一种面向纵向联邦学习的多方多类数据生成方法及系统

    公开(公告)号:CN114648099A

    公开(公告)日:2022-06-21

    申请号:CN202210348440.0

    申请日:2022-04-01

    Abstract: 本发明涉及一种面向纵向联邦学习的多方多类数据生成方法及系统,属于计算机中数据感知与重构领域。本发明包括:S1:建立以生成多方多类数据模型训练为目的纵向联邦学习训练数据集;S2:构建面向纵向联邦学习的双重条件生成对抗网络;S3:设计面向纵向联邦的双重条件生成对抗网络的多方损失函数;S4:建立面向纵向联邦学习的双重条件生成对抗网络的训练过程;S5:设计和实现基于双重条件生成对抗网络的多方多类数据生成方案。本发明提供了一种联合多方进行表格类数据集中样本特征维度和样本数量扩充的方法,联合多方构建高质量表格类训练数据集,满足大数据应用场景中机器学习模型训练的需求。

    一种基于自适应阈值的伪标签遥感图像场景分类方法

    公开(公告)号:CN114549909A

    公开(公告)日:2022-05-27

    申请号:CN202210209902.0

    申请日:2022-03-03

    Inventor: 黄颖 李汤升 刘苏

    Abstract: 本发明属于遥感图像识别领域,特别涉及一种基于自适应阈值的伪标签遥感图像场景分类方法,包括先使用对抗生成网络对源域数据集进行初步的扩充,然后将扩充后的数据集在骨干网络中通过高斯引导将数据进行浅层对齐,之后接入一个具有两个分类器的伪标签模块生成目标域的伪标签;将两个分类方差正则化并作为自适应阈值对交叉熵损失进行修正,当主分类器和辅助分类器二者之间的预测距离很大时,就表示该标签是错误的,对于这种不确定的样本就不进行惩罚,即抛弃掉错误的标签样本,将预测距离较小的作为伪标签;之后得到带伪标签的目标域和源域送入域分辨器中,更好地拉近了源域和目标域的特征距离;本发明可以更好的应用在遥感图像场景分类上。

    一种用于目标检测的无人机载高保真SAR图像重建方法

    公开(公告)号:CN114549365A

    公开(公告)日:2022-05-27

    申请号:CN202210209912.4

    申请日:2022-03-03

    Inventor: 黄颖 梅文豪 刘苏

    Abstract: 本发明属于雷达图像增强领域,具体涉及一种用于目标检测的无人机载高保真SAR图像重建方法,该方法包括:获取待重构的SAR图像,对SAR图像进行预处理,将预处理后的图像输入到训练好的神经网络中,得到重构后的SAR图;所述神经网络包括编码器、解码器、判别器和分类器;在本发明中对于判别器使用了Wasserstein距离,对于生成器中间层使用了KL散度,多种损失函数同时使用,可以有效解决网络在训练时不稳定的问题,提高生成图像的质量。

    基于跨模态融合的多模态人脸防伪检测方法、装置、设备及介质

    公开(公告)号:CN117437677A

    公开(公告)日:2024-01-23

    申请号:CN202311398873.8

    申请日:2023-10-26

    Abstract: 本发明涉及一种基于跨模态融合的多模态人脸防伪检测方法、装置、设备及介质,属于人脸防伪技术领域。该检测方法通过包括RGB、IR以及深度在内的多模态人脸图像进行处理,以获得融合特征的跨模态特征图,具体地,对RGB、IR、深度人脸图像进行多尺度特征提取得到多尺度特征图,再对不同模态的多尺度特征图进行跨模态特征融合处理得到跨模态特征图,基于跨模态特征图进行拼接处理得到目标跨模态特征图,即可根据目标跨模态特征图判断多模态人脸图像是否为真实人脸图像。本发明通过将不同模态间的人脸图像进行跨模态的特征融合处理,能够获得全面、多尺度、具有互补性的目标跨模态特征图,有利于提升人脸防伪技术的准确率。

