自适应目标新生强度的PHD平滑器的多目标跟踪方法

    公开(公告)号:CN105182291A

    公开(公告)日:2015-12-23

    申请号:CN201510531102.0

    申请日:2015-08-26

    CPC classification number: G01S7/00

    Abstract: 本发明公开了一种自适应目标新生强度的PHD平滑器的多目标跟踪方法,主要解决在杂波环境下,自适应目标新生强度的PHD滤波器在目标新生时刻存在目标确认的滞后现象,并给出其线性高斯条件下的实现形式。通过前向滤波和后向平滑,能够准确估计目标数目和状态,减小目标新生时确认滞后对航迹形成带来的影响。其步骤包括目标新生率估计、前向滤波和后向平滑,即首先根据先验杂波数均值来估计k时刻的新生率;其次,采用k时刻的量测对目标进行预测和更新来完成前向滤波;然后,用滞后的L时刻量测对滤波结果进行后向平滑;最后,通过修剪合并和状态提取完成跟踪结果的输出。

    基于隐写的通用对抗扰动生成方法、介质及计算机设备

    公开(公告)号:CN114758187B

    公开(公告)日:2024-09-17

    申请号:CN202210019738.7

    申请日:2022-01-10

    Abstract: 本发明属于深度学习安全技术领域,公开了一种基于隐写的通用对抗扰动生成方法、介质及计算机设备,所述基于隐写的通用对抗扰动生成方法包括获取原始样本集、目标模型和隐写模型;初始化掩码和模式;计算扰动,并将扰动隐写到原始样本中得到对抗样本;计算损失,优化掩码和模式;判断是否满足终止条件;检查是否触发了早停机制,进行新一轮的迭代;计算并保存最终的扰动。本发明可应用于图像识别、自动驾驶、生物特征识别等各种图像分类场景,通过深度隐写模型将局部的对抗噪声隐写到目标样本的全局范围内,在不被察觉下对人工智能系统发动攻击,影响系统的正常功能,以攻促防,推动人工智能系统朝着更健壮的方向发展。

    即插即用的深度学习模型版权主动保护方法及装置

    公开(公告)号:CN116738379A

    公开(公告)日:2023-09-12

    申请号:CN202310772600.9

    申请日:2023-06-28

    Abstract: 本发明公开了一种用的深度学习模型版权主动保护方法,具体为:步骤1:准备需要保护的源模型#imgabs0#训练数据集#imgabs1#测试数据集#imgabs2#加密模块与解密模块;步骤2:结合解密模块并基于梯度信息优化和跨数据样本迭代设计扰动v,并将经过多次优化得到的扰动v作为秘密图像vsecret;步骤3:将步骤2获得的秘密图像vsecret注入加密模块与解密模块,耦合解密模块和需要保护的源模型,利用加解密模块实现在不影响授权用户推理性能的前提下降低非授权用户的推理性能。该方法不影响授权用户推理性能的前提下显著降低非授权用户的推理性能实现主动的模型版权保护,从根源上杜绝侵权行为的发生。还公开了一种即插即用的深度学习模型版权主动保护装置。

    自适应目标新生强度的PHD平滑器的多目标跟踪方法

    公开(公告)号:CN105182291B

    公开(公告)日:2017-08-25

    申请号:CN201510531102.0

    申请日:2015-08-26

    Abstract: 本发明公开了一种自适应目标新生强度的PHD平滑器的多目标跟踪方法,主要解决在杂波环境下,自适应目标新生强度的PHD滤波器在目标新生时刻存在目标确认的滞后现象,并给出其线性高斯条件下的实现形式。通过前向滤波和后向平滑,能够准确估计目标数目和状态,减小目标新生时确认滞后对航迹形成带来的影响。其步骤包括目标新生率估计、前向滤波和后向平滑,即首先根据先验杂波数均值来估计k时刻的新生率;其次,采用k时刻的量测对目标进行预测和更新来完成前向滤波;然后,用滞后的L时刻量测对滤波结果进行后向平滑;最后,通过修剪合并和状态提取完成跟踪结果的输出。

    一种基于谐振网络的E类放大器多路直接功率合成电路

    公开(公告)号:CN115189661A

    公开(公告)日:2022-10-14

    申请号:CN202210825401.5

    申请日:2022-07-14

    Abstract: 本发明公开了一种基于谐振网络的E类放大器多路直接功率合成电路,首先通过电压调节单元将输入电流的交流分量和高次谐波剔除,同时通过开关管并联电容的方法使开关管工作在ZVS条件下,然后通过LC串联谐振电路实现输入电流的整形滤波,使得输出为正弦;接着将单路的电压调节单元与单路的LC谐振单元组成改进型的E类功率放大电路,这便是单路E类功率放大器的实现过程;最后通过功率合成单元多将多个单路E类功率放大器并联接入,最终实现功率的合成放大。

    基于隐写的通用对抗扰动生成方法、介质及计算机设备

    公开(公告)号:CN114758187A

    公开(公告)日:2022-07-15

    申请号:CN202210019738.7

    申请日:2022-01-10

    Abstract: 本发明属于深度学习安全技术领域,公开了一种基于隐写的通用对抗扰动生成方法、介质及计算机设备,所述基于隐写的通用对抗扰动生成方法包括获取原始样本集、目标模型和隐写模型;初始化掩码和模式;计算扰动,并将扰动隐写到原始样本中得到对抗样本;计算损失,优化掩码和模式;判断是否满足终止条件;检查是否触发了早停机制,进行新一轮的迭代;计算并保存最终的扰动。本发明可应用于图像识别、自动驾驶、生物特征识别等各种图像分类场景,通过深度隐写模型将局部的对抗噪声隐写到目标样本的全局范围内,在不被察觉下对人工智能系统发动攻击,影响系统的正常功能,以攻促防,推动人工智能系统朝着更健壮的方向发展。

Patent Agency Ranking