-
公开(公告)号：CN109978897A
公开(公告)日：2019-07-05
申请号：CN201910279035.6
申请日：2019-04-09
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法及装置，根据两组异源遥感图像数据，获取训练样本；对输入图像进行图像分割，获得分割图像；构建基于图像分割的多尺度生成对抗网络；构建图像块的生成对抗网络；训练两个生成对抗网络；将生成图像与待配准图像进行同源图像配准。本发明能够约束生成对抗网络生成图像的空间信息一致性，并提供全尺寸、高分辨率、空间信息一致的图像转换解决方案，将异源图像配准问题化简为同源图像配准问题，构建统一的异源遥感图像配准框架。
-
公开(公告)号：CN119516428A
公开(公告)日：2025-02-25
申请号：CN202411491053.8
申请日：2024-10-24
Applicant: 中国矿业大学
Abstract: 本发明提出了一种视觉复杂度引导的扩散模型对抗防御方法，该方法包括如下步骤：步骤1)将被攻击的视频对抗样本作为输入，逐帧计算对抗视频样本的视觉复杂度；步骤2)根据样本视觉复杂度与扩散净化尺度的映射关系，选择合适的扩散净化尺度；步骤3)对对抗视频样本进行前向扩散，依据步骤2)选定的净化尺度，使用强度合适的高斯噪声在淹没对抗扰动的同时，尽可能保留视频帧的主成分，得到扩散视频样本；步骤4)对扩散视频样本进行反向扩散，并采用一次性去噪策略，高效地将扩散样本恢复为净化样本；步骤5)将净化后的良性视频输入智能视频系统以得到正确的决策，完成对对抗攻击的防御。
-
公开(公告)号：CN116269386B
公开(公告)日：2024-06-11
申请号：CN202310232732.2
申请日：2023-03-13
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于序数划分网络的多通道生理时间序列情绪识别方法，适用于人机交互下的不同情绪的识别。通过采集被试者不同情绪下的多通道生理时间序列，经过序数划分方法对其分别进行符号化进而构建序数划分网络，进一步将每条生理时间序列构成的序数划分网络看作节点，计算两两生理时间序列之间的差异性，并将其作为节点间的连边权重进而构造全连接无向加权网络，最后将不同情绪下的全连接无向加权网络作为图神经网络的输入进行分类。该方法结合序数划分网络与图神经网络，且融合了多元生理器官时间序列，且其计算简便步骤简单，对不同情绪都有很高的识别效率，能够有效地对人机交互活动提供帮助。
-
公开(公告)号：CN116385912A
公开(公告)日：2023-07-04
申请号：CN202310396295.8
申请日：2023-04-14
Applicant: 国网江苏省电力有限公司徐州供电分公司 , 中国矿业大学
Abstract: 本发明公开了一种基于transformer的无人机航拍绝缘子目标检测方法及装置，所述检测方法包括：获取无人机航拍绝缘子的训练图像和测试图像，并标注出绝缘子在训练图像中的位置信息；构建特征提取网络；所述特征提取网络包括卷积神经网络、特征降维网络及位置编码器；构建Transformer网络，并提取待预测特征；所述Transformer网络包括Transformer编码器、Transformer解码器；构建预测网；所述预测网络包括50个前馈神经网；训练Transformer网络与预测网络；基于训练完成的Transformer网络与预测网络，预测测试图像的绝缘子位置。本发明通过提升Transformer网络在无人机航拍绝缘子目标检测的适用性，构建无人机航拍绝缘子自动检测方案。
-
公开(公告)号：CN115393776A
公开(公告)日：2022-11-25
申请号：CN202211148006.4
申请日：2022-09-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种面向自监督视频目标分割的黑盒攻击方法，基于亲和矩阵的自监督视频目标分割模型学习视频序列的特征表示从而实现强大的像素对应关系。首先基于初始化随机产生的对抗扰动，构建针对单帧、双帧和多帧的对比损失，进行迭代优化；然后设计特征损失增强黑盒攻击所生成对抗样本的可转移性；采用像素级损失使生成的对抗样本噪声不可感知；构建多路径聚合模块获得迭代优化的对抗性扰动并将其添加到原始视频帧产生对抗样本；最终将对抗视频输入自监督视频目标分割网络得到最终预测掩码。本发明对自监督视频目标分割模型的黑盒攻击方法的研究识别了分割算法的脆弱性，能够进一步提升自监督视频目标分割任务的安全性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN114494354A
公开(公告)日：2022-05-13
