吴克伟
- 作品数：93 被引量：207H指数：8
- 供职机构：合肥工业大学更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金安徽省自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程理学医药卫生更多>>
- 基于容器的轻量级工业控制系统网络安全测试床研究被引量：3
- 2021年
- 针对现有工业控制系统(ICS)测试床部署成本高、网络拓扑简单固定、难以共享等问题,提出了一种基于容器的轻量级ICS网络安全测试床构建方法。该方法将田纳西—伊斯曼过程模型及其控制算法分别封装为两类Docker容器镜像,根据Web图形化界面绘制工业控制网络拓扑,自动配置容器接口并连接成仿真工控网络,最终实现具有真实的工业控制网络数据流的ICS网络安全测试床。实验结果表明,该方法仅需要较少的系统资源,就可快速实现给定网络拓扑的测试环境,支持多种网络攻击测试,相比于其他ICS测试床,具有更好的资源使用、加载速度和可移植性,有利于ICS网络安全的测试、研究和教学工作。
- 张仁斌赵季翔杨戬吴克伟
- 关键词：网络安全测试床DOCKER
- 面向部件遮挡补偿的车辆检测模型被引量：3
- 2014年
- 目的复杂场景中多目标间的遮挡,会造成车辆视觉信息损失,致使车辆检测出现漏检问题。方法为解决遮挡车辆漏检问题,提出一种遮挡补偿模型,分析车辆部件的单视点/多视点可见概率,弥补已有基于部件的车辆检测模型对遮挡区域信息描述的不足。首先,通过外观模型估计车辆候选区域,确定车辆各部件的位置和相似程度,判定车辆部件的遮挡情况,并获得外观项和结构项;其次,计算车辆区域的单视点可见概率和多视点可见概率,并获取被遮挡的部件中心点对应的单视点/多视点可见概率,作为车辆检测的补偿项,调整遮挡部分的检测得分;最后,将车辆检测的外观项、结构项和补偿项,统一到遮挡补偿模型中,实现对候选区域的车辆判断。结果实验结果表明,对比于现有的车辆检测模型,本文算法在PASCAL、MSRC以及真实场景中车辆检测结果对应的P-R曲线性能更佳。结论该遮挡补偿模型在保持虚警率的同时,能够有效提升遮挡车辆的检测准确性。
- 陈远谢昭吴克伟
- 关键词：车辆检测遮挡
- 基于地面线索传播的道路目标深度估计方法
- 本发明公开了一种基于地面线索传播的道路目标深度估计方法，通过获取与地面接触的垂直物体场景深度分布，并利用区域间的边缘遮挡朝向关系，实现场景目标深度推理和估计。首先，获取道路图像的过分割超像素，对过分割超像素依次遍历，根据...
- 张鹿鸣谢昭吴克伟韩娜高扬童赟
- 文献传递
- 一种基于自适应时间结构深度网络的偷窃行为识别方法
- 本发明公开了一种自适应时间结构深度网络的偷窃行为识别方法。本发明采用分段方式，实现对长时视频的处理。针对段内特征相似度高而产生的信息冗余问题，通过估计段内时间结构的距离阈值，来计算段内每个视频帧的二值采样标记，去除段内冗...
- 谢昭江朝晖王冠吴克伟孙永宣
- 文献传递
- 单目图像深度结构恢复研究
- 2018年
- 针对现有的单个深度线索对深度感知不准确的问题,以Marr创建的由采集图像到成功构建三维信息的体系结构为基础,本文提出了一种结合多种深度线索的单目图像深度排序方法,实现室外场景中的单目深度排序任务。首先,对输入的单目图像进行超像素分割,确定要排序的目标。然后将分割的区域进行区域属性标记,分别标记为地面、天空、垂直物三个类别中的某一类。对于标记为天空的区域我们将其深度固定为最远,而标记为地面的区域将其深度值固定为最近,对于标定为垂直物的区域,结合局部区域之间的遮挡关系和消失点线索综合考虑。其次,构建图模型,结合区域与地面接触点位置关系和区域之间的遮挡关系构建图模型,然后使用置信度传播进行全局推理,获取一致的深度排序结果。最后利用区域外观特征,把具有外观像素的超像素区域进行合并,并使用混合进化算法进行全局能量优化,得到最终的深度排序结果。在BSDS500数据集上,验证了本文方法的深度排序性能,实验结果能够说明本文的深度排序表达优于GM2014获取的深度排序结果。
- 孙丹吴克伟孙永宣谢昭
- 关键词：遮挡检测置信度传播
- 基于层次独立成分编码的运动异常检测方法
- 本发明公开了一种基于层次独立成分编码的运动异常检测，在获取光流区域块的第一层训练集基础上，构建归一化矩阵及其特征向量，并对特征向量进行正交化作为初始基元，采用双曲正切变换损失函数进行基元学习，挖掘运动高频模式作为S1层基...
