-
公开(公告)号：CN118015287B
公开(公告)日：2024-06-21
申请号：CN202410419473.9
申请日：2024-04-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/26 , G06V10/776
Abstract: 本发明提供一种基于域纠正适应器的跨域小样本分割方法，涉及图像处理技术领域。方法包括：获取待分割图像，将待分割图像输入至已训练的特征提取层，得到待处理特征图；将待处理特征图输入至已训练的域纠正器，获取域纠正器输出的纠正特征图，域纠正器用于纠正待处理特征图的域与基准域的域差异；将纠正特征图输入至已训练的分割模块，获取分割模块输出的图像分割结果；其中，域纠正器与域扰乱器共同基于多组训练数据训练得到，每组训练数据包括样本待分割图像以及样本待分割图像对应的分割结果标签，样本待分割图像的域为基准域，域扰乱器用于对图像添加域扰动以实现对不同域的模拟。本发明可以提高对跨域的图像的分割准确度。
-
公开(公告)号：CN117671302B
公开(公告)日：2024-05-28
申请号：CN202410140154.4
申请日：2024-02-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/74 , G06V10/75 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种图像隐写分析方法及设备，方法包括：利用空域富模型中srm滤波提取待分析原始图片的空域高频噪声信息图；利用高通滤波方法提取待分析原始图片的高频信息图；对空域高频噪声信息图和高频信息图分别进行图像切割，得到不同位置的频域信息子图和空域信息子图；利用深度学习网络对频域信息子图和空域信息子图进行特征提取；将提取的特征进行相似度计算，得到特征相似度矩阵；对特征相似度矩阵的非零元素进行求和取平均，获得特征平均相似度；通过设定决策边界，并通过特征平均相似度与方法决策边界比较得到待分析原始图片的隐写分析结果。本发明提高了图像隐写分析的准确率。
-
公开(公告)号：CN118014048A
公开(公告)日：2024-05-10
申请号：CN202410167554.4
申请日：2024-02-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种低照度人脸检测模型构建方法、装置及终端。方法包括：获取源域和目标域；获取初始模型，所述初始模型包括学生模型和教师模型；基于所述源域对所述学生模型进行监督训练，得到初始模型参数和第一监督损失；基于所述初始模型参数和所述第一监督损失对所述学生模型和所述教师模型进行交互监督学习，得到目标检测模型。本发明提供的低照度人脸检测模型构建方法能更好的识别低照度环境下的人脸，提高人脸检测模型的检测性能。
-
公开(公告)号：CN111210009A
公开(公告)日：2020-05-29
申请号：CN202010039251.6
申请日：2020-01-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于信息熵的多模型自适应深度神经网络滤波器嫁接方法，包括依次执行以下步骤：步骤一：每个周期内多个模型权值正常迭代更新；步骤二：计算每一层滤波器的信息熵；步骤三：相邻两个网络自适应的加权平均作为新的权值。本发明的有益效果是：1.该方法能够激活模型中的无效滤波器，从而在不改变模型结构的情况下提高模型的准确率；2.该方法提出使用滤波器的信息熵来评价滤波器的质量，相比使用范数能够更加准确地评价滤波器质量，相比计算输出特征图的信息熵需要更少的计算量；3.该方法提出自适应加权平均函数，针对每一层的特点，动态的调节两个模型中滤波器保留的比例，相比给所有层设置统一的系数更加的灵活。
-
公开(公告)号：CN120014175A
公开(公告)日：2025-05-16
申请号：CN202510174489.2
申请日：2025-02-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T17/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06T7/10
Abstract: 本发明公开了一种X光图像三维重建方法、系统及电子设备，方法包括基于生成对抗网络构建X光图像三维重建网络Seg‑XCT并训练，Seg‑XCT包括生成器、鉴别器以及投影空间变压器；生成器根据输入的双视角X光图像，输出重建CT；投影空间变压器根据输入的重建CT与真实CT，分别生成多角度重建CT投影成像和多角度真实CT投影成像，并从多角度计算重建CT投影成像和真实CT投影成像的投影损失；鉴别器将双视角X光图像作为先验条件，根据输入的重建CT和真实CT，计算重建CT与真实患者CT之间的重建损失；利用训练完成的X光图像三维重建网络Seg‑XCT实现X光图像三维重建。本发明方法提升了重建图像的真实性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN119027595A
公开(公告)日：2024-11-26
申请号：CN202411506157.1
