随着人脸识别系统 (FRS) 的部署,人们开始担心这些系统容易受到各种攻击,包括变形攻击。变形人脸攻击涉及两张不同的人脸图像,以便通过变形过程获得一个与两个贡献数据主体足够相似的最终攻击图像。可以通过视觉(由人类专家)和商业 FRS 成功验证所获得的变形图像与两个主体的相似性。除非此类攻击能够被检测到并减轻,否则人脸变形攻击会对电子护照签发流程和边境管制等应用构成严重的安全风险。在这项工作中,我们提出了一种新方法,使用新设计的去噪框架来可靠地检测变形人脸攻击。为此,我们设计并引入了一种新的深度多尺度上下文聚合网络 (MS-CAN) 来获取去噪图像,然后将其用于确定图像是否变形。在三个不同的变形人脸图像数据集上进行了广泛的实验。还使用 ISO-IEC 30107-3 评估指标对所提出方法的变形攻击检测 (MAD) 性能进行了基准测试,并与 14 种不同的最新技术进行了比较。根据获得的定量结果,所提出的方法在所有三个数据集以及跨数据集实验中都表现出最佳性能。
摘要 设计最佳控制脉冲以将噪声量子比特驱动至目标状态是量子工程的一项具有挑战性且至关重要的任务。在影响系统的量子噪声的属性是动态的情况下,定期表征程序对于确保模型更新至关重要。结果,量子比特的运行经常中断。在本文中,我们提出了一种协议来解决这一挑战,即利用观察者量子比特实时监控噪声。我们开发了一种基于机器学习的量子特征工程方法来设计协议。协议的复杂性在表征阶段被预先加载,从而允许在量子计算期间实时执行。我们展示了数值模拟的结果,展示了该协议的良好性能。
b'量子图像\xef\xac\x81滤波是对经典图像\xef\xac\x81滤波算法的扩展,主要研究基于量子特性的图像\xef\xac\x81滤波模型。现有的量子图像\xef\xac\x81滤波侧重于噪声检测和噪声抑制,忽略了\xef\xac\x80滤波对图像边界的影响。本文提出了一种新的量子图像\xef\xac\x81滤波算法,实现了K近邻均值\xef\xac\x81滤波任务,在抑制噪声的同时,可以达到边界保持的目的。主要工作包括:提出一种新的用于计算两个非负整数之差绝对值的量子计算模块,从而构建了距离计算模块的量子电路,用于计算邻域像素与中心像素的灰度距离;改进现有的量子排序模块,以距离作为排序条件对邻域像素进行排序,从而构建了K近邻提取模块的量子电路;设计了K近邻均值计算模块的量子电路,用于计算选取的邻域像素的灰度均值;\xef\xac\x81最后,构建了所提量子图像\xef\xac\x81过滤算法的完整量子电路,并进行了图像去噪仿真实验。相关实验指标表明,量子图像K近邻均值\xef\xac\x81滤波算法对图像噪声抑制具有与经典K近邻均值\xef\xac\x80滤波算法相同的效果,但该方法的时间复杂度由经典算法的O 2 2 n降低为O n 2 + q 2 。
摘要 — 激光超声检测是一种新颖的、非接触的、非破坏性的技术,用于评估微电子封装中焊料互连的质量。在该技术中,通过比较已知良好参考样本和被测样本的平面外位移信号(该信号由超声波传播产生)来识别焊料互连中的缺陷或故障。实验室规模的双光纤阵列激光超声检测系统已成功证明可以识别先进微电子封装(如芯片级封装、塑料球栅阵列封装和倒装芯片球栅阵列封装)中焊料互连中的缺陷和故障。然而,任何计量系统的成功都依赖于精确的数据,以便在微电子行业中发挥作用。本文使用量具重复性和再现性分析证明了双光纤阵列激光超声检测系统的测量能力。工业倒装芯片球栅阵列封装已用于使用激光超声检测系统进行实验,检测数据用于进行重复性和再现性分析。量具重复性和再现性研究也已用于选择已知的良好参考样品来与受试样品进行比较。
