-
公开(公告)号：CN115631810A
公开(公告)日：2023-01-20
申请号：CN202211274910.X
申请日：2022-10-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于流的图同构自回归分子生成方法。首先进行数据预处理；构建基于流的图同构自回归分子生成模；通过预处理后的数据对分子生成模型进行训练；最后通过训练好的分子生成模型完成分子生成。本发明针对分子生成问题，采取了基于流的自回归生成模型，通过多层感知机求出基分布和现实数据分布之间的可逆变换，从而在提高了模型的灵活性同时，因其迭代的采样过程，使得可以在节点和边的生成过程中引入价态检验，这大大提高了所生成分子的现实意义。采用了图神经网络表征能力达到上限的图同构神经网络GIN来进行分子图的表示学习，极大的提升了模型对于分子图结构的学习能力。
-
公开(公告)号：CN115565107A
公开(公告)日：2023-01-03
申请号：CN202211203700.1
申请日：2022-09-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双流架构的视频显著性预测方法。首先提取视频帧和光流图中包含的时间和空间特征；通过注意力模块增强时间特征并将时间和空间特征融合；再使用时间解码器生成的掩膜图过滤时空特征；使用GRU模块获取视频帧之间的长期时空信息；最后使用空间解码器生成预测图。本发明通过使用一种新颖的双流架构更加有效地提取出光流图和视频帧中包含的时间和空间特征；通过使用注意力模块对不同尺度的时间特征进行增强处理，更加有效地融合了时间和空间特征；通过使用一种时间掩膜方法更加准确地定位出时空特征中显著对象的位置；通过使用GRU模块能够捕获到视频中更长的时空信息。
-
公开(公告)号：CN115511914A
公开(公告)日：2022-12-23
申请号：CN202211215389.2
申请日：2022-09-30
Applicant: 杭州电子科技大学
IPC: G06T7/246 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于YOLO算法和PID算法的鸟类摄影云台控制方法，首先准备包含各类鸟类的照片数据并进行标注，通过标注好的照片数据对YOLOv5网络模型进行训练，在现有摄影云台的主控芯片上加载训练好的网络模型；通过网络模型对图像进行检测有无鸟类。对比鸟类中心坐标和图像中心的坐标，若有偏差，则转动舵机，使得相机追踪鸟类，相机转动角度用PID算法来优化，并保存图像。本发明针对于特定的摄影环境和摄影对象，旨在帮助摄影师更好的追踪和捕捉鸟类，本发明在传统的云台控制算法上，融入了人工智能相关算法，在保证预测准确度的同时，也要充分考虑芯片性能以保证算法运行和算法推理运算速度。
-
公开(公告)号：CN115511747A
公开(公告)日：2022-12-23
申请号：CN202211203733.6
申请日：2022-09-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于像素域和频域信息损失的视频去压缩伪影方法。首先进行数据预处理，获取高质量及低质量的视频帧数据集，搭建视频增强网络模型；再训练低质量图像增强的网络模型；最后将低质量的视频帧输入模型得到高质量的视频帧。本发明通过在频域上进行计算梯度轮廓损失和像素域的密集残差连接配合，能使得低质量的视频帧输出菱角分明边缘清晰的视频帧。本发明方法同时在频域和像素域的联合操作大大提升了质量增强的效果。
-
公开(公告)号：CN115496186A
公开(公告)日：2022-12-20
申请号：CN202211201830.1
申请日：2022-09-29
Applicant: 杭州电子科技大学
IPC: G06N3/04 , G06N3/08 , G06Q40/02 , G06F16/901
Abstract: 本发明公开了一种基于图结构学习提升网络鲁棒性的优化方法，首先通过重构新的低秩且稀疏的邻接矩阵来学习到新的邻接矩阵S逼近中毒图的邻接矩阵，然后针对对抗性攻击连接节点并赋予明显的特征，通过保证图数据的特征平滑度来保护图数据不受攻击影响，获得训练图神经网络的总损失函数；最后进行GNN图神经网络的迭代学习得到最优的鲁棒性图神经网络。本发明有效的将对抗思想迁移到图数据来提升图神经网络的鲁棒性。本发明针对中毒图数据依旧保持良好的学习效率，在分类等各种任务上保持良好的效果。在各种对抗性攻击下都可以保持良好的整体鲁棒性，可以解决大部分的对抗性攻击。
