-
公开(公告)号：CN119006518A
公开(公告)日：2024-11-22
申请号：CN202411025498.7
申请日：2024-07-29
Applicant: 中国矿业大学
IPC: G06T7/246 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于频域重要性的三维点云目标跟踪对抗性攻击法及装置，通过谱图和信号处理领域的方法，将搜索区域点云由空间域变换到频域，在频域上添加扰动，对搜索区域的低频分量进行攻击以提高泛化性，通过设计频段重要性显著图，为低频区域中的每个单位子频段按对跟踪的重要程度打分，依据频段重要性显著图分数构造子频段权重，加强对跟踪重要的子频段的扰动程度，通过边界框偏移损失函数，引导跟踪模型生成的候选目标提议偏向置信度较低的提议方向，从而使跟踪预测边界框偏离目标而跟踪失败。
-
公开(公告)号：CN117058389A
公开(公告)日：2023-11-14
申请号：CN202311087792.6
申请日：2023-08-28
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/42 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本发明公开了一种基于多属性驱动Transformer的图像自动裁剪方法和装置，使用Next‑ViT作为主干网络进行全局特征图的提取，基于此构建主题分支、构图分支和裁剪分支；在主题分支中学习图像的主题属性从而得到主题属性激活图；在构图分支中学习图像的构图属性从而得到构图属性激活图，对构图属性激活图与主题属性激活图进行融合得到多属性激活图；在裁剪分支中设置锚点获取锚点位置特征图，并利用全局关系推理模块得到偏移量特征图，合并锚点位置特征图和偏移量特征图得到裁剪框特征图，归一化多属性激活图得到锚点权重，利用锚点权重对裁剪框特征图进行加权得到预测的裁剪框。本发明通过自动裁剪方法得到高质量裁剪图像，有效改善图像的美学质量。
-
公开(公告)号：CN110363068B
公开(公告)日：2023-08-18
申请号：CN201910450597.2
申请日：2019-05-28
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/044
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。
-
公开(公告)号：CN111080645B
公开(公告)日：2023-08-15
申请号：CN201911098928.7
申请日：2019-11-12
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种基于生成式对抗网络的遥感图像半监督语义分割方法，通过搭建初始生成式对抗分割网络，构建训练数据集，根据训练数据集训练所述初始生成式对抗分割网络，得到优化生成式对抗分割网络，将待测图像输入所述优化生成式对抗分割网络进行语义分割，以提取不同尺度的特征，融合局部和全局特征，用生成对抗网络指导没有标签的数据进行语义分割，从而进行半监督语义分割，提高语义分割的精度。
-
公开(公告)号：CN111539255B
公开(公告)日：2023-04-18
申请号：CN202010227374.2
申请日：2020-03-27
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态图像风格转换的跨模态行人重识别方法，根据行人图像数据集，对训练图像进行收集和预处理获取训练样本；构建解耦图像特征的自动编码网络模型，该模型对处理后输入的行人图像进行特征解耦，分为域无关的内容特征和域相关的风格特征；构建基于模态转换的生成网络和判别网络模型，该模型实现不同域行人图像的风格属性信息互换，实现变换风格的样本生成；本发明方法针对行人重识别算法易受不同光照影响的问题，通过神经网络提取行人图像的特征来学习不同图像的相似性矩阵，该方法学习到的度量矩阵比人为选定的矩阵具有灵活性，更能获得图像特征之间的相似性。
-
Patent Agency Ranking
公开(公告)号：CN114511593A
公开(公告)日：2022-05-17
申请号：CN202210084771.8
申请日：2022-01-25
Applicant: 中国矿业大学
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：CN114494959A
公开(公告)日：2022-05-13
申请号：CN202210080615.4
申请日：2022-01-24
Applicant: 中国矿业大学
Abstract: 本发明公开了一种针对视频目标分割的注意力引导的对抗性攻击方法，首先使用特征提取器提取视频帧的特征图；然后构建多级特征空间注意力模块，获得空间注意力图；将空间注意力图与特征图串联起来，得到增强特征图，并对增强特征图进行下采样；构建反卷积神经网络，基于下采样后的增强特征图生成原始视频序列的对抗性扰动；将生成的对抗性扰动添加到原始视频序列中产生对抗样本；给定初始帧掩码，将对抗样本输入经典的单样本视频目标分割网络中得到最终预测掩码。本发明提供对抗性攻击方法借助注意力机制和增强特征图生成对抗性扰动，能够针对视频目标分割任务进行对抗性攻击，实现将目标的所有像素进行错误分类。
-
公开(公告)号：CN110363215B
公开(公告)日：2020-07-28
申请号：CN201910469411.8
申请日：2019-05-31
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于生成式对抗网络的SAR图像转化为光学图像的方法，利用深度学习和图像处理方法完成SAR图像到光学图像转化的技术，通过分割和再拼接，完成将大幅SAR图像转化为便于理解的光学图像的任务。本发明能够实现人工干预工作量大大减少，根据待处理场景的特点完成SAR图像的自动转化，图像细节部分处理效果较好，转化结果图像在保持地物空间结构信息方面与SAR图像保持一致，在纹理、色调和光谱等方面非常接近目标图像的效果。
-
公开(公告)号：CN111259758A
公开(公告)日：2020-06-09
申请号：CN202010030047.8
申请日：2020-01-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种针对密集区域的两阶段遥感图像目标检测方法，主要解决现有技术对目标密集区域目标识别准确率低的问题，其步骤为：1、对于输入图像进行数据增强操作，增加训练样本集；2、构建基于多尺度特征提取模块；3、在不同尺度的特征图上进行目标检测，找出目标密集的区域；4、针对目标密集的区域进行二次目标检测；5、对检测出的目标进行分类和位置回归，输出目标对应的分类标签和位置坐标，完成对图像的目标识别和定位。本发明利用网络多尺度结构的特点提取和融合不同尺度下的特征图来检测不同大小的目标，并对目标密集度高的区域进行二次检测，提高了小目标识别准确率。该方法可用于无人机以及卫星对目标的检测，侦查和监视。
-
公开(公告)号：CN111080645A
公开(公告)日：2020-04-28
申请号：CN201911098928.7
申请日：2019-11-12
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于生成式对抗网络的遥感图像半监督语义分割方法，通过搭建初始生成式对抗分割网络，构建训练数据集，根据训练数据集训练所述初始生成式对抗分割网络，得到优化生成式对抗分割网络，将待测图像输入所述优化生成式对抗分割网络进行语义分割，以提取不同尺度的特征，融合局部和全局特征，用生成对抗网络指导没有标签的数据进行语义分割，从而进行半监督语义分割，提高语义分割的精度。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.029 seconds)
