-
公开(公告)号：CN113870095B
公开(公告)日：2022-12-20
申请号：CN202110708857.9
申请日：2021-06-25
Applicant: 中国人民解放军陆军工程大学
Abstract: 基于迷彩贴片伪装欺骗目标侦察系统方法，涉及深度神经网络对抗攻击领域。包括：最小化所生成的伪装贴片的不可打印像素分数值，即数字场景生成的扰动与打印贴片的像素差值分数NPS；最小化所生成的伪装贴片的整体差异损失TV，使得对抗贴片更具平滑性；所生成的伪装贴片使得目标检测器输出的目标分数最小化，以降低军事目标检测的准确性；生成过程中对伪装贴片进行旋转、缩放、加噪声和亮度、对比度变换操作，以提升伪装贴片物理场景下鲁棒性。本发明的目的是对军事领域核心关键目标进行伪装，以达到目标成功隐身，实现欺骗人工智能侦察系统。通过迷彩贴片伪装技术，攻击深度神经网络模型的脆弱点，可使得军事核心关键目标成功隐身于人工智能侦察系统中。
-
公开(公告)号：CN114240732A
公开(公告)日：2022-03-25
申请号：CN202110703102.X
申请日：2021-06-24
Applicant: 中国人民解放军陆军工程大学
IPC: G06T3/00 , G06V40/16 , G06V10/34 , G06V10/774 , G06K9/62
Abstract: 一种攻击人脸验证模型的对抗贴片生成方法，涉及人脸识别系统的安全技术领域。将对抗贴片打印成实物，并放置在攻击者的面部，以减小人脸验证模型计算得到的攻击者与攻击目标之间的距离，误导系统将攻击者验证为目标人物；在进行人脸验证前，通常要进行人脸检测，检测每张输入的图片中是否存在人脸并且用边界框将人脸标定出来；优化区域差异损失以减小干净图片样本与被叠加贴片后的样本被检测到的区域。本发明可打印成实物放置在攻击者的面部，误导系统将攻击者验证为目标人物。对抗贴片具备极强的鲁棒性，可以适应一定程度的尺度缩放及角度变化。对抗贴片的面积较小，能够避免遮挡眼镜、嘴巴、鼻尖等活体检测的关键部位，破解活体检测的防御。
-
公开(公告)号：CN114067176A
公开(公告)日：2022-02-18
申请号：CN202111362689.9
申请日：2021-11-17
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/774 , G06V10/56 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种无需样本数据的对抗贴片生成方法，涉及深度神经网络图像识别对抗攻击领域。以RGB像素值全0的图片作为构造无目标的对抗贴片pnt的背景；以无目标的对抗贴片pnt作为构造有目标的对抗贴片pt的背景；生成过程中将对抗贴片进行旋转、缩放，以提升对抗贴片物理场景下鲁棒性；生成过程中将对抗贴片置于背景图片的不同位置，以使对抗贴片能够在不同位置上误导深度神经网络模型。针对深度神经网络模型生成对抗贴片，以误导模型发生错误判断。立足于深度神经网络模型的结构特点，在没有训练数据的条件下生成对抗贴片，更容易获得对抗贴片，符合实际攻击场景的特点。生成的对抗贴片可在物理场景中发挥作用。
-
公开(公告)号：CN113592878A
公开(公告)日：2021-11-02
申请号：CN202110729146.X
申请日：2021-06-29
Applicant: 中国人民解放军陆军工程大学
Abstract: 一种紧致的多尺度视频前景分割方法，涉及计算机视觉的技术领域，为了从高等级(即大尺度)和多尺度特征编码的视角，改进深度网络对场景空域特征的编码，提出了多尺度紧致采样模块。该模块由一系列平行的有着不同感受野的紧致空洞卷积组成。多尺度紧致采样模块能够以一种紧致的方式来捕获多尺度特征，以应对核退化问题。具体而言，紧致空洞卷积被精心设计成一种级联的结构，感受野内的所有输入神经元正好被全部覆盖，而不会留下“孔”或者“重叠”，本发明提出的多尺度紧致采样模块能够在不同感受野内感知更完整的多尺度信息，而不会造成模型参数显著增加。因此，多尺度紧致采样模块能够在维持运行高效的基础上避免核退化问题。
-
公开(公告)号：CN113469329A
公开(公告)日：2021-10-01
申请号：CN202110708530.1
申请日：2021-06-24
Applicant: 中国人民解放军陆军工程大学
Abstract: 一种无需样本数据的对抗贴片生成方法，涉及深度神经网络技术领域。将生成的攻击贴片放置在被攻击样本附近，误导分类模型将对抗样本识别为其他物体；在缺乏训练数据的情况下，以RGB像素值全0的图片作为背景，通过欺骗深度神经网络各层学习到的特征信息，以生成无目标的对抗贴片；将生成的攻击贴片放置在被攻击样本附近，误导分类模型将对抗样本识别为指定类别；构建背景图片，将对抗贴片进行随机变形，放置到背景图片的随机位置上进行训练，以此利用无目标攻击贴片隐含的信息生成有目标攻击贴片。本发明利用攻击者无需使用任何训练数据，即可生成对抗贴片，攻击基于深度神经网络构建的图像分类模型。
-
Patent Agency Ranking
