-
公开(公告)号：CN114494959B
公开(公告)日：2025-03-25
申请号：CN202210080615.4
申请日：2022-01-24
Applicant: 中国矿业大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/048
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：CN111242026B
公开(公告)日：2022-07-12
申请号：CN202010030042.5
申请日：2020-01-13
Applicant: 中国矿业大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种基于空间层次感知模块和度量学习的遥感图像目标检测方法，解决在复杂环境下目标特征不明显以及类内目标特征差距大的目标检测问题。主要包括如下步骤：(a)构建预训练数据集；(b)利用空间层次感知模块构建特征金字塔；(c)对输入图像上的区域进行前景和背景的分类和定位；(d)对可能的目标特征进行分类和定位；(e)进行在线难样本挖掘；(f)利用度量学习拉近相同类别难样本特征之间的距离；(g)计算总损失，更新目标检测模型参数。本发明提出的辅助损失，通过度量学习可以拉近相同类别特征之间的距离，使得类内的目标更加容易识别，减少因类内目标特征差异过大造成的检测错误。
-
-
-
公开(公告)号：CN108416974B
公开(公告)日：2020-07-07
申请号：CN201810063069.7
申请日：2018-01-23
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于无线信道状态信息的自动报警装置及方法，该无线信道状态信息为无线通信网络中发射终端和接收终端之间的通信子载波的信道状态信息，该自动报警装置包括：报警模块，报警模块用于获取信道状态信息，并根据信道状态信息对无线通信网络覆盖区域中的人员手势或人员动作进行识别，以及根据识别结果生成报警信息；通讯模块，通讯模块用于接收报警信息，并根据报警信息进行报警。根据本发明的自动报警装置，能够方便有效地实现自动报警，且成本较低。
-
Patent Agency Ranking
公开(公告)号：CN111242026A
公开(公告)日：2020-06-05
申请号：CN202010030042.5
申请日：2020-01-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于空间层次感知模块和度量学习的遥感图像目标检测方法，解决在复杂环境下目标特征不明显以及类内目标特征差距大的目标检测问题。主要包括如下步骤：(a)构建预训练数据集；(b)利用空间层次感知模块构建特征金字塔；(c)对输入图像上的区域进行前景和背景的分类和定位；(d)对可能的目标特征进行分类和定位；(e)进行在线难样本挖掘；(f)利用度量学习拉近相同类别难样本特征之间的距离；(g)计算总损失，更新目标检测模型参数。本发明提出的辅助损失，通过度量学习可以拉近相同类别特征之间的距离，使得类内的目标更加容易识别，减少因类内目标特征差异过大造成的检测错误。
-
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：CN111259758B
公开(公告)日：2023-04-07
申请号：CN202010030047.8
申请日：2020-01-13
Applicant: 中国矿业大学
IPC: G06V20/13 , G06V20/17 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
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：CN115393776A
公开(公告)日：2022-11-25
申请号：CN202211148006.4
申请日：2022-09-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种面向自监督视频目标分割的黑盒攻击方法，基于亲和矩阵的自监督视频目标分割模型学习视频序列的特征表示从而实现强大的像素对应关系。首先基于初始化随机产生的对抗扰动，构建针对单帧、双帧和多帧的对比损失，进行迭代优化；然后设计特征损失增强黑盒攻击所生成对抗样本的可转移性；采用像素级损失使生成的对抗样本噪声不可感知；构建多路径聚合模块获得迭代优化的对抗性扰动并将其添加到原始视频帧产生对抗样本；最终将对抗视频输入自监督视频目标分割网络得到最终预测掩码。本发明对自监督视频目标分割模型的黑盒攻击方法的研究识别了分割算法的脆弱性，能够进一步提升自监督视频目标分割任务的安全性和鲁棒性。
-
公开(公告)号：CN110363068A
公开(公告)日：2019-10-22
申请号：CN201910450597.2
申请日：2019-05-28
Applicant: 中国矿业大学
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。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.025 seconds)
