公开(公告)号：CN117392431A

公开(公告)日：2024-01-12

申请号：CN202311181083.4

申请日：2023-09-13

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  孙宇辰 ,  王子泰 ,  黄庆明

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/774 ,  G06V10/778

Abstract: 本发明提供了一种生成扰动样本的方法，所述方法包括：获取原始图像样本和标签，并在原始图像样本中添加初始噪声得到初始扰动图像样本；将初始扰动图像样本输入图像分类模型，输出初始扰动图像样本在各个类别下的预测得分，基于预测得分对各个类别进行排序；若排序结果满足预设排序目标，则确定初始扰动图像样本为最优扰动图像样本，初始噪声为最优噪声；若排序结果不满足预设排序目标，则基于标签和预测得分利用目标优化函数对初始噪声进行优化更新，并生成下一轮待识别的扰动图像样本，直至排序结果满足预设排序目标，确定生成此次排序结果的待识别的扰动图像样本为最优的扰动图像样本，生成待识别的扰动图像样本中的噪声为最优噪声。

公开(公告)号：CN118247567A

公开(公告)日：2024-06-25

申请号：CN202410386788.8

申请日：2024-04-01

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  孙宇辰 ,  王子泰 ,  何俊伟 ,  杨智勇 ,  黄庆明

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明提供了一种基于多标签对图像分类模型训练的方法，所述方法包括：获取训练集，所述训练集包括多个分布内图像样本和多个分布外图像样本，以及指示各个分布内图像样本所属类别的标签，其中，所述分布外图像样本为不属于分布内图像样本所属任意类别的图像样本；利用训练集对图像分类模型进行一次或者多次训练，其中，利用图像分类模型提取输入图像在各个类别上的logit值和置信度，每次训练时，基于预设的总损失函数确定的总损失更新图像分类模型的参数，得到经训练的图像分类模型，所述总损失根据以下损失加权求和确定：分布内损失、分布外损失和能量分布差距损失。

公开(公告)号：CN118173200A

公开(公告)日：2024-06-11

申请号：CN202410339214.5

申请日：2024-03-25

Applicant: 中国科学院计算技术研究所

Inventor： 黄庆明 ,  何俊伟 ,  许倩倩 ,  姜阳邦彦 ,  王子泰 ,  孙宇辰

IPC: G16C20/70 ,  G16C20/90 ,  G06F18/214 ,  G06F18/213 ,  G06F18/2433 ,  G06F18/20 ,  G06F18/22

Abstract: 本发明提供一种图检测模型的构建方法，该方法包括：获取初始图训练集，其中，所述初始图训练集中包括多个图数据，所有的图数据服从相同的分布；按照预设的方法获取与所述初始图训练集中的图数据不同分布的图数据以构成异常图数据集；将所述初始图训练集和所述异常图数据集构成训练集对所述图检测模型进行多次迭代训练至收敛，并在每次迭代训练过程中按照预设的损失更新图检测模型的参数。本发明的方法提高了图检测模型的性能，从而提高了图数据分布类型的检测准确性。