-
公开(公告)号：CN108805200A
公开(公告)日：2018-11-13
申请号：CN201810589587.2
申请日：2018-06-08
Applicant: 中国矿业大学
CPC classification number: G06K9/6267 , G06K9/0063 , G06K9/6215 , G06K9/6256
Abstract: 本发明公开了一种基于深度孪生残差网络的光学遥感图像分类方法，属于图像处理技术领域。在训练阶段，首先通过两个完全相同的深度残差网络，对输入的遥感图像对进行特征提取，分别得到它们的特征表示，然后结合这两个特征表示计算其在特征空间的欧氏距离，以判断输入图像对的相似程度。在测试阶段，使用训练好的任一个深度残差网络对输入图像进行场景分类。本发明可对大规模的高分辨遥感图像进行场景分类，可在自然灾害监测与评估，城市规划，环境监测等领域发挥重要作用。
-
公开(公告)号：CN108171266A
公开(公告)日：2018-06-15
申请号：CN201711442778.8
申请日：2017-12-25
Applicant: 中国矿业大学
IPC: G06K9/62
Abstract: 本发明公开了一种多目标深度卷积生成式对抗网络模型及其学习方法，主要解决目前深度卷积生成式对抗网络训练难以收敛和训练不稳定问题，其实现方案是：提出了多目标深度卷积生成式对抗网络模型；采用群搜索策略同时训练多组深度卷积生成式对抗网络实现多个个体协同进化保证了模型训练的稳定性；采用Pareto占优机制每次迭代中选择潜在最优的生成网络和对抗网络的组合进行后期的训练保证了模型训练的收敛性；针对深度卷积网络特性设计了交叉算子实现不同网络之间参数信息的交互；结合演化算法的全局搜索能力和梯度下降算法的快速局部搜索能力可以有效地保证新提出的学习框架的准确性和有效性。
-
公开(公告)号：CN120014350A
公开(公告)日：2025-05-16
申请号：CN202510100928.5
申请日：2025-01-22
Applicant: 中国矿业大学
Inventor： 赵佳琦 , 王平安 , 周勇 , 阿卜杜穆塔利布.埃尔.萨迪克
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/52 , G06V10/80
Abstract: 本发明公开了基于渐进特征融合和不确定估计的开放世界目标检测方法，使用开放世界目标检测模型对自然图像进行检测，确定图像中已知类和未知类的坐标及置信度；其中，开放世界目标检测模型包括：获取开放世界目标检测数据集，并进行数据预处理；利用Fast R‑CNN构建开放世界目标检测模型，ResNet‑50提取初始多尺度特征；对初始多尺度特征渐进融合得到融合多尺度特征；对融合多尺度特征进行注意力计算得到固定特征；预测固定特征的分类得分；对分类得分计算得到方差用于不确定估计；基于不确定性和分类得分判断该类属于已知类还是未知类；基于不确定性进行后门调整得到最终分类得分；利用开放世界目标检测数据集对开放世界目标检测模型进行训练。
-
公开(公告)号：CN114511593B
公开(公告)日：2025-04-18
申请号：CN202210084771.8
申请日：2022-01-25
Applicant: 中国矿业大学
IPC: G06T7/246 , G06V10/74 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于重要特征的视觉目标跟踪可转移黑盒攻击方法，通过对特征中与跟踪目标高度相关而不受源模型影响的重要特征进行攻击，将其重要程度降低，同时增强不重要的特征以实现具有可转移性的攻击；即通过反向传播获得的所对应的梯度来体现其特征的重要程度，随后通过梯度得到的加权特征以进行攻击。此外，本发明使用视频相邻两帧之间相似这一时序信息，提出特征相似下降损失函数，通过减小相邻帧之间的特征相似度以进行攻击。本发明能够在不可知目标跟踪模型以及不进行大量查询的情况下，通过生成的具有强可转移性的对抗样本，对目标跟踪器实现有效的黑盒攻击。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN111860678B
公开(公告)日：2024-02-27
申请号：CN202010744097.2
申请日：2020-07-29
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/762 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06V10/764
