-
公开(公告)号：CN110728297B
公开(公告)日：2021-08-06
申请号：CN201910829864.7
申请日：2019-09-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于GAN的低代价对抗性网络攻击样本生成方法，包括：步骤1，对样本集中样本的属性和标签进行编码；步骤2，根据编码后的样本的属性计算信息增益；步骤3，对抗样本生成模型训练；步骤4，生成用于攻击的对抗样本。本发明基于GAN的基本思想，通过计算样本的属性、标签和信息增益训练模型，可以实现扰动特征的自动化选择，以最小代价生成高效的对抗性网络攻击样本。
-
公开(公告)号：CN113159301A
公开(公告)日：2021-07-23
申请号：CN202110569275.7
申请日：2021-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于二值化量化模型的图像处理方法，属于图像处理技术领域，其包括以下步骤：S1、对图像集进行预处理，得到每张图像的初始输入数据；S2、构建二值化量化模型；S3、采用每张图像的初始输入数据对二值化量化模型进行训练，得到训练完成的二值化量化模型；S4、将一张图像的初始输入数据输入训练完成的二值化量化模型，得到图像中物体的边界和属性，完成对图像的处理；本发明解决了无人机存储内存很小，无法存储现有的全精度模型的问题。
-
公开(公告)号：CN111882055A
公开(公告)日：2020-11-03
申请号：CN202010540046.8
申请日：2020-06-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于CycleGAN与伪标签的目标检测自适应模型的构建方法，包括：S1，源域数据集和目标域数据集预处理；S2，使用CycleGAN网络将源域数据集转换为接近目标域数据集的中间域数据集，并将中间域数据集输入Faster R-CNN网络进行训练，得到初步域自适应模型Q；将目标域数据集重新输入到模型Q中，获得带伪标签的目标域数据集；S3，将中间域数据集与带伪标签的目标域数据集轮流输入模型Q进行迭代式地更新与优化，最终得到基于CycleGAN与伪标签的目标检测域自适应模型。本发明通过利用置信度改进Faster R-CNN网络的目标检测总损失函数来训练得到的目标检测域自适应模型，能够解决两个域之间由于存在分布差异而导致目标检测出现域漂移的问题。
-
公开(公告)号：CN111667506A
公开(公告)日：2020-09-15
申请号：CN202010405359.2
申请日：2020-05-14
Applicant: 电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于ORB特征点的运动估计方法，包括如下步骤：步骤1，采用oFAST特征点与rBRIEF描述子相结合的方式分别提取两帧图像的ORB特征点；步骤2，对两帧图像的ORB特征点进行基于暴力匹配BF和PROSAC的特征匹配，得到最优拟合模型；步骤3，基于所述最优拟合模型，并混合GICP与ICP算法进行运动估计。本发明建立了混合ICP与GICP的运动估计算法估算出机器人的运动轨迹，并在其中采用了基于暴力匹配BF与渐进采样一致性算法PROSAC的从粗到精的特征匹配方法，能够减少因受到干扰而出现的误匹配现象。
-
公开(公告)号：CN109829299A
公开(公告)日：2019-05-31
申请号：CN201811439938.8
申请日：2018-11-29
Applicant: 电子科技大学
Abstract: 本发明公布了一种基于深度自编码器的未知攻击检测方案，通过对所有攻击类型进行一定的语义描述，语义描述基于外部文本数据进行标准化的语义文本提取，并进行自然语言处理形成语义特征描述向量，语义特征空间是所有特征的语义特征描述向量，最终通过攻击数据集训练到语义特征的深度自编码模型。自编码模型获得隐层输出，即训练集数据到语义特征的映射模型，新型攻击的数据特征通过自编码模型得到新型攻击的语义特征，并与语义特征空间进行比较，通过向量相似度的计算，得到新型攻击最接近的攻击类型从而达到预测新型攻击的目的。本发明适用于未知攻击检测，能够对新型攻击得到较为准确的识别，从而便于进行后续快速检测和拦截。
-
Patent Agency Ranking
公开(公告)号：CN103544392B
公开(公告)日：2016-08-24
