公开(公告)号：CN113222960A

公开(公告)日：2021-08-06

申请号：CN202110584110.7

申请日：2021-05-27

Applicant: 哈尔滨工程大学

Inventor： 董宇欣 ,  贾龙飞 ,  陈福坤 ,  韩爽 ,  闫鹏超 ,  刘皓 ,  梁泉 ,  叶润泽

IPC: G06T7/00 ,  G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 基于特征去噪的深度神经网络对抗防御方法、系统、存储介质及设备，属于基于图像的深度学习对抗样本防御领域。为了解决目前使用空间域滤波进行特征去噪的对抗样本防御方法存在去噪不彻底的问题，进而导致对抗样本防御效果不佳的问题。发明设计含有至少一个特征去噪模块的神经网络模型，所述的特征去噪模块包括1x1卷积、残差连接单元和去噪操作单元，去噪操作先对模型中间层特征图进行离散小波变换，将有用信息和噪声信息进行分离，然后对包含噪声信息的高频分量进行频率域滤波和空间域滤波相结合的去噪处理，最后再重构特征图。本发明的方法在对抗训练下，可以显著提升面对对抗样本攻击时的对抗鲁棒性。主要用于图形的深度神经网络对抗防御。

公开(公告)号：CN116543021A

公开(公告)日：2023-08-04

申请号：CN202310596182.2

申请日：2023-05-24

Applicant: 哈尔滨工程大学 ,  长江大学

Inventor： 董宇欣 ,  刘皓 ,  史志平 ,  孙采萱 ,  张立国 ,  江俊慧 ,  李思照

IPC: G06T7/246 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种基于特征融合的Siamese网络视频单目标跟踪方法，具体涉及一种基于特征融合的Siamese网络监控视频的单目标跟踪方法，为了解决Siamese网络单目标跟踪算法在面对复杂环境和被跟踪目标附近存在明显的背景干扰时的跟踪能力较低，无法准确跟踪目标，以及跟踪一些特定目标时输出的跟踪区域不够精确的问题。利用模板区域图像集和搜索区域图像集对构建的模型进行训练，分别输出模板图像和搜索图像的特征图，模型依次包括基于混合注意力机制的ResNet‑50网络和孪生特征融合网络，将模板图像的特征图和搜索图像的特征图输入RPN网络中进行相似性对比，输出搜索图像中与模板图像相似度最高的预测区域，实现单目标的跟踪。属于目标跟踪领域。

公开(公告)号：CN113222960B

公开(公告)日：2022-06-03

申请号：CN202110584110.7

申请日：2021-05-27

Applicant: 哈尔滨工程大学

Inventor： 董宇欣 ,  贾龙飞 ,  陈福坤 ,  韩爽 ,  闫鹏超 ,  刘皓 ,  梁泉 ,  叶润泽

IPC: G06T7/00 ,  G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 基于特征去噪的深度神经网络对抗防御方法、系统、存储介质及设备，属于基于图像的深度学习对抗样本防御领域。为了解决目前使用空间域滤波进行特征去噪的对抗样本防御方法存在去噪不彻底的问题，进而导致对抗样本防御效果不佳的问题。发明设计含有至少一个特征去噪模块的神经网络模型，所述的特征去噪模块包括1x1卷积、残差连接单元和去噪操作单元，去噪操作先对模型中间层特征图进行离散小波变换，将有用信息和噪声信息进行分离，然后对包含噪声信息的高频分量进行频率域滤波和空间域滤波相结合的去噪处理，最后再重构特征图。本发明的方法在对抗训练下，可以显著提升面对对抗样本攻击时的对抗鲁棒性。主要用于图形的深度神经网络对抗防御。