-
公开(公告)号：CN116629091A
公开(公告)日：2023-08-22
申请号：CN202310360862.4
申请日：2023-04-06
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06F30/27 , G06V10/74 , G06V10/764 , G06T5/00
Abstract: 本申请提供一种新设备专属化模型生成方法和系统，涉及模型优化领域，其中方法包括：计算新设备的场景图像与至少一个现有设备的监控图像的相似度；确定相似度中大于所设阈值的目标相似度，将目标相似度对应的监控图像所属的现有设备确定为目标设备；对目标设备的第一专属化模型进行迭代优化，得到目标设备的收敛模型参数；将目标设备对应的相似度作为线性权重组合，基于线性权重组合对收敛模型参数进行加权计算，得到新设备的模型参数；使用新设备的模型参数与通用模型进行聚合，生成新设备的第二专属化模型。能够新设备本地数据不足的情况下，快速生成满足新设备准确性需求的第二专属化模型。
-
公开(公告)号：CN119169086A
公开(公告)日：2024-12-20
申请号：CN202410469578.5
申请日：2024-04-18
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种面向动态场景的双目视觉SLAM方法、电子设备和存储介质，针对从双目相机获取的当前帧图像和先前帧图像，所述方法包括以下步骤：获取所述当前帧图像和所述先前帧图像；分别提取当前帧图像的静态特征点和动态特征点、先前帧图像的静态特征点和动态特征点；得到当前帧图像和先前帧图像的位姿；连续跟踪关联物体；输出当前帧图像中所有物体的运动状态；根据当前帧图像中所有物体的运动状态，进行特征点的重过滤；基于更新特征点后的当前帧图像进行定位和建图。本发明充分利用了相机获得的有效信息，能够实现在动态场景下的相机位姿的准确估计和地图建立，具有较强的鲁棒性和稳定性。
-
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。
-
公开(公告)号：CN118379512A
公开(公告)日：2024-07-23
申请号：CN202410602366.X
申请日：2024-05-15
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种级联型全局描述符聚合的视觉场景识别方法，摒弃以往主流的局部特征聚合技术，提出一种新的整体特征聚合方案，利用具有SCA模块和GIA模块的GICNet模型完成，包括下述步骤：1)利用嵌入SCA模块的改进CNN主干网络提取查询图像I的中间特征表达FSCA；2)将3‑D张量的中间特征表达FSCA重新塑造为一个2‑D表示，得到展平特征图Fflat，此时的2‑D张量的展平特征图Fflat视为一组大小为d的1‑D特征；3)将展平特征图Fflat输入到GIA模块中进行处理，利用全连接层的能力递归地将通道方向和空间方向上的全局关系合并到2‑D展平的特征图Fflat的每个元素中，最终得到鲁棒性的全局描述子FGIA；将全局描述子FGIA依次进行展平操作和L2‑norm处理，得到查询图像I的最终的1‑D判别向量Fdiscr。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN117313833A
公开(公告)日：2023-12-29
申请号：CN202311124294.4
申请日：2023-08-31
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习技术领域，公开了一种基于预约分级的联邦学习方法，服务器将全局模型参数和预约规则发送给出当前轮次的可预约客户端；可预约客户端进行本地模型训练，并生成预约请求上传至服务器；服务器依据预约请求，确定当前轮次的预约结果，并发送给出当前轮次被选择的客户端；被选择的客户端依据预约结果，继续完成本地训练，并将训练好的局部模型参数上传至服务器；服务器按照预约结果中的上传时间段，分级别开启与之通信的客户端的上传通道，并将各客户端的局部模型参数进行聚合以更新全局模型参数。本发明综合考虑联邦学习在实际部署中服务器可能出现的通信资源的变化情况，灵活调整联邦学习通信机制，提高联邦学习的可用性和可靠性。
-
公开(公告)号：CN117132636A
公开(公告)日：2023-11-28
申请号：CN202311086575.5
申请日：2023-08-25
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06T7/55 , G06T7/80 , G06T7/73 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S11/12 , G01B11/26 , G01B11/14
Abstract: 本发明公开了基于深度学习和模板匹配的双目摄像头测距方法及终端，属于扫地机器人技术领域，包括：将双目摄像头采集的对应两幅图像进行极线约束处理；对其中一摄像头采集的图像进行目标检测处理，得到目标框，并作为模板；以另一摄像头采集的图像为目标图，基于目标框位置范围在目标图中水平搜索模板，得到模板在目标图的位置，并计算视差；将视差转为三维坐标，得到目标物体的距离信息、角度信息。基于极线约束的作用，对模板的搜索范围能够被限制在同一极线上，使搜索范围由全局变为局部，大大提高了图像处理速度，能够满足实时性检测要求；模板匹配过程中考虑的是物体整体信息，能有效避免缺失特征点的问题，不会出现漏检的问题。
-
公开(公告)号：CN119168105A
公开(公告)日：2024-12-20
申请号：CN202410438408.0
申请日：2024-04-12
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06Q10/04 , G06Q50/26 , G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/098 , G06F123/02
Abstract: 本发明公开了一种基于联邦学习的文本数据分布式处理方法，包括下述步骤：通过数据采集和存储模块完成对特定人员的信息和活动数据采集，并建立统一的数据标准方法，将标注完成的数据放入数据库进行存储；完成无关数据清除、缺失值和异常值的处理、数据特征的统计及分组训练数据；采用LSTM神经网络模型构建联邦学习训练模块，并对其进行训练得到可用的预警模型；将预警模型部署在部门的本地服务器上，对特定人员的轨迹信息进行实时预测，进而判定是否存在危险行为，如果存在出现危险行为可能性，则及时采取措施；在解决现有技术中存在的数据流通困难、计算成本和难以进行全局优化等问题的同时，对特定人员的行动轨迹进行预测，从而保障公共安全。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.04 seconds)