    一种针对小样本场景的行为迁移学习识别方法

    公开(公告)号:CN116778570A

    公开(公告)日:2023-09-19

    申请号:CN202310508297.1

    申请日:2023-05-08

    Abstract: 本发明涉及一种针对小样本场景的行为迁移学习识别方法,属于机器视觉技术领域,包括以下步骤:S1:构建正样本数据集,其包括数据丰富的源域正样本数据集和小样本的目标域正样本数据集;S2:将正样本数据集进行空间信息变换和时序信息打乱,以构建负样本数据集;S3:构建基于SlowFast改进的行为识别迁移学习模型,增强视频的时序信息并实现从源域向目标域迁移的功能;S4:使用源域和目标域的正样本数据集与负样本数据集对所述基于SlowFast改进的行为识别迁移学习模型进行训练,以获得在目标域上泛化的行为识别模型;S5:利用训练完成行为识别模型在实际场景中进行行为识别。

    一种针对小目标的安全帽佩戴检测系统及方法

    公开(公告)号:CN118942121A

    公开(公告)日:2024-11-12

    申请号:CN202411121492.X

    申请日:2024-08-15

    Abstract: 本发明涉及一种针对小目标的安全帽佩戴检测系统及方法,属于计算机视觉技术领域,包括采集建筑工地现场图像并进行数据标注,构建训练数据集和测试数据集并进行预处理;基于预设YOLOX模型构建针对小目标的安全帽佩戴检测网络,所述安全帽佩戴检测网络用于安全帽佩戴检测;将训练集图像和测试集图像输入到所述安全帽佩戴检测网络中进行训练,并采用WIoU v3作为边界框回归损失函数调整所述安全帽佩戴检测网络的参数;将待测建筑工地现场图像输入到训练好的安全帽佩戴检测网络,输出得到所述待测建筑工地现场图像的实时检测结果。本发明可以提高安全帽佩戴检测的精度,以实现对场景中安全帽佩戴情况的识别和检测。

    面部表情驱动的三维动态人脸重建方法

    公开(公告)号:CN118298108A

    公开(公告)日:2024-07-05

    申请号:CN202410455007.6

    申请日:2024-04-16

    Abstract: 本发明涉及一种面部表情驱动的三维动态人脸重建方法,属于计算机视觉技术领域,包含以下步骤:S1:预先采集正面人脸的视频数据并进行预处理,再对人脸表情参数进行方差分析,获取高频变化维度和低频变化维度,提取用于面部表情驱动的人脸动态信息;S2:确定三维空间点的编码特征,包括多分辨率哈希编码特征和球谐编码;所述多分辨率哈希编码用于编码空间的位置特征;所述球谐编码用于编码空间的观察方向,提取观察方向中高频变化的信息;S3:融合人脸表情参数与三维空间点的编码特征,驱动基于隐式神经表示的三维动态人脸;S4:引入光度、几何和感知三个层面的损失,分阶段优化人脸表示,在光度层面加强对于眼部和嘴部的监督。

    一种特征分离的域泛化人脸防伪检测方法

    公开(公告)号:CN118038531A

    公开(公告)日:2024-05-14

    申请号:CN202410312683.8

    申请日:2024-03-19

    Abstract: 本发明涉及一种特征分离的域泛化人脸防伪检测方法,属于机器视觉技术领域,包括以下步骤:S1:构建域特征明显的人脸防伪数据集,按域特征对人脸防伪数据进行分类;S2:构建特征提取模块对人脸防伪数据集中的数据进行特征提取;S3:设计域特征分离方法并引入双重三元组损失,让不同的域特征以及正负样本特征在特征空间中相互分离;S4:将步骤S3中分离的特征进行对齐,为每个域设计一个分类器,引入投影梯度下降法,在反向传播期间,将不同的分类器对齐,在分离的特征对齐的同时得到一个全局最优的分类器;S5:以特征提取模块、域特征分离方法和域特征对齐方法,联合构建人脸防伪模型,并对其进行训练,以获得泛化性强的人脸防伪检测模型。

Patent Agency Ranking