Abstract: 本发明公开了一种基于聚类的无监督跨域行人重识别方法，属于计算机视觉领域。具体实现（1）搭建用于预训练的神经网络；（2）将源域有标签的数据输入预训练网络，做有监督的预训练；（3）搭建用于微调的双流相互学习网络框架；4）训练双流相互学习框架，输出适用于目标域的行人重识别模型。本发明利用有标签的源域数据集和无标签的目标域数据集，以及相互学习的网络框架，实现无监督的跨域行人重识别；引入自注意力机制和全局联合池化操作，以及提出新的损失函数——联合灵活优化损失，并选用更合
-
公开(公告)号：CN116580275A
公开(公告)日：2023-08-11
申请号：CN202310545491.7
申请日：2023-05-15
Applicant: 中国矿业大学
IPC: G06V10/80 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种本发明公开了一种基于多模态层次关系建模的RGB‑T目标跟踪方法，通过堆叠多层的Transformer编码器结构，利用自注意力机制在图像特征学习的多个阶段渐进式地聚集并融合多模态图像特征。在整个网络的多模态交互过程中，利用基于图像块的动态部件特征融合模块，动态求解跟踪场景中每个区域的可见光信息的重要程度，从而调节可见光信息和红外信息在跟踪过程中的相互作用，更好地适应复杂性场景，获得更好的跟踪性能。
-
公开(公告)号：CN116310834A
公开(公告)日：2023-06-23
申请号：CN202310320214.6
申请日：2023-03-29
Applicant: 中国矿业大学
Inventor： 赵佳琦 , 欧庆峰 , 周勇 , 阿卜杜穆塔利布·埃尔·萨迪克
Abstract: 本发明提出一种基于结构先验与多尺度特征融合的细粒度目标检测方法，该方法包括：步骤1，获取细粒度遥感图像数据集；步骤2，搭建改进Oriented R‑CNN的网络模型，由主干网络ResNet50与特征金字塔网络FPN得到图片的多尺度特征，并利用Canny边缘检测算法对输入图片进行边缘检测得到边缘检测结果，将边缘检测结果与多尺度特征进行融合得到融合特征，作为Oriented RPN的输入，根据Oriented RPN输出的定位结果，使用特征提取算法从融合特征中提取特征，将特征提取的结果输入到头部分类网络与头部定位网络中；步骤3，利用遥感数据集对步骤2中搭建的目标检测模型进行训练；步骤4，使用训练好的遥感图像目标检测模型对遥感图像进行检测以获得遥感图像中目标的定位和分类。
-
公开(公告)号：CN115984766A
公开(公告)日：2023-04-18
申请号：CN202211571246.5
申请日：2022-12-08
Applicant: 中国矿业大学
Inventor： 赵佳琦 , 王斌 , 周勇 , 芦志广 , 阿卜杜穆塔利布·埃尔·萨迪克
IPC: G06V20/52 , G06V20/64 , G06V20/70 , G06V10/82 , G06T7/80 , G06T7/70 , G06F17/16 , G06N3/02 , G06N3/08
Abstract: 本发明公开了一种煤矿井下快速单目视觉三维目标检测方法，包括以下步骤：S1、首先利用井下安装的摄像头采集包含指定目标的图像数据并进行二维框标注，构建目标检测数据集；S2、构建二维目标检测网络模型并在构建的目标检测数据集上训练，得到训练好的二维目标检测模型；S3、定义世界坐标系，利用棋盘格标定法标定相机内参，并利用激光雷达辅助完成相机与世界坐标系外参的标定；S4、图像输入二维目标检测模型得到目标二维边框，结合相机内外参计算目标三维坐标；S5、利用目标的三维坐标、目标沿巷道方向的航向角和目标长宽高计算相机坐标系下目标的三维包围框。
-
公开(公告)号：CN109670528B
公开(公告)日：2023-04-18
申请号：CN201811352790.4
申请日：2018-11-14
Applicant: 中国矿业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V40/10 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种面向行人重识别任务的基于成对样本随机遮挡策略的数据扩充方法，在训练阶段，首先通过采用基于成对样本随机遮挡策略的数据扩充方法增加样本的多样性，提高深度行人重模型训练过程中的鲁棒性，进而提高模型的泛化性能。本发明与现有技术中数据扩充的方法相比，利用了孪生深度学习模型训练数据的特点，同时考虑了孪生网络训练的困难，提出了一种新的数据扩充方法。通过增加训练数据对的多样性，有效缓解单个行人数据集类别少且缺乏多样性问题给带来的影响，提升了模型的泛化性能，让行人重识别方法可以更好的处理复杂环境下的相行人重识别问题。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.026 seconds)
