HEVC(High Efficiency Video Coding)是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系...HEVC(High Efficiency Video Coding)是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系;其后,给出了通过修改运动矢量集合映射值进行信息隐藏的方法.文中的方法实现了在N个运动矢量分量中最多改变一个分量即可嵌入一个2 N+1进制数的效果,具有较高的嵌入效率.此外,文中的方法仅选择CTU(Coding Tree Unit)中尺寸最小的N/2个PU(Prediction Unit)的运动矢量作为嵌入载体,使得隐写所引入的视频附加失真进一步减小并提升了隐写的透明性.最后,通过实验证实了该文的方法可行且具有优良的性能,具有良好的应用前景;而且,该文通过构造虚拟空间进行信息隐藏,给出了一种提升视频信息隐藏算法嵌入效率的新途径.展开更多
本文提出了一种新的基于融合特征的改进VLAD(Vector of Locally Aggregated Descriptors)编码方法,该方法命名为IVLAD(Improved Vector of Locally Aggregated Descriptors),将其应用于行为识别算法中,得到了较好的性能提升.针对单一特...本文提出了一种新的基于融合特征的改进VLAD(Vector of Locally Aggregated Descriptors)编码方法,该方法命名为IVLAD(Improved Vector of Locally Aggregated Descriptors),将其应用于行为识别算法中,得到了较好的性能提升.针对单一特征描述符在描述视频空间信息的不足,提出将位置信息映射到特征空间中进行融合编码得到表示向量.在编码阶段为了克服传统VLAD方法只考虑特征与聚类中心距离的不足,提出在其基础之上另外计算每个聚类中心与其最相似特征的差值.为了进一步提高识别准确度,本文还提出对表征向量自身串联用以升维.另外本文还研究了不同词典大小及归一化方法对于识别算法的影响.在两个大型数据库UCF101及HMDB51上的实验比较表明,本文提出的方法比传统VLAD方法具有较大的性能提升.展开更多
为了减少文本情感分析方法中对分词准确性的依赖程度,同时,也为了解决一词多义的问题,提出了一种基于BERT和双向长短时记忆网络(BiLSTM)的文本情感分类模型.首先,该模型采用BERT(Bidirectional Encode,Representation from Transformers...为了减少文本情感分析方法中对分词准确性的依赖程度,同时,也为了解决一词多义的问题,提出了一种基于BERT和双向长短时记忆网络(BiLSTM)的文本情感分类模型.首先,该模型采用BERT(Bidirectional Encode,Representation from Transformers,BERT)预训练的字向量替代传统方式训练的词向量,然后利用BiLSTM对文本上下文进行关系特征提取,最后再利用Softmax分类器获得文本所属情感类别.实验证明,与LSTM、BiLSTM、TextCNN和BERT-LSTM模型相比,该模型在综合评价指标F1上分别提高了6.78%、6.74%、2.52%和1.01%;测试集正确率分别提升了6.66%、6.31%、1.95%和0.85%.展开更多
文摘HEVC(High Efficiency Video Coding)是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系;其后,给出了通过修改运动矢量集合映射值进行信息隐藏的方法.文中的方法实现了在N个运动矢量分量中最多改变一个分量即可嵌入一个2 N+1进制数的效果,具有较高的嵌入效率.此外,文中的方法仅选择CTU(Coding Tree Unit)中尺寸最小的N/2个PU(Prediction Unit)的运动矢量作为嵌入载体,使得隐写所引入的视频附加失真进一步减小并提升了隐写的透明性.最后,通过实验证实了该文的方法可行且具有优良的性能,具有良好的应用前景;而且,该文通过构造虚拟空间进行信息隐藏,给出了一种提升视频信息隐藏算法嵌入效率的新途径.
文摘本文提出了一种新的基于融合特征的改进VLAD(Vector of Locally Aggregated Descriptors)编码方法,该方法命名为IVLAD(Improved Vector of Locally Aggregated Descriptors),将其应用于行为识别算法中,得到了较好的性能提升.针对单一特征描述符在描述视频空间信息的不足,提出将位置信息映射到特征空间中进行融合编码得到表示向量.在编码阶段为了克服传统VLAD方法只考虑特征与聚类中心距离的不足,提出在其基础之上另外计算每个聚类中心与其最相似特征的差值.为了进一步提高识别准确度,本文还提出对表征向量自身串联用以升维.另外本文还研究了不同词典大小及归一化方法对于识别算法的影响.在两个大型数据库UCF101及HMDB51上的实验比较表明,本文提出的方法比传统VLAD方法具有较大的性能提升.
文摘为了减少文本情感分析方法中对分词准确性的依赖程度,同时,也为了解决一词多义的问题,提出了一种基于BERT和双向长短时记忆网络(BiLSTM)的文本情感分类模型.首先,该模型采用BERT(Bidirectional Encode,Representation from Transformers,BERT)预训练的字向量替代传统方式训练的词向量,然后利用BiLSTM对文本上下文进行关系特征提取,最后再利用Softmax分类器获得文本所属情感类别.实验证明,与LSTM、BiLSTM、TextCNN和BERT-LSTM模型相比,该模型在综合评价指标F1上分别提高了6.78%、6.74%、2.52%和1.01%;测试集正确率分别提升了6.66%、6.31%、1.95%和0.85%.
