-
公开(公告)号：CN113312450B
公开(公告)日：2022-05-31
申请号：CN202110589788.4
申请日：2021-05-28
Applicant: 北京航空航天大学
IPC: G06F16/33 , G06F21/60 , G06F40/126 , G06F40/44 , G06F40/58
Abstract: 本发明通过人工智能领域的方法，实现了一种防范文本流次序变换攻击的方法。方法三个步骤；基于EM算法学习随机化序列概率分布；生成随机化序列密钥；方法的训练与部署需要搭建包括pytorch与依赖库的运行环境。通过EM算法学习出抵御攻击的最佳序列概率分布，最后使得针对流次序攻击的对抗样本无法准确攻击次序编码，达到防范文本流次序攻击的效果。本发明方法具有抵御攻击的性能最佳，对于其他的文本攻击同样能够减弱其攻击强度的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN111179250B
公开(公告)日：2023-03-24
申请号：CN201911393687.9
申请日：2019-12-30
Applicant: 北京航空航天大学
IPC: G06T7/00
Abstract: 本发明实现了一套基于多任务学习的工业品缺陷检测系统，针对工业品各工艺生产线中AOI设备拍摄的大量图像，训练一个两阶段的模型，利用一阶段分割网络模型生成的中间结果作为二阶段决策网络模型的输入，将一阶段模型生成的遮罩(mask)图像，引入注意力机制，在二阶段模型中新增为一个通道进行图像分类，从而实现高水准的表面缺陷分类，生成融合检测和分类的多任务学习模型，图像输入层可直接接入工厂的AOI设备系统，形成图像数据流，结果输出层可接入生产决策系统，对产品的质量和去向进行监控和决策。
-
公开(公告)号：CN113327607B
公开(公告)日：2022-05-06
申请号：CN202110589762.X
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过语音领域的方法，实现了一种机舱语音指令握手检测系统。包括机舱人员角色识别模块、机舱语音指令识别模块和指令握手模块三个模块：机舱人员角色识别模块收集机舱的音频混杂的机长、副机长、塔台三个角色的声音进行标注，将不同人的声音分离开，并将分离的声音输入机舱语音指令识别模块；机舱语音指令识别模块对分离后的音频识别，对易错的结果进行替换，构建每个角色的语音‑文本语料库；指令握手模块识别角色之间的对话是否是指令，并将机长和塔台，机长和副机长的握手区分开，并将机长和副机长的握手过程和喊话标准流程进行匹配判断有无错漏。这一方案能以较高的速率完成对语音的识别、判定，能够做到实时提醒，并具有良好的适应性。
-
公开(公告)号：CN113327607A
公开(公告)日：2021-08-31
申请号：CN202110589762.X
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过语音领域的方法，实现了一种机舱语音指令握手检测系统。包括机舱人员角色识别模块、机舱语音指令识别模块和指令握手模块三个模块：机舱人员角色识别模块收集机舱的音频混杂的机长、副机长、塔台三个角色的声音进行标注，将不同人的声音分离开，并将分离的声音输入机舱语音指令识别模块；机舱语音指令识别模块对分离后的音频识别，对易错的结果进行替换，构建每个角色的语音‑文本语料库；指令握手模块识别角色之间的对话是否是指令，并将机长和塔台，机长和副机长的握手区分开，并将机长和副机长的握手过程和喊话标准流程进行匹配判断有无错漏。这一方案能以较高的速率完成对语音的识别、判定，能够做到实时提醒，并具有良好的适应性。
-
公开(公告)号：CN113312450A
公开(公告)日：2021-08-27
申请号：CN202110589788.4
申请日：2021-05-28
Applicant: 北京航空航天大学
IPC: G06F16/33 , G06F21/60 , G06F40/126 , G06F40/44 , G06F40/58
Abstract: 本发明通过人工智能领域的方法，实现了一种防范文本流次序变换攻击的方法。方法三个步骤；基于EM算法学习随机化序列概率分布；生成随机化序列密钥；方法的训练与部署需要搭建包括pytorch与依赖库的运行环境。通过EM算法学习出抵御攻击的最佳序列概率分布，最后使得针对流次序攻击的对抗样本无法准确攻击次序编码，达到防范文本流次序攻击的效果。本发明方法具有抵御攻击的性能最佳，对于其他的文本攻击同样能够减弱其攻击强度的技术效果。
-
公开(公告)号：CN111179250A
公开(公告)日：2020-05-19
申请号：CN201911393687.9
申请日：2019-12-30
Applicant: 北京航空航天大学
IPC: G06T7/00
Abstract: 本发明实现了一套基于多任务学习的工业品缺陷检测系统，针对工业品各工艺生产线中AOI设备拍摄的大量图像，训练一个两阶段的模型，利用一阶段分割网络模型生成的中间结果作为二阶段决策网络模型的输入，将一阶段模型生成的遮罩(mask)图像，引入注意力机制，在二阶段模型中新增为一个通道进行图像分类，从而实现高水准的表面缺陷分类，生成融合检测和分类的多任务学习模型，图像输入层可直接接入工厂的AOI设备系统，形成图像数据流，结果输出层可接入生产决策系统，对产品的质量和去向进行监控和决策。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