申请号：CN201310503402.9
申请日：2013-10-23
Applicant: 电子科技大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于深度学习的医学气体识别方法，具体使用原始的频率响应信号，对其进行简单的归一化，然后输入栈式自编码网络，通过逐层提取，最终学习得到原始数据的抽象特征，整个网络对外屏蔽了提取特征，降维，抑制漂移等过程，同时在网络最后附加一个分类层，使得这些特征可以直接进入分类器进行分类。训练过程分为预训练与微调两个步骤，可以有效地提高网络的学习能力，训练完成后，新样本输入网络可以直接得到预测的类别。本发明的方法能自动提取医学气体有效区分特征，将特征提取、特征选择和抑制漂移等步骤融合在了一起，极大地简化了传统方法的复杂度，提升了气体检测与识别的效率。
-
公开(公告)号：CN103955952A
公开(公告)日：2014-07-30
申请号：CN201410184295.2
申请日：2014-05-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种服装图像颜色特征的提取与描述方法，首先通过对服装图像训练集的每个图像进行前景图像提取、量化以及获取主颜色，然后将前景图像划分为若干个局部块，得到各个局部块的主颜色，并进行光照归一化处理，最后将服装图像训练集中所有局部块的主颜色进行聚类得到K个聚类即编码本。采用同样的方法统计出每个聚类的局部块的数量，并构成该服装图像的编码。本发明能够对服装图像中感兴趣的服装区域的颜色(视觉)特征进行有效地提取和描述，精确有效地对服装图像颜色进行描述同时，以减小特征描述的复杂度，提高服装图像检索的准确度和效率。
-
公开(公告)号：CN103412003A
公开(公告)日：2013-11-27
申请号：CN201310366955.4
申请日：2013-08-21
Applicant: 电子科技大学
IPC: G01N27/00
Abstract: 本发明公开了一种基于半监督领域自适应的气体检测方法，包括步骤：对气体传感器采集的气体数据信号进行预处理；利用预处理后的信号构造特征子空间；根据构造特征子空间建立组合核函数；选择目标域中无标记样本；根选择的目标域中无标记样本训练分类器，根据得到的训练分类器进行气体识别。本发明根据气体传感器数据的时间序列特点，通过对领域自适应的核函数进行构造，提出了目标域的无标记样本的选择策略，能有效处理气体传感器数据及传感器漂移，新的核函数既考虑了靠近源域和目标域的子空间应该有更大的权重，又考虑了源域和目标域之间的中间数据，利用格拉斯曼流型几何来描述气体传感器的漂移，有效解决漂移对气体检测和识别的影响。
-
公开(公告)号：CN103065158A
公开(公告)日：2013-04-24
申请号：CN201210578578.6
申请日：2012-12-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于相对梯度的ISA模型的行为识别方法，该方法采用改进的独立子空间分析算法来提取视频的局部特征；接着对所提取的局部特征进行聚类，得到聚类中心（即视觉关键词），对每个视频，建立视觉关键词直方图，则每个视频表示为基于视觉关键词直方图的特征向量；最后就是采用多类别支持向量机SVM对其进行分类，完成对行为的识别。本发明可以用于个体行为识别，也可以用于群体行为识别。本发明为一种基于相对梯度的算法，不需要求逆过程，收敛速度更快。
-
公开(公告)号：CN101187927A
公开(公告)日：2008-05-28
申请号：CN200710050854.0
申请日：2007-12-17
Applicant: 电子科技大学
Abstract: 本发明提供了一种对刑事案件串并案的文本和图像进行准确、高效检索的智能分析方法，它包括提取数据库的图像和文本的数据信息，形成每个案件的多维向量特征；对连续数据和离散符号数据定义一种运算公式进行统一处理和计算；对多维向量赋予不同的权值；采用粗糙集约简技术，再对每个案件的多维向量特征进行维度约简；计算待分析的案件与向量约简后的数据库每个案件的相似度，找出数据库中和待分析案件有关联的串并案件；采用本发明能结合分析人员的经验和知识交互式地进行灵活、柔性的检索和比对，为破案人员提供了更准确的串并案的信息，提高了破案效率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.027 seconds)
