公开(公告)号：CN119785145A

公开(公告)日：2025-04-08

申请号：CN202411866799.2

申请日：2024-12-18

Applicant: 南宁桂电电子科技研究院有限公司 ,  广西壮族自治区信息中心(广西壮族自治区大数据研究院) ,  桂林电子科技大学

Inventor： 李龙 ,  冯国团 ,  周飞 ,  李晶晶 ,  李冲 ,  孙希延 ,  蓝如师 ,  黄小燕 ,  吴齐仟

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/44 ,  G06V10/54 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种对抗样本构造方法，包括：S1、获取目标图像，对所述目标图像进行分割，获取分割掩码；S2、将所述目标图像输入至生成器中，获取当前全局对抗扰动；S3、基于所述目标图像，结合所述分割掩码和当前全局对抗扰动，获取当前对抗样本；S4、将所述当前对抗样本和目标图像输入至代理模型，获取图像总损失；S5、将所述图像总损失输入至所述生成器，结合所述目标图像，获取新的全局对抗扰动；S6、返回S3，直至获取当前最优对抗样本。本发明引入图像分割模块，识别出关键区域。其次，仅针对关键区域添加扰动，在较少扰动的情况下构造对抗样本。

公开(公告)号：CN118469038A

公开(公告)日：2024-08-09

申请号：CN202410623419.6

申请日：2024-05-20

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 李龙 ,  赵雨轩 ,  李晶晶 ,  孙希延 ,  黄晓燕 ,  付文涛 ,  何松兴 ,  吴齐仟

IPC: G06N20/00 ,  G06F18/2321

Abstract: 本发明涉及基于模型参数聚类的个性化联邦学习，包括：S1、中央服务器初始化模型；S2、中央服务器将模型分发给每个客户端，作为客户端模型；S3、客户端基于客户端本地数据集训练客户端模型，并将训练后的客户端模型发送至中央服务器；S4、中央服务器在获得训练后的客户端模型后，将多个训练后的客户端模型中同一维度的模型参数作为一组数据进行聚类，形成多个簇并计算出各自聚类中心；S5、中央服务器将聚类中心赋值给簇内的每条模型参数，从而组合得到多个个性化模型；S6、中央服务器将个性化模型分别发送给客户端；S7、客户端对个性化模型进行检验，若个性化模型收敛，或达到预设训练轮次，则停止训练，否则返回S3。