公开(公告)号：CN110211146B
公开(公告)日：2020-03-24
申请号：CN201910406011.2
申请日：2019-05-16
Applicant: 中国人民解放军陆军工程大学 , 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明涉及视频处理技术领域，特别涉及一种视交叉仿真的视频前景分割方法及装置。一种视交叉仿真的视频前景分割方法，包括如下步骤：S1，构建编码网络，两条收缩路径模拟人眼的双目视神经功能，从两个相似帧中进行信息感知和特征提取；S2，构建融合网络，对两条收缩路径中学习到的信息在本网络中进行融合；S3，构建解码器网络，解码器网络包括两条独立的路径，在相同配置下，模拟两个人大脑的高级语义分析功能，同时执行检测、定位和分类。通过融合网络将编码网络和解码网络（分别具有两个分支）组合在一起，形成X型结构，能够同时感知到两幅相似的图像，并从中提取特征，然后融合信息。
-
公开(公告)号：CN110211146A
公开(公告)日：2019-09-06
申请号：CN201910406011.2
申请日：2019-05-16
Applicant: 中国人民解放军陆军工程大学 , 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明涉及视频处理技术领域，特别涉及一种视交叉仿真的视频前景分割方法及装置。一种视交叉仿真的视频前景分割方法，包括如下步骤：S1，构建编码网络，两条收缩路径模拟人眼的双目视神经功能，从两个相似帧中进行信息感知和特征提取；S2，构建融合网络，对两条收缩路径中学习到的信息在本网络中进行融合；S3，构建解码器网络，解码器网络包括两条独立的路径，在相同配置下，模拟两个人大脑的高级语义分析功能，同时执行检测、定位和分类。通过融合网络将编码网络和解码网络（分别具有两个分支）组合在一起，形成X型结构，能够同时感知到两幅相似的图像，并从中提取特征，然后融合信息。
-
公开(公告)号：CN117150265A
公开(公告)日：2023-12-01
申请号：CN202311044511.9
申请日：2023-08-17
Applicant: 中国人民解放军陆军工程大学
IPC: G06F18/213 , G06F18/214 , G06N3/04
Abstract: 本发明公开了一种低信噪比条件下鲁棒的射频信号开集识别方法。首先训练ResNet‑18模型，并选取其倒数第二层作为特征提取器；取样本点大于1000的随机噪声输入特征提取器，并取噪声特征的均值为特征空间奇点FSS；计算训练数据中所有已知类别的子空间；实际应用中，首先得到接收样本的特征，计算与已知子空间的最小距离；计算接收样本的特征到FSS的距离；用最小距离与特征到FSS的距离做比值并与预设阈值进行比较，大于阈值为OOD样本，小于则为ID样本。本发明提出一种有效的OOD打分函数：FSS‑IDS，该方法的比值设计巧妙地提高了ID样本和OOD样本特征在所提打分函数上的区分度；更为重要的是，本发明在低信噪比下相较于现有方法更为鲁棒，且不会影响ID类别的识别准确率。
-
公开(公告)号：CN113870095A
公开(公告)日：2021-12-31
申请号：CN202110708857.9
申请日：2021-06-25
Applicant: 中国人民解放军陆军工程大学
Abstract: 基于迷彩贴片伪装欺骗目标侦察系统方法，涉及深度神经网络对抗攻击领域。包括：最小化所生成的伪装贴片的不可打印像素分数值，即数字场景生成的扰动与打印贴片的像素差值分数NPS；最小化所生成的伪装贴片的整体差异损失TV，使得对抗贴片更具平滑性；所生成的伪装贴片使得目标检测器输出的目标分数最小化，以降低军事目标检测的准确性；生成过程中对伪装贴片进行旋转、缩放、加噪声和亮度、对比度变换操作，以提升伪装贴片物理场景下鲁棒性。本发明的目的是对军事领域核心关键目标进行伪装，以达到目标成功隐身，实现欺骗人工智能侦察系统。通过迷彩贴片伪装技术，攻击深度神经网络模型的脆弱点，可使得军事核心关键目标成功隐身于人工智能侦察系统中。
-
公开(公告)号：CN109389043B
公开(公告)日：2021-11-23
申请号：CN201811051016.X
申请日：2018-09-10
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种无人机航拍图片的人群密度估计方法。包括卷积神经网络模块，为具有跨层连接结构的卷积神经网络，用于对航拍图像中的微小行人目标进行感知，并回归人群密度图，从而得到能够回归人群密度图的原始网络；剪枝模块，用于基于AP聚类算法的网络剪枝方法对原始网络进行剪枝，同时压缩网络参数并减少卷积运算，得到便于部署的轻量化网络；估算模块，用于FPGA编程在无人机上实现轻量化网络的人群密度估计算法。本发明可以部署在无人机上准确高效地对地进行人群密度估计。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.034 seconds)