申请号：CN202210138232.8
申请日：2022-02-15
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于注意力多模态特征融合的无监督RGB‑T目标跟踪方法，先采用分层卷积神经网络来提取RGB图像和热红外图像的特征；再使用特征融合模块将来自不同水平及不同模态的特征进行同步融合；再对融合得到的特征进行两次前向跟踪得到响应图；接着，将融合特征逆序，原先的模板图作为搜索图，搜索图作为模板图，生成的响应图作为伪标签进行反向跟踪得到最终的响应图；然后，最小化反向跟踪得到的响应图与原始标签之间的一致性损失进行无监督训练；最后，将测试视频帧输入训练好的网络进行前向跟踪得到响应图即为预测的目标位置。本发明方法可以充分利用多层次、多模态信息并能发挥无监督学习的优势。
-
公开(公告)号：CN114429460A
公开(公告)日：2022-05-03
申请号：CN202210080621.X
申请日：2022-01-24
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于属性感知关系推理的通用图像美学评估方法和装置，用于提高通用图像美学评估模型的准确性。本发明首先利用卷积神经网络构建特征提取器，得到图像的全局特征图；并在全局特征图的基础上，通过学习图像的美学属性来生成属性感知特征图；然后利用自注意力机制构建属性关系推理模块，并进一步得到美学属性的关系特征图；最后把全局特征图、美学属性特征和属性关系特征图进行特征联合，同时对图像的美学分布进行建模预测；最终通过计算把美学分布转化成图像的通用美学分数；本发明可有效地评估待测试图像的通用美学分数，准确率高，并且本发明可以有效地筛选出符合大众审美的图像，易于应用在图像检索和图像增强等技术中。
-
公开(公告)号：CN113128323A
公开(公告)日：2021-07-16
申请号：CN202010047847.0
申请日：2020-01-16
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于协同进化卷积神经网络学习的遥感图像分类方法，属于图像处理技术领域。首先初始化多个不同优化方法的相同网络，将初始化的网络同时进行训练,选取一个时间间隔，在每个时间间隔后，选取在测试集上分类准确率最高的网络，保存其模型的全部参数并将保存的模型参数赋予协同训练中剩余的网络，进行网络的迭代训练，每次丢弃表现较差的模型参数，继承表现最好的模型参数。使得每个优化方法充分发挥其功能，达到优化最大化，提高收敛速度，达到较高的准确率。本发明可对大规模的高分辨率遥感图像进行场景分类，大大提高遥感图像分类的准确性，可用于自然灾害的检测与评估，环境监测等领域，减少判断与决策失误性，减少损失。
-
公开(公告)号：CN111126282A
公开(公告)日：2020-05-08
申请号：CN201911352556.6
申请日：2019-12-25
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于变分自注意力强化学习的遥感图像内容描述方法，属于计算机视觉和自然语言处理的交叉领域；包括：使用遥感图像分类数据集，预训练融合变分自编码器的卷积神经网络；使用预训练的卷积神经网络提取遥感图像的空间特征和语义特征；使用自注意力使空间特征融合上下文信息；使用遥感图像内容描述数据集，使用Transformer解码空间特征和语义特征，融合特征，输出遥感图像内容的文本描述；使用强化学习提升文本描述质量。本发明利用遥感图像分类数据集，融合变分自编码器进行卷积神经网络预训练，使用自注意力机制，特征融合，强化学习，优化了遥感图像内容描述文本的质量。
-
公开(公告)号：CN110363068A
公开(公告)日：2019-10-22
申请号：CN201910450597.2
申请日：2019-05-28
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多尺度循环生成式对抗网络的高分辨行人图像生成方法，解决由监控设备拍摄到的行人图像分辨率存在差异的问题。其实现方案是：提出基于多尺度循环生成式对抗网络的高分辨行人图像生成模型，采用多尺度生成网络模型将低分辨率行人图像转换为高分辨行人图像，该模型生成器分为两个子生成网络：全局生成网络和局部增强网络；其次采用循环生成式对抗网络技术通过对抗学习的方法来训练多尺度生成器，目的是解决生成高分辨图像失真问题以及还原行人图像的背景信息；针对网络模型复杂度高和参数多的问题，使用多阶段学习方法来训练多尺度循环生成式对抗网络高分辨行人图像生成模型，实现网络性能的稳步提升。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.025 seconds)
