-
题名我国众筹平台发展现状分析
被引量：6
- 1
-
-
作者
刘滏
邓姗
曹少丽
-
机构
成都理工大学
-
出处
《现代商业》
2015年第24期54-55,共2页
-
文摘
2013年被称为我国互联网金融的发展元年,2014年被称为我国互联网金融监管元年,同时也是我国众筹行业迅猛发展的一年,成为新的经济发展力量。本文在对众筹的起源、功能以及意义综述的基础上,着重就我国众筹平台网站的经营规模、众筹三种模式发展的现状进行了分析,探讨我国众筹平台的发展趋势,并提出建议。
-
关键词
众筹网站
互联网金融
营销
-
分类号
F832.1
[经济管理—金融学]
-
-
题名检测小篡改区域的U型网络
被引量：3
- 2
-
-
作者
刘丽颖
王金鑫
曹少丽
赵丽
张笑钦
-
机构
温州大学
-
出处
《中国图象图形学报》
CSCD
北大核心
2022年第1期176-187,共12页
-
基金
国家自然科学基金项目(61922064,U2033210,62101387)
浙江省自然科学基金项目(LR17F030001,LQ19F020005)。
-
文摘
目的图像篡改区域检测是图像取证领域的一个挑战性任务,其目的是找出图像的篡改区域。传统方法仅针对某种特定的篡改方式进行设计,难以检测其他篡改方式的图像。基于卷积神经网络的方法能够自适应地提取特征,同时检测包含多种篡改方式的图像。但是其中多数方法都选择增强图像的噪声特征,这种机制无法较好处理篡改区域与原图像来源相同、噪声相似的情况。多数方法还忽略了篡改区域过小而产生的样本不平衡问题,导致检测效果不佳。方法提出了一个基于区域损失的用于检测小篡改区域的U型网络,该网络构建了一个异常区域特征增强机制,放大与图像背景差异较大的异常区域的特征。此外,还利用区域损失增强对篡改区域框内像素的判别能力,可以解决因篡改区域过小而产生的样本不平衡问题。结果消融实验说明了异常区域特征增强机制和区域损失机制的有效性;对JPEG压缩和高斯模糊的对抗性测试证明了模型的鲁棒性;在CASIA2.0(CASI-A image tampering detection evaluation database)、NIST2016(NIST nimble 2016 datasets)、COLUMBIA(Columbia uncompressed image splicing detection evaluation dataset)和COVERAGE(a novel database forcopy-move forgery detection)数据集上与最新方法进行比较时,本文方法取得了最优性能,其F1 score分别为0.9795、0.9822、0.9953和0.9870。结论本文的异常区域特征增强机制和区域损失机制能有效提高模型性能,同时缓解篡改区域过小导致的样本不平衡问题,大量实验也表明了本文提出的小篡改区域检测方法的优越性。
-
关键词
图像取证
小篡改区域检测
特征增强
区域损失
卷积神经网络(CNNs)
U型网络(U-Net)
-
Keywords
image forensics
small forgery region detection
feature augmentation
region loss
convolutional neural networks(CNNs)
U-Net
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