- 王雨廷谢昭吴克伟孙永宣段士雷孙丹
- 智能图像处理与理解方法研究
- 高隽谢昭张旭东胡良梅吴克伟
- “智能图像处理与理解方法研究”是8项国家自然科学基金项目成果的集成。该成果针对复杂图像信息和视觉信息进行智能处理和分析，涉及到信息科学的人工神经网络、智能信息处理、图像理解。项目以工科技术可实现性为原则，研究以协同联想记...
- 关键词：
- 关键词：人工神经网络理论
- 多任务对比学习的自监督视频表达
- 2023年
- 现有的自监督学习使用单一的空间或时间代理任务。单一的代理任务,从未标记的数据中提供单一的监督信号,不足以描述视频表示学习的空间特征和时间特征之间的差异。在本文中,我们提出了一个多任务对比学习方法,它通过对多个时空代理任务的对比学习,在时空自注意力的情况下学习有区别的时空特征。不同的空间代理任务学习不同的空间特征,包括空间旋转和空间拼图。不同的时间代理任务学习不同的时间特征,包括时间顺序和时间节奏。我们将视频表示为每个代理任务的多个不同特征,并设计基于代理任务的对比损失来分离一个视频中学习的空间特征和时间特征。基于代理任务的对比损失鼓励不同代理任务学习不同的特征,同一代理任务学习相似的特征,可以学习到同一视频中每个代理任务的判别特征。实验表明,在UCF-101数据集和HMDB-51数据集的行为识别上优于现有的自监督学习方法。
- 单东风于磊骆文杰熊思璇刘家仁吴克伟
- 基于二进制光流描述子的运动目标提议
- 2017年
- 针对视频目标检测提议框存在大量冗余的问题,提出二进制光流描述子,实现视频连通目标的分离提议。通过分析目标局部运动一致性,设计二进制光流描述子,构建目标提议模型,然后利用线性支持向量机分类器求解运动目标提议参数。为充分利用二进制与或运算速度快的优势,采用二进制近似表示运动目标提议参数,快速高效地完成目标提议任务。实验针对Caltech行人数据库,快速地生成了少量高质量的运动目标提议窗口。实验结果优于现有目标提议方法。
- 李洋吴克伟谢昭孙永宣
- 关键词：光流
- 基于对比记忆网络的弱监督视频异常检测
- 2023年
- 异常检测使用有限的训练集获得区分度高的特征,但是当异常实例与正常实例存在较多相似特征时,模型会因为异常特征参与正常特征编码产生误差。针对上述问题,提出了一种新型的对比记忆网络的弱监督视频异常检测方法。该方法在自动编码器的基础上使用对比学习框架,分离出与实际异常相似的样本特征,并设计记忆网络抑制正常样本内偏向异常的特征表达,提高了重建样本的稳定性。该算法构建了一种两阶段的异常行为检测网络。在阶段一,利用对比学习方法来增加正常行为特征和异常行为特征的差异,并利用该阶段学习到的特征构造记忆网络的增强项与抑制项。在阶段二,将记忆网络增强项设为多时刻正常行为特征,并利用记忆网络的抑制项更新增强项中偏向异常的特征信息,从而区分编码中正常与异常特征。该方法在UCF Crime和ShanghaiTech数据集的平均AUC值达到83.26%和87.53%,相较于现有方法分别提升了1.14%和2.43%。结果显示,该方法能够有效预测异常事件的发生时间。
- 李文中吴克伟孙永宣焦畅熊思璇
- 关键词：异常检测记忆网络
