-
公开(公告)号：CN114036553B
公开(公告)日：2025-05-13
申请号：CN202111261508.3
申请日：2021-10-28
Applicant: 杭州电子科技大学
IPC: G06F21/62 , G06V40/10 , G06V20/52 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/084 , G06N3/094 , G06N3/048
Abstract: 本发明提出了一种结合k匿名的行人身份隐私保护方法。本发明通过交叉身份训练策略，生成更高质量的匿名图像；最后通过设计的k匿名隐私保护方法，保留行人图像数据隐私的同时也保留了数据的可用性；具体步骤：步骤1：代理数据集采集与图像预处理；步骤2：建立k匿名机制；步骤3：构建匿名行人生成对抗网络；步骤4：匿名行人生成目标函数；步骤5：采用公开数据集进行训练及测试，输出最终结果。本发明既保留了行人身份隐私又保留了属性。在匿名行人生成方面，一方面本方法结合了将属性以及目标背景融合到行人生成过程中，另一方面本方法提出交叉身份训练策略，提高了生成图像的质量。
-
公开(公告)号：CN118628611A
公开(公告)日：2024-09-10
申请号：CN202410772782.4
申请日：2024-06-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于交叉注意力重分配的多实例可控图像生成方法，首先构建ChatGPT代码提示链CoC。然后在ChatGPT中使用代码提示链，生成符合多实例文本提示生成任务中所需要的布局。然后在扩散模型每一个时间步中获得交叉注意力图，并基于布局信息，获得两个引导损失。最后使用损失引导修改当前时间步上的预测噪声，迭代优化的噪声图像最终通过解码器得到生成的多实例可控图像。本发明缓解实体缺失、属性互换、属性泄露、空间布局错误等问题的出现，在图像编辑、个性化生成和虚拟试衣等领域中实现更准确、高质量的图像生成和修改，为用户提供更符合个性化需求的服务。
-
公开(公告)号：CN117391497A
公开(公告)日：2024-01-12
申请号：CN202311283601.3
申请日：2023-09-28
IPC: G06Q10/0639 , G06Q50/00 , G06N20/00
Abstract: 本发明公开了一种新闻稿件质量主客观评分一致性评价方法及系统，包括以下步骤：基于层次化机器生成新闻质量评价体系，获取新闻稿件的各层次客观评价结果；构建并训练基于树结构先验约束的主客观映射模型；其中，以层次化机器生成新闻质量评价体系为树结构先验约束；将新闻稿件的各层次客观评价结果输入到主客观映射模型中，基于树结构不同层的先验约束来沿树结构逐层编码，并输出新闻稿件在不同层次上的主客观映射预测评分。本发明解决机器生成新闻稿件质量评价中主观评价和客观评价存在差异的问题，实现保证主观评价和客观评价一致性的新闻稿件质量评价，提高机器生成新闻稿件质量评价的准确性和可解释性。
-
公开(公告)号：CN114549901A
公开(公告)日：2022-05-27
申请号：CN202210172188.2
申请日：2022-02-24
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多网络联合辅助生成式知识蒸馏方法，首先进行图像分类数据集预处理；然后根据确定的图像分类数据集选择教师网络模型并训练；再根据确定的图像分类数据集选择困难样本生成器G1和学生网络，组成对抗知识蒸馏框架；建立生成对抗知识蒸馏的目标函数；对组建好的对抗知识蒸馏框架进行迭代训练；最后引入简单样本生成器G2，使用困难样本生成器G1和简单样本生成器G2交替调整学生网络，得最终结果。本发明额外引入了一个简单样本生成器，并且简单样本生成器直接复制训练好的困难样本生成器，并没有增加计算量，而且操作简单。在简单样本生成器帮助学生网络回顾简单样本的情况下，最终在目标任务上取得了更好的效果。
-
公开(公告)号：CN111242837A
公开(公告)日：2020-06-05
申请号：CN202010006768.5
申请日：2020-01-03
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于生成对抗网络的人脸匿名隐私保护方法。本发明首先对人脸图像数据预处理；然后构建生成对抗网络结构；再建立人脸区域匿名的目标函数；然后建立场景内容区域保留的目标函数；随后进行人脸匿名与场景保留的目标函数的结合；最后采用公开数据集进行训练及测试，输出最终结果。本方法对图像中人脸区域进行合成脸的替换而达到人脸匿名的效果，相对以往的马赛克遮挡的方法更高效并且在视觉上更友好。本发明方法具有高效性与实用性，对人物图像的隐私保护更高效和美观。
-
Patent Agency Ranking
公开(公告)号：CN119600190A
公开(公告)日：2025-03-11
