-
公开(公告)号：CN119941925A
公开(公告)日：2025-05-06
申请号：CN202411995433.5
申请日：2024-12-31
Applicant: 喀什地区电子信息产业技术研究院
Abstract: 本发明属于图像处理技术领域，公开了一种基于多模态融合的文本驱动人脸编辑方法，以待处理源图像和文本提示作为输入；通过映射网络将初始隐编码映射到向量空间得到中间隐编码；将中间隐编码和源图像对应的隐编码分别输入生成器，得到第一生成图像和第二生成图像；利用文本损失、风格损失和人脸损失构建总损失，并利用总损失对生成图像隐编码进行优化，并生成最终的人脸图像。本发明对StyleGAN语义网络进行改进，并通过CLIP预训练模型对齐文本与图像特征，同时利用人脸识别网络对齐编辑前后人脸图像特征，以生成高质量、效果佳的人脸编辑图像，并实现属性解耦和保持人脸身份一致。
-
公开(公告)号：CN118230087A
公开(公告)日：2024-06-21
申请号：CN202410250769.2
申请日：2024-03-06
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V10/77 , G06V10/82 , G06V10/46 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明属于人工智能安全技术领域，公开了一种基于降维与迁移的对抗样本生成方法，将待处理原始图像和真实标签输入白盒模型集合；从白盒模型集合中随机选取一个白盒模型，通过FGSM算法生成一个候选对抗样本；将生成的候选对抗样本输入黑盒模型进行查询，获得满足终止条件的中间对抗样本；对生成的中间对抗样本进行噪声压缩，生成最终对抗样本。本发明提高了对抗样本的生成效率，同时降低了对抗样本与原始图像之间的差异。
-
公开(公告)号：CN118155168A
公开(公告)日：2024-06-07
申请号：CN202410249964.3
申请日：2024-03-05
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V20/56 , G06V10/82 , G06V10/40 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0495
Abstract: 本公开涉及计算机视觉技术领域，具体涉及一种基于深度可分离卷积的车道线检测方法、设备、存储介质及产品。该方法包括获取待检测图像；将待检测图像输入预训练的车道线检测模型；所述车道线检测模型包括依次连接的编码模块、特征聚合模块和解码模块；所述编码模块包括依次连接的多个瓶颈倒残差结构；利用编码模块通过多个瓶颈倒残差结构分别对待检测图像进行下采样，提取得到初始特征图；利用特征聚合模块提取初始特征图中的高级语义信息，得到聚合特征图；利用解码模块对聚合特征图进行双边上采样，输出得到车道线检测结果。通过利用多个瓶颈倒残差结构构建轻量化的特征提取骨干网络，减少了原有模型中参数量，极大的提高了车道线检测的速度。
-
公开(公告)号：CN117935141A
公开(公告)日：2024-04-26
申请号：CN202311801979.8
申请日：2023-12-26
Applicant: 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种基于MobileSAM的电梯内通用场景监测方法，通过对电梯内的拍摄的图像进行细粒度图像语义分割，实现了精细的场景分析，可以自动检测和识别电梯内的不同对象与场景，例如人员数量、物体数量与类别或事件类型等，包括下述步骤：1）数据采集：通过电梯内部摄像头采集图像或视频数据；2）图像预处理：将步骤1）所采集的数据进行图像预处理；3）语义分割：采用MobileSAM语义分割网络，对图像进行全场景语义分割，形成语义标签；4）业务实现：分析语义标签，确定电梯内的具体事件和情况。
-
公开(公告)号：CN118840628A
公开(公告)日：2024-10-25
申请号：CN202410930760.6
申请日：2024-07-11
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明属于人工智能安全技术领域，公开了基于数据增强和梯度约束的对抗样本生成方法及黑盒攻击方法，该对抗样本生成方法为：通过增加扰动对当前迭代过程的待处理图像进行若干次数据增强，并通过替代模型获取对抗梯度；对对抗梯度进行约束；并基于约束后的对抗梯度对梯度动量进行迭代更新；再依据迭代更新后的梯度动量生成对抗样本。本发明能提升对抗样本的迁移攻击成功率，更为有效的评估模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117829267A
公开(公告)日：2024-04-05
申请号：CN202311631565.5
申请日：2023-11-27
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06N3/098 , G06N3/0464 , G06N3/0455 , G06F18/2415 , G06V10/82 , G06F18/232