申请日：2024-10-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T17/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种X光图像三维重建方法、系统、电子设备及存储介质，所述方法包括利用两个并行的编解码器网络，分别对二维X光图像的冠状面和矢状面进行三维重建，其中，在编码器网络中，利用局部特征增强模块分别提取冠状面X光图像和矢状面X光图像的二维特征图；利用注意力交互模块对冠状面X光图像和矢状面X光图像的二维特征图进行信息交换和融合；利用维度转换单元将所述注意力交互模块处理后的二维特征图转换成三维特征图；在解码器网络中，利用3D反卷积模块通过逐步放大三维特征图并进行三维卷积操作获取三维图像。本发明方法使用两张X光图片即可完成三维CT的重建，减少患者接受的辐射。
-
公开(公告)号：CN118298217A
公开(公告)日：2024-07-05
申请号：CN202410321777.1
申请日：2024-03-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明实施例公开了一种细粒度分类模型的训练方法、装置、电子设备及存储介质，涉及细粒度图像分类技术领域，其中，所述方法包括：获取样本图像的数字成像作为训练集；根据深度学习算法构建初始细粒度分类模型；基于孪生网络的思想和所述训练集对初始细粒度分类模型中的特征提取模型进行有监督预训练，充分收敛后基于迁移学习的思想将所述特征提取模型的权重冻结；通过特征识别模型获取各个训练样本的分类结果，根据分类结果与分类标签计算损失迭代优化特征识别模型，优化完成后得到训练完成的细粒度分类模型。本发明解决了现有技术中鉴定人才极度匮乏，细粒度样本的区分能力不足，易发生混淆与误检，导致细粒度样本分类准确度和效率低的问题。
-
公开(公告)号：CN117132671B
公开(公告)日：2024-02-23
申请号：CN202311402700.9
申请日：2023-10-27
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于深度自适应隐写网络的多任务隐写方法、系统及介质，所述方法包括以下步骤：在隐藏阶段，发送方基于深度自适应隐写网络采用逐频逐深度提取机制以及自适应空间‑频率提取模块对载体和秘密图像的有效空间、频率信息进行自适应的逐步提取，融合秘密信息和载体信息的有效部分，得到载密图像，并将所述载密图像发送至接收方；在恢复阶段，所述接收方通过恢复网络从所述载密图像中将秘密图像恢复出来。本发明通过在隐藏阶段自适应逐频逐深度地将秘密信息嵌入到载体图像中，显著提升了多个隐写任务的载密图像质量及隐写隐蔽性，同时，由于重要秘密信息的有效嵌入，
-
公开(公告)号：CN117132671A
公开(公告)日：2023-11-28
申请号：CN202311402700.9
申请日：2023-10-27
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于深度自适应隐写网络的多任务隐写方法、系统及介质，所述方法包括以下步骤：在隐藏阶段，发送方基于深度自适应隐写网络采用逐频逐深度提取机制以及自适应空间‑频率提取模块对载体和秘密图像的有效空间、频率信息进行自适应的逐步提取，融合秘密信息和载体信息的有效部分，得到载密图像，并将所述载密图像发送至接收方；在恢复阶段，所述接收方通过恢复网络从所述载密图像中将秘密图像恢复出来。本发明通过在隐藏阶段自适应逐频逐深度地将秘密信息嵌入到载体图像中，显著提升了多个隐写任务的载密图像质量及隐写隐蔽性，同时，由于重要秘密信息的有效嵌入，本发明能够恢复阶段中显著提升恢复秘密图像质量及隐写有效性。
-
公开(公告)号：CN117131923A
公开(公告)日：2023-11-28
申请号：CN202311162846.0
申请日：2023-09-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/094 , G06N3/084 , G06N3/045 , G06N3/0475 , G06F18/214 , G06F18/22 , G06F21/57 , G06F40/295 , G06V10/25 , G06V10/82
Abstract: 本申请公开了一种针对跨模态学习的后门攻击方法及相关装置，方法包括获取待攻击的文本数据和图像数据；基于图像数据中的物体与文本数据的相似度，选取部分关键物体生成图像模态不变组件；基于文本数据中的单词与图像数据的相似度，选取部分关键单词生成文本模态不变组件；基于图像数据和图像模态不变组件生成中毒图像数据；基于文本数据和文本模态不变组件生成中毒文本数据；混合中毒图像数据，中毒文本数据和原始干净数据，生成中毒多模态数据集。本申请通过图像模态不变组件和图像触发生成器生成中毒图像数据，文本模态不变组件和文本触发器生成的中毒文本数据，实现了一个针对跨模态学习的统一的后门攻击框架，并提高了后门攻击的隐蔽性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.088 seconds)
