张雪松 作品数:15 被引量:83 H指数:3 供职机构: 大连交通大学软件学院 更多>> 发文基金: 国家自然科学基金 更多>> 相关领域: 自动化与计算机技术 文化科学 更多>>
复杂室外场景中交通标志检测研究 被引量:1 2015年 提出了一种基于Uo CTTI变种版HOG特征和尺度空间模板匹配技术的多类多尺度交通标志检测方法。采用有区别的方式训练多类多尺度的检测器,每个类别的检测器均采用线性SVM和难负样本挖掘交替的方式进行训练。为了能够在复杂的室外场景中进行多尺度的交通标志检测,在尺度空间内对测试图片进行不断地缩放并反复运行单尺度检测器,然后使用最大化抑制技术剔除相似位置和尺度上的重叠检测输出。在德国交通标志检测数据集上的实验表明,该方法可以有效地完成多类多尺度的交通标志检测。 张雪松关键词:交通标志检测 HOG特征 基于级联AdaBoost的Snort异常检测预处理插件研究 被引量:1 2011年 在开源网络入侵检测系统Snort的预处理阶段加入了一种新的预处理插件,插件中使用改进的AdaBoost算法进行异常网络流量的特征提取和构造每一级AdaBoost分类器,然后用级联的结构将多个AdaBoost分类器做线性组合共同完成入侵检测,组合系数通过自适应学习得到。实验表明,该插件可以有效地检测Snort规则集中无可匹配特征的异常网络流量,降低Snort系统对于异常流量检测的漏报率和误报率,满足高速网络环境对入侵检测实时性的要求。 张雪松关键词:网络入侵检测 预处理器 改进YOLOv7的小目标检测方法 2025年 针对小目标检测领域中的尺度变化、复杂背景干扰、漏检和误检等挑战性问题,提出了改进YOLOv7的小目标检测方法。在YOLOv7目标检测框架的基础上,加入了新的自适应特征收集再分配模块(adaptive feature collection and redistribution,AFCR)。该模块能够实现对多尺度特征的有效融合,从而增强模型对小目标的检测能力,并丰富输出特征的上下文信息。进一步地,运用特征蒸馏技术,使得学生模型能够从教师模型中学习关键特征表示,避免跨阶段的语义差异带来的负面影响,从而显著提升模型的泛化性和鲁棒性。在CCTSDB、FloW-Img和TinyPerson三个公开小目标检测数据集上的实验结果表明,提出的方法分别实现了96.4%、84.9%和33.0%的检测准确率,相较于原始YOLOv7方法,mAP@0.5分别提升了6.5、3.9和2.9个百分点。 冯泰梾 张雪松 宋存利 李光宇 金花关键词:小目标检测 基于高速网络环境的Snort主动包过滤预处理器研究 被引量:1 2012年 提出一种Snort主动包过滤预处理插件。在高速网络环境下,通过主动丢弃对检测误报率影响较小的数据包减轻系统负载,避免Snort在超负荷运行情况下的随机丢包现象。由于异常数据包主要来自于每个网络流前面的一定数量的数据包。因此,该预处理器实时地监控Snort的负载变化。当检测引擎负载超过一定阈值时,主动过滤掉网络流后面的正常数据包。实验表明,使用主动包过滤预处理器并采用一定的Snort调整行为,可以在保证较低误报率的前提下,有效降低Snort的漏报率,提高系统的检测效率。 张雪松关键词:网络入侵检测系统 包过滤 预处理器 基于广义霍夫变换的室外场景行人检测研究 被引量:1 2015年 提出一种基于广义霍夫变换的室外场景行人检测方法。首先从少量标注图片中随机地提取行人图像碎片构造碎片字典,然后使用图像碎片对每一幅训练图片计算特征向量。为了能够在静态图片中快速地检测行人,使用Gentleboost算法训练检测器,在每一次迭代时学习一个决策树桩弱分类器,该弱分类器可以从高维特征向量中选择一个当前区分度最好的碎片特征。在运行检测器时,所有的弱分类器在测试图片中对于行人的可能出现位置进行投票。最后,将各个弱分类器的投票结果进行叠加,并用设定的检测阈值剔除得分较低的检测结果后得到检测输出。在Label Me数据集上的实验表明,该方法可以快速地在静态图片中检测出行人,需要较少的训练数据且有效地解决了部分遮挡问题。 