杨小宝
- 作品数：34 被引量：9H指数：2
- 供职机构：西安邮电大学更多>>
- 发文基金：国家自然科学基金陕西省科学技术研究发展计划项目国家科技重大专项更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种基于多特征博弈的视觉目标跟踪方法
- 一种基于多特征博弈的视觉目标跟踪方法，主要通过初始化跟踪器并读取视频序列的初始帧图像，和对初始帧图像的搜索区域进行基础特征提取，以及在此基础上实现多特征构建；同时对筛选出的博弈候选者进行多特征博弈以预测中心位置并对滤波器...
- 马素刚张磊侯志强杨小宝赵致闲张子贤王忠民
- 文献传递
- 一种新型智能卡多应用授权发卡系统
- 一种新型智能卡多应用授权发卡系统，包括密钥管理系统、数据采集系统、个人化制卡系统和授权数据准备系统，所述授权数据准备系统包括授权数据准备服务器和授权数据准备客户端，所述授权数据准备服务器分别与所述密钥管理系统、数据采集系...
- 杨小宝吴小峰李晓伦
- 文献传递
- 多应用智能卡数据信息的安全研究
- 2015年
- 在智能卡进行多行业应用时,存在跨行业数据访问、数据泄露以及破坏等安全问题。针对此类问题,结合当前智能卡安全机制和跨行业多应用的文件系统特征,提出了对多应用智能卡数据完整性校验的一种方法。该方法构建了一个文件加密与访问控制模型,其主要功能包括保障各行业应用系统的独立性,实现数据的访问控制和密钥的安全存储等。最后分析并验证了该安全模型的可行性与安全性。该方案在陕西省社会公共服务卡验证平台上得到了验证,提高了卡内数据信息的安全级别。
- 田沅蕊杨小宝王瑞刚谢璇贡维雪
- 关键词：数据完整性安全管理器
- 一种特征复用的多知识学习目标检测方法
- 本发明公开了一种特征复用的多知识学习目标检测方法，包括步骤：一、建立目标检测图像数据库；二、构建特征复用的特征融合网络；三、训练特征复用的特征融合网络；四、测试特征复用的特征融合网络；五、特征复用的多知识学习目标检测。本...
- 杨小宝王军王文涛马素刚
- 一种基于PKI更新不同类型存储介质中的数据的方法
- 基于PKI更新不同类型存储介质中的数据的方法，包括：根据识别到的存储介质的类型，所述读写设备调用存储在读写设备上、且与所述存储介质的类型存在关联关系的数字证书库中的所有数字证书，通过遍历，对所述存储介质进行认证，直到其中...
- 杨小宝惠小强刘亚雪王敏刘圆
- 文献传递
- 一种具有稀疏性的多阶段图像描述装置
- 一种具有稀疏性的多阶段图像描述装置，包括：用于采用卷积神经网络对待描述的图像进行初步特征提取，获得该待描述的图像的第一特征信息的装置；用于将所述第一特征信息输入基于Transformer的具有稀疏性的多阶段特征增强网络，...
- 杨小宝杨洋贺子青宋博辉
- 基于智能卡的云终端设备安全接入被引量：1
- 2015年
- 针对云服务前端设备接入的安全问题,提出了一种嵌入智能卡模块的安全方法。该方法利用椭圆曲线算法进行接入,通过定期进行检测和更新密文会话密钥,持续性地检测接入设备的可信性与原数据密文会话的安全性。分析表明该方法能够防止伪终端、中间人、重放等恶意等不安全性手段的攻击行为。
- 杨小宝王佩李晓伦
- 关键词：云服务智能卡椭圆曲线算法
- 一种环视融合的特征融合方法
- 一种环视融合的特征融合方法，其特征在于：对于输入特征图中的任意一个特征点，它所包含的语义信息通过参考周围特征点的某些信息来验证和填充其自身语义信息。该方法提升目标检测过程中特征融合的信息丰富度、高效性，以达到最终提升目标...
- 杨小宝王文涛马素刚李宁博
- 文献传递
- 一种无人机场景下三维特征增强的小目标检测方法
- 无人机场景下三维特征增强的小目标检测方法，所述方法包括如下步骤：S100：使用切片辅助超推理SAHI对原始数据集图片切片，提高验证集图片的输入分辨率，并增加训练集图片的数量；S200：使用添加了全局空间模块GS‑Bloc...
- 杨小宝何雨龙徐琛竣常云霄
- 基于密集连接与特征增强的语义分割算法被引量：1
- 2023年
- 在语义分割算法DeepLabv3+中,由于对主干网络提取的特征信息利用不充分,导致了分割边缘不连续、目标丢失以及分割错误等问题。为此,提出一种基于密集连接和特征增强的语义分割算法。采用共享空洞空间金字塔池化(S-ASPP)模块建立多个空洞卷积之间的联系,增强局部信息之间的语义关联,捕获密集的采样点像素,同时提高对高层特征信息的利用。引入特征金字塔增强模块(FPEM)和特征融合模块(FFM),对主干网络输出的多层特征信息进行处理,增强特征的表达能力,并采用FFM对FPEM输出的不同尺度特征信息进行融合,提高各层特征之间的互补能力,以获得更全面的特征图信息。在此基础上,将S-ASPP和FFM的输出进行拼接和卷积操作,得到最终的分割结果。在PASCAL VOC 2012和Cityscapes数据集上的实验结果表明,该算法的平均交并比分别达到81.13%和73.39%,相较于基准算法DeepLabv3+分别提升了2.3和2.1个百分点,充分利用了骨干网络中的每层特征信息,提升了算法的分割精度,取得了较好的分割效果。
- 马素刚马素刚侯志强杨小宝张子贤
