• 当期目录
  • 优先出版
  • 过刊浏览
  • 下载排行
  • 专刊
  • 专栏
    全选反选导出18
    显示模式:
    2025,17(1):0-0, DOI:
    摘要:
    2025,17(1):0-0, DOI:
    摘要:
    2025,17(1):0-0, DOI:
    摘要:
    2025,17(1):0-0, DOI:
    摘要:
    2025,17(1):1-12, DOI: 10.13878/j.cnki.jnuist.20240425002
    [摘要] (196) [HTML] (17) [PDF 2.89 M] (101)
    摘要:
    随着人工智能技术与无线通信领域的深度融合,作为一种新兴的通信模式,语义通信聚焦于语义层面的信息传输与交互,凭借其独特优势,显著提升了通信的精确性和可靠性.在低时延、高流通密度的通信应用场景中,语义通信技术突破了传统基于经典信息论的语法通信,为无线通信领域提供了新范式,拓宽了现代通信技术的应用范畴.目前,语义通信技术的发展尚处于起步阶段,其在应用过程中面临的安全问题尚未得到系统梳理和全面分析.为进一步推动语义通信技术的发展与应用,首先对语义通信系统中存在的各类安全威胁进行了分类阐述;然后,详细介绍了语义通信系统中模型安全和数据安全的研究现状;最后,总结了语义通信安全研究所面临的挑战,并对未来发展趋势进行了展望.
    2025,17(1):13-21, DOI: 10.13878/j.cnki.jnuist.20240705001
    摘要:
    通过测量语音相关的脑电信号变化来研究人脑对于标准语料的反应趋势.有16名被测者分别聆听了120条标准语音,每条8 s,语音之间有1~2 s的间隔且随机播放.提取被测者在聆听过程中的脑电信号,对1~40 Hz频段的脑电信号进行预处理并将其与语音信号进行分析比对.结果显示,被测者听到相同标准语音时有相同的脑电反应趋势.通过相锁值方法对脑电信号和语音信号进行相位差分析,证明了脑电信号与语音质量之间的功能连接性,并且脑电信号区分语音质量的正确率达到99.62%.
    2025,17(1):22-30, DOI: 10.13878/j.cnki.jnuist.20240705002
    摘要:
    针对现有图像视频恢复增强方法存在的问题,本文提出一种基于语义特征提取的神经网络模型图像及视频质量增强算法.首先提出一种基于语义特征的图像恢复增强框架,然后建立退化模型和重建模型的联合优化.在公开数据集上对所提模型进行验证,并与现有算法进行对比,结果表明:所提方法相比新型超分辨率算法PULSE (Photo Upsampling via Latent Space Exploration,潜空间搜索照片升采样)能够实现RankIQA (Rank Image Quality Assessment,图像质量评价排名)得分50%的提升,并且和原始高清图像、视频质量得分接近;在用户评价方面,有81%的重建结果被认为优于对比算法,表明所提算法具有更高的重构图像和视频质量.
    2025,17(1):31-41, DOI: 10.13878/j.cnki.jnuist.20240410002
    摘要:
    为了使采摘机器人能够在果园复杂环境下(如不同光照条件、叶子遮挡、密集的苹果群和超远视距等场景)对成熟程度各异的苹果果实进行快速且精确的检测,本文提出一种基于改进YOLOv8的苹果果实检测模型.首先,将EMA注意力机制模块集成到YOLOv8模型中,使模型更加关注待检测果实区域,抑制背景和枝叶遮挡等一般特征信息,提高被遮挡果实的检测准确率;其次,使用提取特征更加高效的三支路DWR模块对原始C2f模块进行替换,通过多尺度特征融合方法提高小目标检测能力;同时结合DAMO-YOLO的思想,对原始YOLOv8颈部进行重构,实现高层语义和低层空间特征的高效融合;最后,使用Inner-SIoU损失函数对模型进行优化,提高识别精度.在复杂的果园环境中,以苹果作为检测对象,实验结果表明:本文所提算法在测试集下的查准率、召回率、mAP0.5、mAP0.5~0.95以及F1分数分别达到86.1%、89.2%、94.0%、64.4%和87.6%,改进后的算法在大部分指标上均优于原始模型.在不同数量果实场景下的对比实验结果表明,该方法具有优异的鲁棒性.
    2025,17(1):42-52, DOI: 10.13878/j.cnki.jnuist.20230722001
    摘要:
    针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM (I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型.
    2025,17(1):53-62, DOI: 10.13878/j.cnki.jnuist.20240426001
    摘要:
    针对运动场景拍摄的图像出现不均匀模糊现象,导致工业环境下的机器视觉任务处理效率低下的问题,提出一种基于多权自适应交互的运动模糊图像复原算法.首先,采用多策略特征提取模块,从模糊图像中提取出浅层和关键的纹理信息并平滑噪声,同时构建残差语义块,深入挖掘图像的深层语义信息.然后,提出双通道自适应权重提取模块,从退化图像中捕获空间及像素的权重信息,并逐步将这些信息补偿到网络中.最后,设计出一种权重特征融合模块,融合网络所提取的多空间权重特征,并结合多项损失函数,进一步改善图像质量.所提算法在标准数据集下的主客观及消融实验结果显示,在标准数据集下的SSIM (结构相似性)和PSNR (峰值信噪比)指标分别达到0.93和31.89,各模块可以较好协调,在复原运动场景下的非均匀模糊图像方面具有显著优势.
    2025,17(1):63-73, DOI: 10.13878/j.cnki.jnuist.20240515002
    摘要:
    人工智能生成内容(AIGC)技术可为人类提供各种类型的信息生成服务,如何对AIGC进行准确的质量评估,是当前亟待解决的问题.本文主要针对大模型生成图像的质量及其评估指标开展深入研究.首先,从技术方面概述了当前评估AIGC的常见方法,如深度学习方法和计算机视觉方法等,介绍并分析了准确性、相关性、一致性、可解释性等指标在不同类型生成内容评估方面的表现.然后,为了展示评估指标的实际作用,以百度文心一言为例,对其生成的图像进行评估实验:使用直方图和噪点数量等量化指标对生成图像进行客观评估;使用整体协调性和美观性等视觉感官指标对生成图像进行主观评估.最后,综合对比客观评估和主观评估的结果,筛选出色偏、噪点数量、心理预期等AIGC产品质量评估的高可靠性指标.实验结果验证了综合使用主客观评估指标进行AIGC产品评估方法的有效性和可靠性.

检索

  • 按检索:
  • 检索词:

地址:江苏省南京市宁六路219号    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2025 版权所有  技术支持:北京勤云科技发展有限公司