-
公开(公告)号：CN115018044B
公开(公告)日：2025-04-11
申请号：CN202210510771.X
申请日：2022-05-11
Applicant: 北京邮电大学
IPC: G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06V10/764 , G06V10/82 , G06V10/771 , G06V10/77
Abstract: 本申请提供一种深度卷积神经网络的对抗训练方法、图像识别方法及装置，方法包括：在深度卷积神经网络的对抗训练过程中的对抗分支中，提取目标图像对应的对抗攻击样本的初始特征；对对抗攻击样本的初始特征进行特征解耦，得到该初始特征分别对应的对抗类型特征和干扰特征，并对对抗类型特征进行特征提取以得到用于识别目标图像类型的第一鲁棒表征。本申请考虑到参训对抗攻击样本的动态性，利用特征解耦实现对对抗攻击样本中干扰特征的分离，能够保证深度卷积神经网络的对抗训练质量，并能够强化针对深度卷积神经网络的对抗训练效果，提升深度卷积神经网络的鲁棒性，进而能够有效提高深度卷积神经网络的识别结果的有效性及可靠性。
-
公开(公告)号：CN114202678A
公开(公告)日：2022-03-18
申请号：CN202111397376.7
申请日：2021-11-23
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种车牌文字识别中的对抗攻击方法、系统及存储介质，所述方法包括：获取待攻击车牌图像；将所述待攻击车牌图像输入至CRNN模型，获取待攻击车牌图像对应的N*T后验概率矩阵；确定需修改字符置信度的目标序列；修改目标序列下的第一字符和第二字符对应的置信度，以生成攻击目标矩阵；其中，第一字符为目标序列下的最大置信度值所对应的字符，所述第二字符为目标序列下的第二大置信度值所对应的字符；基于后验概率矩阵及攻击目标矩阵判断对所述待攻击车牌的攻击是否成功；在攻击成功的情况下，根据攻击目标矩阵生成攻击样本图像。该对抗攻击方法降低了车牌图像的攻击难度，减少了迭代次数，提高了对抗攻击速率。
-
公开(公告)号：CN115018044A
公开(公告)日：2022-09-06
申请号：CN202210510771.X
申请日：2022-05-11
Applicant: 北京邮电大学
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82 , G06V10/771 , G06V10/77
Abstract: 本申请提供一种深度卷积神经网络的对抗训练方法、图像识别方法及装置，方法包括：在深度卷积神经网络的对抗训练过程中的对抗分支中，提取目标图像对应的对抗攻击样本的初始特征；对对抗攻击样本的初始特征进行特征解耦，得到该初始特征分别对应的对抗类型特征和干扰特征，并对对抗类型特征进行特征提取以得到用于识别目标图像类型的第一鲁棒表征。本申请考虑到参训对抗攻击样本的动态性，利用特征解耦实现对对抗攻击样本中干扰特征的分离，能够保证深度卷积神经网络的对抗训练质量，并能够强化针对深度卷积神经网络的对抗训练效果，提升深度卷积神经网络的鲁棒性，进而能够有效提高深度卷积神经网络的识别结果的有效性及可靠性。
-
Patent Agency Ranking
公开(公告)号：CN110262887B
公开(公告)日：2022-04-01
申请号：CN201910563352.0
申请日：2019-06-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于特征识别的CPU‑FPGA任务调度方法及装置，其中方法包括：获取多个待处理任务及各待处理任务的数据量，提取多个待处理任务中各待处理任务的特征信息，基于各待处理任务的CPU特征信息，FPGA特征信息，以及任务自身特征信息，生成各待处理任务的特征向量，将所生成的各待处理任务的特征向量输入预先训练的分类模型中，得到各待处理任务的分类结果，根据各待处理任务的数据量之间的大小关系，对待处理任务进行排序，并将排序后的各待处理任务按照预设策略分别调度至CPU和FPGA中处理。本发明实施例，能够实现在CPU‑FPGA任务调度过程中，提高CPU‑FPGA的负载均衡性。
-
公开(公告)号：CN110222704A
公开(公告)日：2019-09-10
申请号：CN201910507821.7
申请日：2019-06-12
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种弱监督目标检测方法及装置，提取待检测图像的图像特征；待检测图像中包含至少一个待检测物体；基于提取的图像特征，确定针对每个待检测物体的初始检测结果，每个初始检测结果为包含一个待检测物体的初始检测框；基于提取的图像特征，确定每个待检测物体的显著区域；基于每个显著区域，对每个初始检测结果进行优化，得到针对每个待检测物体的目标检测结果。相比于现有的若监督目标检测方法中，本发明不需要额外训练分割模型，而是将显著区域作为对检测结果优化的辅助信息，从而减少了目标检测任务的训练复杂度，且使用显著区域作为优化过程的辅助信息，能够避免优化方向出现错误，从而提高了训练效率。
-
公开(公告)号：CN115880746A
公开(公告)日：2023-03-31
申请号：CN202211225684.6
申请日：2022-10-09
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/0475
Abstract: 本发明提供一种生成器模型训练及人脸重构生成方法、装置及存储介质，该方法包括：图像重构生成步骤，获取真实人脸图像输入到生成器模型中，由生成器模型对真实人脸图像重构生成人脸重构图像；图像局部一致性强化步骤，将人脸重构图像随机裁剪为多个随机图像块并进行配对，计算各图像块对内的特征距离，计算局部特征一致性损失并更新生成器模型的参数；图像判别步骤，将图像输入到判别器模型中，由判别器模型输出图像真假的结果，计算真假判别损失并更新判别器模型的参数；重复以上3个步骤，并通过随机梯度下降法交替更新生成器模型和判别器模型的参数，训练以获得生成器模型。本发明能够有效克服对抗攻击技术对人脸图像的干扰。
-
公开(公告)号：CN110222704B
公开(公告)日：2022-04-01
申请号：CN201910507821.7
申请日：2019-06-12
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种弱监督目标检测方法及装置，提取待检测图像的图像特征；待检测图像中包含至少一个待检测物体；基于提取的图像特征，确定针对每个待检测物体的初始检测结果，每个初始检测结果为包含一个待检测物体的初始检测框；基于提取的图像特征，确定每个待检测物体的显著区域；基于每个显著区域，对每个初始检测结果进行优化，得到针对每个待检测物体的目标检测结果。相比于现有的若监督目标检测方法中，本发明不需要额外训练分割模型，而是将显著区域作为对检测结果优化的辅助信息，从而减少了目标检测任务的训练复杂度，且使用显著区域作为优化过程的辅助信息，能够避免优化方向出现错误，从而提高了训练效率。
-
公开(公告)号：CN110262887A
公开(公告)日：2019-09-20
申请号：CN201910563352.0
申请日：2019-06-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于特征识别的CPU-FPGA任务调度方法及装置，其中方法包括：获取多个待处理任务及各待处理任务的数据量，提取多个待处理任务中各待处理任务的特征信息，基于各待处理任务的CPU特征信息，FPGA特征信息，以及任务自身特征信息，生成各待处理任务的特征向量，将所生成的各待处理任务的特征向量输入预先训练的分类模型中，得到各待处理任务的分类结果，根据各待处理任务的数据量之间的大小关系，对待处理任务进行排序，并将排序后的各待处理任务按照预设策略分别调度至CPU和FPGA中处理。本发明实施例，能够实现在CPU-FPGA任务调度过程中，提高CPU-FPGA的负载均衡性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
