-
公开(公告)号：CN118298220A
公开(公告)日：2024-07-05
申请号：CN202410352969.9
申请日：2024-03-26
Applicant: 安徽工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0499 , G06N3/084 , G06N3/045
Abstract: 本发明公开了基于OAT框架的CNN标准精度与鲁棒精度的平衡方法，涉及计算机图像分类技术领域，解决了模型仅针对标准损失函数进行优化，没有考虑到对抗扰动的影响，导致CNN模型的标准精度与鲁棒精度出现不平衡技术问题；本发明在OAT框架的分离特征机制下，利用符号化处理初始化扰动，将Admix增强对抗攻击方法用于对抗训练，生成更强对抗样本，两种方法结合不仅维持了两种精度的平衡，而且提升模型鲁棒性以应对复杂场景；本发明通过干净样本与随机样本组成的混合样本和缩放因子对模型进行对抗训练，并通过得到的损失值对模型参数进行动态调整，实现标准精度和鲁棒精度的平衡。
-
公开(公告)号：CN117150300A
公开(公告)日：2023-12-01
申请号：CN202311139754.0
申请日：2023-09-05
Applicant: 安徽工业大学
IPC: G06F18/214 , G06F18/24 , G06N3/0464
Abstract: 本申请公开了一种损失重平衡方法、装置和电子设备，所述方法包括：利用搭建的机器学习模型对带有标签的训练样本进行分类预测，获得分类预测结果；利用所述分类预测结果与对应的所述标签计算每个所述训练样本的梯度，根据所述梯度的正负区分所述训练样本获得正梯度样本和负梯度样本；采用困难样本挖掘方法对所述正梯度样本进行处理获得对应的正样本损失权重，联合采用困难样本挖掘方法和累积正负梯度比方法对所述负梯度样本进行处理获得对应的负样本损失权重；根据所述正样本损失权重和所述负样本损失权重调整交叉熵损失并获得对应的目标损失值；对所述目标损失值进行迭代直至所述机器学习模型收敛。
-
公开(公告)号：CN114925778A
公开(公告)日：2022-08-19
申请号：CN202210655295.0
申请日：2022-06-10
Applicant: 安徽工业大学
Abstract: 本发明公开了基于大型离散动作空间的强化学习优化方法、方法及装置。所述优化方法包括：将状态输入策略网络以得到原始动作，并基于KNN算法获取大型离散动作集内与所述原始动作距离相近的若干离散动作；将获取的各所述离散动作输入价值网络以筛选出最佳动作，并使模型执行所述最佳动作以获得样本；循环执行上述步骤以获得若干所述样本，并按照获取顺序依次间隔选取部分所述样本存储于缓冲池内；基于所述缓冲池训练所述模型并更新所述策略网络及所述价值网络；循环执行上述所有步骤直至得到最优的策略网络及价值网络。所述方法及所述优化装置均基于所述优化方法进行。本发明在进行模型训练时具有训练速度快，且对动作泛化能力强的优点。
-
公开(公告)号：CN115375966A
公开(公告)日：2022-11-22
申请号：CN202210966497.7
申请日：2022-08-12
Applicant: 安徽工业大学
IPC: G06V10/774 , G06T3/00 , G06N3/04
Abstract: 本发明公开了一种基于联合损失函数的图像对抗样本生成方法及系统。所述方法包括获取图像样本及随机噪声样本；将图像样本输入生成网络得到对抗样本并构建第一损失函数；将图像样本及对抗样本输入判别网络构建第二损失函数；将对抗样本输入待攻击模型以基于检测框构建第三损失函数；将图像样本输入待攻击模型获得注意力权重，通过图像金字塔获取对抗样本及随机噪声样本在不同尺度下特征张量，基于它们构建第四损失函数；基于前述各损失函数构建联合损失函数对生成网络及判别网络的权重更新；重复上述步骤直至获得最优生成网络，将图像样本输入其中以得到最终对抗样本。本发明不用获取待攻击模型结构，具有对抗样本生成周期短、攻击迁移性强的优势。
-
公开(公告)号：CN119963511A
公开(公告)日：2025-05-09
申请号：CN202510038504.0
申请日：2025-01-10
Applicant: 安徽工业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/045 , G06V20/70 , G06N3/082
Abstract: 本发明公开了一种基于FPGA和YOLO的板带钢表面缺陷检测方法，属于图像识别技术领域。本发明的目的是通过改进YOLO算法，提高网络对板带钢表面瑕疵缺陷重要特征的表示能力，从而提升模型的准确度。利用FPGA的高速并行处理能力，实现板带钢表面缺陷的实时检测，减少检测延迟，提高生产效率。采用FPGA硬件实现检测算法，同时通过多种技术手段减少检测精度的损失，并提升FPGA设备的资源使用效率，提高系统的稳定性和可靠性，减少因为软件故障导致的检测误差和停机时间。相比传统的检测系统，本发明可以降低硬件成本和维护费用。同时，该系统可广泛应用于目标识别领域。
-
Patent Agency Ranking
