-
公开(公告)号：CN117113398A
公开(公告)日：2023-11-24
申请号：CN202311048295.5
申请日：2023-08-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于松弛损失的知识蒸馏成员推断攻击的防御方法，本发明基于隐私数据和松弛损失的防御方法对老师模型进行训练，并在老师模型训练的梯度上升阶段改进样本学习方法；从公共数据中选取无标签且老师模型预测熵值低的公共数据作为学生模型的训练数据，并在老师模型和学生模型间，采用知识蒸馏方法对学生模型进行训练，并仅学生模型作为目标模型对用户公开使用。本发明对老师模型的训练方法不仅提升了模型的泛化能力，还使模型在隐私与性能上达到更好的权衡。采用知识蒸馏方法对学生模型进行训练，能降低学生模型的脆弱性，使模型对成员推断攻击的防御效果得到进一步提升。本发明能有效避免隐私敏感数据泄露对用户造成的隐私威胁。
-
公开(公告)号：CN111667506B
公开(公告)日：2023-03-24
申请号：CN202010405359.2
申请日：2020-05-14
Applicant: 电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于ORB特征点的运动估计方法，包括如下步骤：步骤1，采用oFAST特征点与rBRIEF描述子相结合的方式分别提取两帧图像的ORB特征点；步骤2，对两帧图像的ORB特征点进行基于暴力匹配BF和PROSAC的特征匹配，得到最优拟合模型；步骤3，基于所述最优拟合模型，并混合GICP与ICP算法进行运动估计。本发明建立了混合ICP与GICP的运动估计算法估算出机器人的运动轨迹，并在其中采用了基于暴力匹配BF与渐进采样一致性算法PROSAC的从粗到精的特征匹配方法，能够减少因受到干扰而出现的误匹配现象。
-
公开(公告)号：CN114926498A
公开(公告)日：2022-08-19
申请号：CN202210451117.6
申请日：2022-04-26
Applicant: 电子科技大学
IPC: G06T7/246 , G06T7/223 , G06V10/40 , G06V10/74 , G06V10/75 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于时空约束与可学习特征匹配的快速目标跟踪方法，公开了一种基于孪生网络结构，采用时空约束机制与可学习特征匹配策略的快速目标跟踪方法。通过设置时序约束分支与空间约束分支分别捕捉并融合随时序变化的目标外观高维特征表示与限制空间搜索尺度，降低跟踪算法计算量并缓解目标因自身运动与环境变化所导致的自身视觉特征的变化。本发明通过设置可学习特征匹配模块完成特征匹配任务，相比于主流的无参互相关方法能够更好地从训练数据中学习正负样本分布并提升跟踪效果。本发明提出的跟踪方法具有良好的跟踪准确度与较高的运算速度，能够部署在运算资源受限的嵌入式平台，能完成准确的视觉目标跟踪任务。
-
公开(公告)号：CN111882055B
公开(公告)日：2022-08-05
申请号：CN202010540046.8
申请日：2020-06-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于CycleGAN与伪标签的目标检测自适应模型的构建方法，包括：S1，源域数据集和目标域数据集预处理；S2，使用CycleGAN网络将源域数据集转换为接近目标域数据集的中间域数据集，并将中间域数据集输入Faster R‑CNN网络进行训练，得到初步域自适应模型Q；将目标域数据集重新输入到模型Q中，获得带伪标签的目标域数据集；S3，将中间域数据集与带伪标签的目标域数据集轮流输入模型Q进行迭代式地更新与优化，最终得到基于CycleGAN与伪标签的目标检测域自适应模型。本发明通过利用置信度改进Faster R‑CNN网络的目标检测总损失函数来训练得到的目标检测域自适应模型，能够解决两个域之间由于存在分布差异而导致目标检测出现域漂移的问题。
-
公开(公告)号：CN111652171B
公开(公告)日：2022-08-05
申请号：CN202010518449.2
申请日：2020-06-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双分支网络的面部表情识别模型的构建方法，包括：S1，样本集预处理并数值化；S2，样本集划分为训练集和测试集；S3，构建双分支网络；S4，定义目标函数；S5，利用训练集训练所述双分支网络得到面部表情识别模型；S6，利用测试集验证所述面部表情识别模型的准确率。本发明通过构建双分支网络分别对脸部区域图像和眉眼区域图像进行特征提取和分类，以解某些特定因素的影响导致脸部的表情差异较大而降低识别率，以及单一卷积神经网络不能充分利用表情变换蕴含的时间序列信息造成资源浪费的问题。
-
Patent Agency Ranking
公开(公告)号：CN111104982B