Abstract: 本发明属于联邦学习技术领域，公开了一种基于CLIP的非独立同分布数据联邦学习方法，适用于服务端和若干与服务端通信连接的客户端之间的模型训练；每个客户端设置有CLIP模型；首先，服务端确定自定义模型和训练任务，将自定义模型和训练参数发送给与之通信连接的全部客户端；每个客户端利用本地训练数据集对自定义模型进行训练，并将训练好的自定义模型上传至服务端；服务端依据来自各客户端的自定义模型进行分类聚合，为每一组生成个性化自定义模型，并分发给相应客户端。本发明针对客户端上传的自定义模型参数进行分组，然后聚合，使得在面对非独立同分布数据时，聚合的模型准确率高。
-
公开(公告)号：CN118628865A
公开(公告)日：2024-09-10
申请号：CN202410758667.1
申请日：2024-06-13
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V10/82 , G06V10/80 , G06V40/16 , G06V10/44 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明属于人工智能安全技术领域，公开了一种基于多对抗块的人脸对抗样本生成系统及训练方法，该系统包括：人脸关键特征点提取模块，用于对源图像的人脸关键特征点进行提取，得到人脸关键特征点坐标网格，确定出相应的目标攻击区域；并利用人脸的眼部及三角区的指定区域周围的特征点坐标生成相应的0‑1二进制掩膜；生成器，用于依据目标攻击区域生成相应的生成图像；融合模块，首先基于生成图像和二进制掩膜相乘生成多对抗块，然后结合源图像融合得到最终的人脸对抗样本。通过本发明方向训练后的基于多对抗块的人脸对抗样本生成系统，不仅可以使生成的人脸对抗样本具有优秀的人脸自然度，还可以提升对抗样本的可迁移性。
-
公开(公告)号：CN118115836A
公开(公告)日：2024-05-31
申请号：CN202410250749.5
申请日：2024-03-05
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V20/58 , G06V10/82 , G06V10/25 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明属于人工智能安全技术领域，公开了一种基于BigGAN的交通标志物理对抗样本生成方法、设备、存储介质及产品。该方法采集交通标志数据集作为原始训练样本；基于YOLOv3目标检测器，得到各原始训练样本上交通标志的检测框；采用预训练的BigGAN生成器生成交通标志的初始对抗样本；对初始对抗样本进行数据增强，并结合各原始训练样本上交通标志的检测框，生成敌对训练样本；基于YOLOv3目标检测器，对敌对训练样本进行交通标志检测训练；通过反向传播、更新梯度等，优化对抗样本。本发明能够限制生成的交通标志对抗样本的外观形状，且提高对抗样本的攻击性。
-
公开(公告)号：CN118015331A
公开(公告)日：2024-05-10
申请号：CN202311871274.3
申请日：2023-12-30
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/764 , G06V10/778 , G06F21/62 , G06N20/00 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/098
Abstract: 本发明公开了一种基于隐私保护的医学图像分类方法，包括获取待分类的医学图像；在客户端和服务端分别构建用于医学图像分类的本地模型和全局模型，在客户端通过输出扰动向上传的本地模型参数引入差分隐私噪声获取引入差分隐私噪声的本地模型梯度信息，并在服务端将不同客户端的本地模型梯度信息进行聚合，以对全局模型参数进行更新，实现基于差分隐私的联邦学习训练；利用客户端训练后的本地模型对待分类的医学图像进行医学图像分类。本发明在客户端对上传的模型以输出扰动的形式进行差分隐私噪声添加，有效保护数据隐私以及抵御推理攻击。
-
公开(公告)号：CN118396082A
公开(公告)日：2024-07-26
申请号：CN202410619408.0
申请日：2024-05-19
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06N3/098 , G06N3/088 , G06N3/0455
Abstract: 本发明属于机器学习技术领域，公开了一种基于对比学习和条件计算的个性化联邦学习方法，中央服务器包括全局模型；客户端包括全局模型、对比模型和客户端本地模型；引入对比学习和条件计算，使用对比学习拉大本地模型与对比模型的差异；使用条件计算对全局模型和个性化本地模型特征提取部分进行选择，选取合适的参数进行聚合，使得个性化本地模型的准确率大大提高，并减少通信轮次。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.036 seconds)