公开(公告)号：CN118916072A
公开(公告)日：2024-11-08
申请号：CN202411041259.0
申请日：2024-07-31
Applicant: 安徽工业大学
Abstract: 本申请提供一种技术债务实时预警方法、装置、电子设备及存储介质。其中方法包括：获取软件的程序源码；构建所述软件的第一系统依赖图；基于所述程序源码和所述第一系统依赖图计算所述软件的第一质量；基于所述软件的代码变更，构建所述软件的第二系统依赖图；基于所述程序源码和所述第二系统依赖图计算所述软件的第二质量；比较所述第一质量和所述第二质量，获取比较结果，根据所述比较结果是否符合预设要求获得技术债务预警结果。本申请能够快速获取变更代码对系统依赖图的影响，得到对该软件的技术债务评估结果并进行实时预警，有助于提高软件技术债务管理的效率和效果。
-
公开(公告)号：CN118196591A
公开(公告)日：2024-06-14
申请号：CN202410360687.3
申请日：2024-03-27
Applicant: 安徽工业大学
IPC: G06V10/82 , G06N3/084 , G06N3/094 , G06N3/0475 , G06N3/045 , G06V10/764 , G06V10/74
Abstract: 本申请公开了基于扰动幅度自适应控制的目标检测网络鲁棒性提升方法，涉及图像目标检测技术领域，解决了目标检测模型鲁棒性不足的技术问题；本发明通过对正常样本使用梯度下降法生成对抗样本，将正常样本与对抗样本一同输入目标检测模型，计算得到的预测标签与识别标签得到初始扰动，将初始扰动添加到对抗样本中得到更新样本；在生成对抗样本时，通过设置信赖域来控制扰动的大小，使生成的对抗样本在影响模型预测的同时不会过分偏离原始样本，提高对抗样本的效果；迭代更新对抗样本，并更新扰动半径，直至达到迭代阈值；通过多次迭代更新对抗攻击，可以平衡扰动大小和对抗攻击效果，确保模型面对较小扰动时仍能有较高的性能表现。
-
公开(公告)号：CN116126939A
公开(公告)日：2023-05-16
申请号：CN202310003668.0
申请日：2023-01-03
Applicant: 安徽工业大学
IPC: G06F16/2458 , G06F16/215 , G06F16/28
Abstract: 本发明提供一种带有两步噪声过滤的不平衡数据混合采样算法，将原始数据集T划分多数类数据集M和少数类数据集Q，把少数类数据集Q进行类别分类，分为安全少数类数据集Qsafe和边界少数类数据集Qborder，把多数类数据集M进行类别分类，分为边界多数类数据集Mborder和主要多数类数据集maj，对Qsafe和Qborder使用不同的方法生成新样本目的是为了减少合成样本与原始数据集T中的边界多数类数据集Mborder样本重叠的概率，提高对于边界样本的识别准确度，使合成的样本分布更均匀，进而提升分类器的识别性能。根据不同的噪声过滤机制进行的两步噪声去噪，可以更充分的过滤数据集T中的噪声样本，减少噪声样本对数据分类性能的影响。
-
公开(公告)号：CN114925776A
公开(公告)日：2022-08-19
申请号：CN202210653373.3
申请日：2022-06-09
Applicant: 安徽工业大学
Abstract: 本发明公开了一种集成多价值网络的强化学习算法、装置及电子设备。所述算法包括采集若干样本组成样本集；基于样本集对所有价值网络及策略网络进行第一次更新；基于第一次更新后的所有价值网络获取与每一样本相应的若干价值网络估值间的标准差以作为不确定性指标；依据预设比例筛除不确定性高的样本后组成子样本集；基于子样本集继续对所有价值网络及策略网络按预设次数进行剩余次更新，并采集最后一次更新后的样本存储于缓冲区内；重复上述步骤以得到最优化价值网络及策略网络。所述系统及电子设备均基于算法搭建。本发明同时具有计算成本低、改善高估偏差及偏差传播，及平衡数据利用与探索能力的优势。
-
公开(公告)号：CN119273539A
公开(公告)日：2025-01-07
申请号：CN202411044069.4
申请日：2024-07-31
Applicant: 安徽工业大学
IPC: G06T3/4038 , G06T5/50 , G06V10/75 , G06V10/46 , G06V20/17
Abstract: 本发明公开了基于局部扭曲和接缝引导的无人机图像拼接方法，涉及计算机图像拼接技术领域。解决了图像拼接中输入图像之间存在视差，未能充分考虑图像非重叠区域的翘曲特性，导致图像拼接结果产生伪影技术问题；本发明通过利用网格引导图像翘曲，在重叠区域像素间创建标签，并设计逻辑函数来优化标签能量函数的最小化；同时，采用切缝法在重叠区域搜索最优接缝；此方法聚焦于无人机遥感图像，从图像翘曲特性出发解决视差导致的伪影；先对目标图像进行网格翘曲处理，再运用切缝法找到最优拼接缝，与参考图像融合，最终实现精确对齐，有效提高了拼接图像的质量，为无人机图像拼接提供了更优方案。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