张雪松关键词:行人检测 广义霍夫变换 面向入侵检测的Aho-Corasick算法内存消耗研究 被引量:1 2008年 多模式匹配算法在网络入侵检测系统中有着广泛的应用,目前的研究主要集中在如何提高算法的匹配速度上,对于算法的内存消耗研究较少。对于基于硬件实现的嵌入式入侵检测而言,如何降低多模式匹配算法的内存消耗也是一个值得关注的问题。Aho-Corasick(AC)算法是一个基于有限状态机的多模式匹配算法,该算法具有O(n)的时间复杂度,但是由于状态表存储开销较大使其难以应用到嵌入式入侵检测系统中。对AC算法的内存消耗进行了深入地研究,分析了几种可行的AC有限状态机存储策略,提出了一种改进的Banded-Row格式的AC有限状态机存储策略。实验结果表明,该策略能够在较小地影响AC算法匹配速度的前提下,更加有效地降低其内存消耗。 张雪松 田宏关键词:多模式匹配 入侵检测 基于动态Cache策略优化Snort检测引擎性能研究 被引量:1 2008年 提出了一种动态Cache策略,将最近一段时间内经常用到的少量规则结点指针存储在一个Cache块中。当攻击密度上升到一定阈值时,在Snort检测引擎中动态加载Cache块,接下来捕获的每一个数据包都首先和Cache块中存储的指针所指向的规则结点进行匹配。当网络攻击密度降低到一定阈值时,在Snort检测引擎中动态卸载Cache块,避免攻击密度较低时二次匹配带来的额外开销。实验表明,动态Cache策略可以提高Snort检测引擎在高强度攻击下的检测效率,降低漏报率。 张雪松关键词:入侵检测 高速缓存 双路注意力机制行人重识别方法 2025年 为解决目前Re-ID方法中对非显著可辨别特征关注不足,以及提取的行人关键特征表达不充分的问题,提出一种基于双路注意力机制特征提取网络,由双路注意力主干网络和增强注意特征融合模块组成.其中,双路注意力网络使模型关注到不同显著程度的有效特征区域,可分别用于挖掘显著和潜在非显著可辨别特征,强调潜在关键特征的重要性;增强注意特征融合模块用于完成特征信息互补,同时采用反事实干预强化习得注意力特征图的质量和有效性,从而得到更具有判别性的最终特征表示.在Market1501, DukeMTMC-reID和MSMT17数据集上进行了广泛实验,结果表明, mAP值分别达到了89.3%, 80.0%, 58.4%;Rank-1值分别达到了95.7%, 89.8%, 80.7%,充分证明了该方法的优越性. 张媛媛 宋存利 张雪松关键词:注意力 基于全局Gist特征和局部碎片特征的物体检测研究 2015年 提出了一种新的基于全局gist特征和局部碎片特征的物体检测方法。当物体较小或者场景比较复杂时,物体局部碎片特征存在一定的二义性,检测器经常在一些语义错误的位置输出不合理的检测结果。提取场景的全局特征并学习出物体位置和尺度的概率分布,有助于提高物体检测的准确率。我们首先提取场景的全局gist特征并预测出物体的可能出现位置和尺度,然后利用物体的局部碎片特征检测物体,并降低异常位置的检测得分。在Label Me数据集上的实验表明,结合全局Gist特征和局部碎片特征进行物体检测,可以有效地减少语义错误的检测输出,提高物体检测的准确率。 张雪松混合式“软件工程”课程思政教学模式探讨 2021年 软件工程课程思政是在软件工程专业课程教学环节中有机地融入思想政治教育元素,潜移默化地对学生的思想意识、行为举止产生影响。传统的线下课程思政教学模式对于专业教学能力强但是思政教学经验不足的专业课教师而言,往往在融入思政元素时显得比较被动和生硬,导致整体教学效果大打折扣,而且思政教学过程无法高效地进行学情分析和定量化考核。因此,结合校级课程思政示范课程项目,提出了一种混合式软件工程课程思政教学模式,通过“线上”+“线下”的混合式教学方法有效地激发了专业课教师和学生的学习热情,课程思政教学可以学期分析和进行定量化考核。通过在大连交通大学五年制双专业本科生中开展小范围试点性教学,证明该方法可以有效地提高软件工程课程思政的教学效果。 张雪松 宋存利关键词:软件工程 混合式教学