-
Patent Agency Ranking
公开(公告)号：CN115457600A
公开(公告)日：2022-12-09
申请号：CN202211277054.3
申请日：2022-10-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多目标的行人重识别攻击方法。首先通过人体区域切割网络确定扰动图片可叠加的区域，再计算该区域内的平滑度，确定平滑度最大的点作为叠加区域的左上角；再初始化大尺寸攻击图，利用STN缩放为小尺寸攻击图，叠加到图片上；计算针对多目标攻击的多目标损失函数，利用梯度反向传播更新攻击图，得到多目标扰动图片；最后将得到的多目标扰动图片打印出来贴到衣服上，实现物理层面的攻击。相比单目标的攻击方法，本发明可以进行多目标攻击，攻击性能更强，攻击更多样；通过人体区域检测网络，以及平滑度最小方法，使得本方法攻击区域尽可能处于人体的衣物区域，使得物理攻击更容易开展。
-
公开(公告)号：CN114255338A
公开(公告)日：2022-03-29
申请号：CN202111564112.6
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种利用风格和内容的域适应校正方法，先利用校准器对源域和目标域图片进行重建，生成源域风格目标域图片和源域风格的源域图片，即重建的源域图片。然后利用解码器对四张图片进行特征提取，以及特征解耦，分为风格特征以及内容特征。设计两个分辨器使其辨别不出重构的目标域图片和源域图片。本发明方法不仅在特征级别进行域适应，而且进行像素级别的域适应，使生成的图片可以更好的应用于分类器。并且不仅单纯的考虑了特征级别的相似性，对特征进行解耦，分为内容特征以及风格特征，从风格特征和内容特征两方面对特征进行域适应。
-
公开(公告)号：CN114139773A
公开(公告)日：2022-03-04
申请号：CN202111341841.5
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于时空图卷积网络的公共交通流量预测方法，包括以下步骤：步骤(1)、获取公共交通流量数据并进行预处理；步骤(2)、公共交通网络建模；步骤(3)、构建时间序列特征；步骤(4)、构建时空图卷积网络；步骤(5)、训练时空图卷积网络；步骤(6)、时空图卷积网络的测试过程；针对复杂的公共交通流量预测问题，该方法能够高效准确地预测未来一段时间内乘坐公共交通工具出行的乘客流量，便于规划线路，错开高峰时段，提高乘坐体验，提升百姓生活质量。
-
公开(公告)号：CN114092633A
公开(公告)日：2022-02-25
申请号：CN202111187058.8
申请日：2021-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多目结构的三维重建装置及方法。首先，通过自主设计的基于多目结构的三维重建装置获取所需数据，解决了多相机间的全景扫描和位姿估计以进行后续室内三维场景的重建或者全景图的生成。并且，本发明通过融合多个传感器的信息利用因子图优化的方式提出了一个视觉‑轮速计紧耦合框架以实现高精度和鲁棒性的状态估计和重建。本发明通过三维重建装置来限定相机的部分运动一致性从而约束相机自由度，并采用因子图优化的方式通过所提出的紧耦合框架对相机运动进行更为准确的估计，使得重建结果更加准确。
-
公开(公告)号：CN113792729A
公开(公告)日：2021-12-14
申请号：CN202110918742.2
申请日：2021-08-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于热图注意力机制与频域分析的行人重识别攻击方法，首先通过热图注意力机制，定位行人图像中最易受攻击的区域；然后利用梯度反向计算，实现扰动区域的生成，再通过低频信号约束生成的扰动区域，使其分布在信号低频段；最后将生成的扰动直接在数字层面叠加至原图像对应区域，或者先打印后贴附至原图像对应区域，实现行人重识别攻击。本发明提出通过热图注意力机制定位人体中最易受攻击区域，从频域角度分析，优化扰动生成过程，实现更不易被防御者察觉的攻击性扰动，在实现有效攻击的同时可促进防御相关领域的研究。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.114 seconds)