公开(公告)日：2021-09-24
申请号：CN201911322822.0
申请日：2019-12-20
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种标签无关的跨任务对抗样本生成方法，包括如下步骤：步骤1，构建替代模型：获取纯净样本集的标签集，并利用纯净样本集和标签集训练得到目标模型的替代模型；步骤2，生成对抗样本：将纯净样本集输入替代模型中，获取纯净样本集中每个样本在替代模型中的特征表示，并利用特征表示通过计算标准差计算得到每个样本的对抗损失，再利用对抗损失通过计算梯度更新每个样本，对纯净样本集中的每个样本在重复执行步骤2若干次后得到纯净样本集的对抗样本集。通过本发明的标签无关的跨任务对抗样本生成方法，生成的对抗样本具有可转移性、高对抗性、任务无关性。
-
公开(公告)号：CN111431863A
公开(公告)日：2020-07-17
申请号：CN202010127938.5
申请日：2020-02-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于关系网络的主机入侵检测方法，包括：步骤1，对主机系统调用序列样本集进行特征化处理；步骤2，将经步骤1处理后的数据集划分为训练集、支持集和测试集；再将训练集划分为样例集和查询集；步骤3，构建关系网络模型；所述关系网络模型包括嵌入模块、连接模块和关系模块；步骤4，定义关系网络模型的目标函数；步骤5，训练构建的关系网络模型，得到主机入侵检测模型；步骤6，将需要检测的主机系统调用序列经过步骤1后输入训练好的主机入侵检测模型进行主机入侵检测。本发明提出一种基于关系网络的主机入侵检测方法，该方法可以在小样本的情况下既可以实现已有入侵方式的主机检测也可以实现未知入侵方式的主机入侵检测。
-
公开(公告)号：CN119810468A
公开(公告)日：2025-04-11
申请号：CN202411855062.0
申请日：2024-12-16
Applicant: 成都四方伟业软件股份有限公司 , 电子科技大学
IPC: G06V10/44 , G06V10/82 , G06T7/33 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于点云数据与YOLOv11的工程算量自动提取方法，包括以下步骤：S1.采集获取建筑物的点云数据，对采集到的点云数据进行预处理并生成三维点云模型；S2.构建BIM模型，并将点云数据与BIM模型数据进行整合配准；S3.建立YOLOv11模型并对YOLOv11模型进行训练；S4.采用训练好的YOLOv11模型进行目标检测；S5.对构建位置与尺寸精度进行校正，并自动计算工程量后输出。本发明通过自动化的点云数据预处理和YOLOv11目标检测模型，减少了人工干预，提高了效率，自动化处理了大量数据，减少了人工操作。
-
公开(公告)号：CN114925699B
公开(公告)日：2023-05-23
申请号：CN202210470248.9
申请日：2022-04-28
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/205 , G06F40/166 , G06F16/33 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于风格变换的高迁移性对抗文本生成方法，包括如下步骤：S1、构建预训练模型，包括构建原始替代模型Forg、构建释义生成器P、构建特征提取器E和特征解码器D；S2、构建测试文本的向量表示集和替代模型集F；所述测试文本的向量表示集包括语义特征向量集Vp、缩放因子集和风格特征向量集Vs；S3、构建任务集，包括构建总任务集Task，划分查询任务集Taskqr和支持任务集Tasksr；S4、利用元学习优化策略获取风格特征噪声向量δ*；S5、生成对抗文本x*。本发明通过结合风格变换和元学习策略，在黑盒场景下能生成具备强攻击能力、高迁移性的对抗文本。
-
公开(公告)号：CN111652081A
公开(公告)日：2020-09-11
申请号：CN202010401842.3
申请日：2020-05-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于光流特征融合的视频语义分割方法，包括如下步骤：步骤1，判定视频序列的当前视频帧图像为关键帧图像或非关键帧图像；若为关键帧图像，则执行步骤2，若为非关键帧图像，则执行步骤3；步骤2，提取当前视频帧图像的融合位置依赖信息和通道依赖信息的高层语义特征图；步骤3，通过计算光流场得到当前视频帧图像的高层语义特征图；步骤4，对步骤2和步骤3得到的高层语义特征图进行上采样，得到语义分割图。本发明的方法中融入了光流场和注意力机制思想，可以提升视频语义分割的速率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.022 seconds)
