公开(公告)号：CN117523455A

公开(公告)日：2024-02-06

申请号：CN202311566376.4

申请日：2023-11-23

Applicant: 吉林大学

Inventor： 王兴旺 ,  陈仕霖 ,  于美铭 ,  孙亚峰

IPC: G06V20/40 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种高效且准确识别视频动作信息的方法，包括如下步骤：步骤一、采集视频数据并对其进行预处理，获得输入数据；步骤二、建立二维卷积神经网络，包括依次连接的六个阶段，第一阶段包括依次连接的卷积批池化层、最大化池化层和通道迁移层，第二阶段到第五阶段均为瓶颈层构成，且每个阶段的瓶颈层的具体数量为[3,4,6,3]，每个阶段的第一层瓶颈层为优化瓶颈层，其余瓶颈层均为原始瓶颈层，第六阶段包括依次连接的全局平均池化层和全连接层；步骤三、将输入数据输入所述二维卷积神经网络中，获得概率最大值对应的动作标签即为识别出的视频动作信息。本发明具有提高动作识别的准确性和识别效率的特点。

公开(公告)号：CN117593631A

公开(公告)日：2024-02-23

申请号：CN202311739393.3

申请日：2023-12-18

Applicant: 吉林大学

Inventor： 王兴旺 ,  孙亚峰 ,  陈仕霖 ,  徐海啸

IPC: G06V10/98 ,  G06V10/82 ,  G06N3/006 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于比特翻转攻击的图像识别模型混合量化方法，包括：步骤一、对图像识别模型进行初始量化，转化为初始量化模型；从所述初始量化模型的第一层开始，逐层进行比特翻转攻击，并且记录每一层受到攻击的敏感度；将所有层的敏感度组成初始量化模型的敏感度集合；构建优化目标函数并且确定优化约束条件，根据所述优化目标函数和所述优化约束条件确定图像识别模型的最优混合精度量化策略；步骤三、根据所述最优混合精度量化策略为图像识别模型的每一层设置用于存储该层参数的比特位宽，得到最优混合量化模型；步骤四、获取待识别图像，使用所述最优混合量化模型进行图像识别。