和双分支流模型的图像隐写模型，采用训练样本集对...
- 董云云程可宋冰冰韦平周维
- 基于Flow模型的卫星图像篡改检测方法
- 本发明公开了一种基于Flow模型的卫星图像篡改检测方法，构建用于图像的Flow模型并采用未被篡改的卫星图像样本进行训练，将各个未被篡改的卫星图像样本输入Flow模型得到对应的隐空间图像样本，采用隐空间图像样本对构建的自编...
- 王汝欣贺胜红周维董云云
- 基于关键点过滤的图像复制－移动伪造检测方法
- 本发明提供一种基于关键点过滤的图像复制－移动伪造检测方法，包括以下步骤：S1、提取原始图像以及放大一倍、两倍的关键点特征和描述符信息；S2、关键点特征格式化；S3、原始图像关键点匹配与过滤；S4、过滤结果与放大一倍后关键...
- 董云云岳广宇周维段清
- 基于条件扩散模型的单一图像超分辨率方法
- 本发明公开了一种基于条件扩散模型的单一图像超分辨率方法，获取图像样本并下采样生成低分辨率图像，对低分辨率图像进行上采样生成噪声图像并去噪得到对应的超分辨率图像，从而得到训练样本；根据实际需要构建条件扩散模型，将训练样本中...
- 董云云石宇王汝欣周维张锦弘
- 针对可逆神经网络的可视化解释方法
- 2023年
- 为了更好地理解深度神经网络(DNN,deep neural network)在应用过程中出现的决策依据未知以及容易受到对抗攻击等安全问题,模型可解释性受到广泛关注。虽然越来越多的学者针对传统深度神经网络的可解释性进行了研究,但对可逆神经网络的运行机制和可解释性的探索还存在不足,且现有针对传统深度神经网络的解释方法不适用于可逆神经网络,存在噪声大、梯度饱和等问题。因此,提出一种针对可逆神经网络的可视化解释方法,其基于类激活映射机制,利用可逆神经网络的可逆特性探索特征图与输入图像之间的区域对应关系,使得区域特征图的分类权重可映射到输入图像的对应区域,得到输入图像每个区域对模型决策的重要程度,从而生成模型决策依据。在通用数据集上,将所提方法与其他解释方法进行实验比较,所提方法取得了更集中的视觉效果,在识别任务中,相较于次优方法平均下降(AD,average drop)指标提升7.80%,平均上升(AI,average increase)指标提升6.05%,热值最大点的定位水平达到82.00%,同时,所提方法可以对传统深度神经网络进行解释且其良好的扩展性可以提高其他方法对可逆神经网络的解释性能。另外,在对抗攻击解析实验中发现,对抗攻击使得模型的决策依据发生改变,体现在模型的关注区域发生错位,这有助于探究对抗攻击的运行机制。
- 牟新颖宋冰冰李钒效郑奕森周维董云云
- 关键词：可视化
- 基于条件标准流模型的黑盒对抗样本生成方法
- 本发明公开了一种基于条件标准流模型的黑盒对抗样本生成方法，首先使用白盒攻击方法生成原始图像对应的对抗样本，得到训练数据集，构建包括卷积神经网络和条件GLOW模型的条件标准流模型，其中卷积神经网络对原始样本提取图像特征作为...
- 刘仁阳王汝欣董云云李钒效闻永明
