公开(公告)号：CN115496973B

公开(公告)日：2023-02-21

申请号：CN202211440089.4

申请日：2022-11-17

Applicant: 南京信息工程大学

Inventor： 赵俊杰 ,  吴俊凤 ,  王金伟 ,  戴跃伟

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  H04N1/64 ,  G06T9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于分块域变换模拟技术的JPEG对抗样本生成方法，所述对抗样本生成方法包括以下步骤：以分块域变换模拟技术为基础，利用卷积层构建JPEG解压缩模块、之后与原始卷积神经网络组合形成输入为JPEG流的新模型；获取该模型关于输入JPEG流的梯度信息；按照单步幅度构建对抗噪声；经过块间位置筛选和块内像素筛选步骤后确定对抗噪声嵌入位置，重复直至生成的JPEG流变为对抗样本。本发明JPEG对抗样本生成方法解决了数字图像对抗样本无法以有损压缩格式存储和传输的问题，通过以分块域变换模拟技术为基础构建JPEG解压缩模块，直接获取关于JPEG流的梯度信息，以广泛使用的JPEG图像格式生成对抗样本。

公开(公告)号：CN108446676B

公开(公告)日：2020-08-25

申请号：CN201810413049.8

申请日：2018-05-03

Applicant: 南京信息工程大学

Inventor： 田青 ,  刘成广 ,  顾思宇 ,  柯研 ,  仲昭奕 ,  吴俊凤

IPC: G06K9/00

Abstract: 本发明公开了一种基于有序编码及多层随机投影的人脸图像年龄判别方法，属于人脸识别技术领域。本发明的方法采用双通道网络输入两张不同的照片分别经过多层ELM进行随机特征映射，并且通过高斯标签分布的分类模型输出编码，采用梯度下降法直接调节模型参数。本发明借用多层ELM以解决CNN复杂的参数修改问题，并且减少算法的过拟合现象。并且采用LDL编码进行输出，充分考虑到不同年龄的可能性，使算法更加合理和准确。此外，相比传统的单通道网络，双通道网络将不同年龄段的信息有序结合起来，克服了算法训练的随机性问题，提高了算法的泛化性能。

公开(公告)号：CN113177599B

公开(公告)日：2023-11-21

申请号：CN202110504115.4

申请日：2021-05-10

Applicant: 南京信息工程大学

Inventor： 吴俊凤 ,  王金伟 ,  赵俊杰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/092 ,  G06N3/094

公开(公告)号：CN115496973A

公开(公告)日：2022-12-20

申请号：CN202211440089.4

申请日：2022-11-17

Applicant: 南京信息工程大学

Inventor： 赵俊杰 ,  吴俊凤 ,  王金伟 ,  戴跃伟

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  H04N1/64 ,  G06T9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于分块域变换模拟技术的JPEG对抗样本生成方法，所述对抗样本生成方法包括以下步骤：以分块域变换模拟技术为基础，利用卷积层构建JPEG解压缩模块、之后与原始卷积神经网络组合形成输入为JPEG流的新模型；获取该模型关于输入JPEG流的梯度信息；按照单步幅度构建对抗噪声；经过块间位置筛选和块内像素筛选步骤后确定对抗噪声嵌入位置，重复直至生成的JPEG流变为对抗样本。本发明JPEG对抗样本生成方法解决了数字图像对抗样本无法以有损压缩格式存储和传输的问题，通过以分块域变换模拟技术为基础构建JPEG解压缩模块，直接获取关于JPEG流的梯度信息，以广泛使用的JPEG图像格式生成对抗样本。

公开(公告)号：CN108446676A

公开(公告)日：2018-08-24

申请号：CN201810413049.8

申请日：2018-05-03

Applicant: 南京信息工程大学

Inventor： 田青 ,  刘成广 ,  顾思宇 ,  柯研 ,  仲昭奕 ,  吴俊凤

IPC: G06K9/00

Abstract: 本发明公开了一种基于有序编码及多层随机投影的人脸图像年龄判别方法，属于人脸识别技术领域。本发明的方法采用双通道网络输入两张不同的照片分别经过多层ELM进行随机特征映射，并且通过高斯标签分布的分类模型输出编码，采用梯度下降法直接调节模型参数。本发明借用多层ELM以解决CNN复杂的参数修改问题，并且减少算法的过拟合现象。并且采用LDL编码进行输出，充分考虑到不同年龄的可能性，使算法更加合理和准确。此外，相比传统的单通道网络，双通道网络将不同年龄段的信息有序结合起来，克服了算法训练的随机性问题，提高了算法的泛化性能。

公开(公告)号：CN113177599A

公开(公告)日：2021-07-27

申请号：CN202110504115.4

申请日：2021-05-10

Applicant: 南京信息工程大学

Inventor： 吴俊凤 ,  王金伟 ,  赵俊杰

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请涉及一种基于GAN的强化样本生成方法。该方法包括：获取待强化样本；将待强化样本输入到预先训练好的StrGAN生成模型中进行强化，获得目标强化样本；StrGAN生成模型的训练方式为：获取原始图片样本；采用RGB转YCbCr的方法对原始图片样本进行处理，获得处理后的图片样本；将处理后的图片样本输入到基于StrGAN算法的生成器中，采用StrGAN算法将自动提取输入的处理后的图片样本的特征，生成强化样本；将强化样本进行精度评估，当精度达到预设条件时，获得StrGAN生成模型，使生成的目标强化样本从扰动的积极影响来提高神经网络，提高了神经网络的性能。