申请号：CN202411575054.0
申请日：2024-11-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于高斯泼溅的说话人脸视频生成方法，主要涉及两阶段。第一阶段使用大规模数据集预训练基于音频生成动态人脸表情系数的模型。该模型基于音频信息和图像信息，学习通用的面部表情和运动模式，能够生成与音频同步的动态面部表情系数。第二阶段，利用目标人物的数据集对预训练模型进行微调，微调完成后基于微调后的模型获取人脸表情系数，进一步训练一个基于人脸表情系数驱动的高斯形变网络来对高斯点云进行形变处理，光栅化后获得目标人物说话图像，最后两阶段模型集成，将逐帧的图像与音频内容同步合并，以实现说话人脸视频生成任务。本发明方法不仅能够快速生成未出现在数据集中的全新音频对应的动态人脸，还能在保持高生成速度的同时确保生成结果的自然性和高质量，实现了音视频同步与表情细节的高度还原。
-
公开(公告)号：CN119418155A
公开(公告)日：2025-02-11
申请号：CN202411463375.1
申请日：2024-10-21
Applicant: 杭州电子科技大学
IPC: G06V10/776 , G06N3/0455 , G06N5/04
Abstract: 本发明提出了一种基于掩码自编码器的对抗环境下可验证鲁棒性优化方法，包括如下步骤：首先，获取图像数据集并对数据集进行随机攻击和预处理；然后，对随机攻击后的数据集中的对抗样本进行分布边界曲率评估，并根据评估结果剔除可净化潜力低下的对抗样本；其次，使用掩码自编码器重构净化剔除后的对抗样本，得到净化样本；最后，对净化样本进行全局平滑优化提升全局代表性。该方法可以有效净化对抗攻击后的样本，并通过流程设计规避了净化模型是黑盒而无法理论证明的问题，而且还优化了随机平滑技术的诸多方法过程。
-
公开(公告)号：CN118552663A
公开(公告)日：2024-08-27
申请号：CN202410601732.X
申请日：2024-05-15
Applicant: 杭州电子科技大学
IPC: G06T11/60 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了基于共享注意力的多模态人物图像生成方法，该方法首先对现有的多模态人物数据集进行预处理，构建人物图像、人物分割图、文本信息、语义信息数据组。其次构建包含基于小波变换的离散变分自编码器模型和基于共享注意力的多模态条件扩散模型，通过输入的数据组，得到生成的人物图像。最后利用反向传播算法多模态人物图像生成模型参数，直至收敛。本发明生成高保真且多样性的全身人物图像，能够有效地满足输入的多模态控制条件，对于推动计算机视觉领域中的人物图像生成具有重要意义。
-
公开(公告)号：CN113592023B
公开(公告)日：2024-02-27
申请号：CN202110918765.3
申请日：2021-08-11
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/096 , G06N3/09
Abstract: 本发明公开了一种基于深度模型框架的高效细粒度图像分类模型。本发明创新地将数据增强方法与知识蒸馏技术相结合，设计交叉集成知识蒸馏(CEKD)模型，以在线方式动态生成软目标；整个交叉集成知识蒸馏模型包括教师网络和学生网络，且教师和学生网络采用同一骨干网络；针对数据增强中存在的噪声干扰问题，提出交叉蒸馏模块(CD)来重建网络的输入路径以获得额外的监督信息；同时针对目标冲突问题，提出协同集成模块(CE)来动态集成和优化所有最终的输出值；最后结合交叉蒸馏模块和协同集成模块，全面捕捉图片的判别性区域并提高CEKD模型的鲁棒性。本发明在细粒度数据集上的大量实验证明了CEKD模型性能的优越性。
-
公开(公告)号：CN117236295A
公开(公告)日：2023-12-15
申请号：CN202311197701.4
申请日：2023-09-15
IPC: G06F40/166 , G06F40/126 , G06F40/30 , G06N3/042
Abstract: 本发明公开了一种基于图神经网络的机器生成稿件可解释评价方法及系统，该方法包括：获取机器生成的多模态新闻稿件，对多模态新闻稿件内容进行编码，获取新闻稿件整体编码向量和新闻稿件要素编码向量；将新闻稿件整体编码向量和新闻稿件要素编码向量输入层次化图神经网络中，构建新闻稿件异构图，通过基于多层级注意力机制的新闻稿件异构图卷积，更新新闻稿件整体编码向量和新闻稿件要素编码向量，将更新后的编码向量拼接为新闻稿件表示矩阵，通过全连接层输出可解释评价标签预测结果。本发明设计多个可解释评价标签，并利用图神经网络聚合新闻稿件内容及评价信息，对稿件质量进行多层级、细粒度的评价，给出多模新闻稿件的可解释评价标签。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.023 seconds)
