-
公开(公告)号：CN115829877A
公开(公告)日：2023-03-21
申请号：CN202211617496.8
申请日：2022-12-15
Applicant: 西北工业大学
IPC: G06T5/00 , G06V20/13 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种面向物理攻击的自适应对抗补丁生成方法，选择对包含目标物的图像进行目标识别的代理模型，并通过已知图像数据集对代理模型进行训练；构建对抗补丁并初始化，根据对抗补丁生成对抗样本图像；利用代理模型对对抗样本图像进行目标识别，得到目标识别结果；根据目标识别结果计算目标损失；基于目标损失，利用反向传播法更新对抗补丁中每个像素的参数值。本发明通过使用代理模型对对抗补丁中像素的参数值进行迭代更新，可以得到攻击效率更高的对抗补丁；同时在迭代过程中增加了目标置信度损失、不可打印分数损失和平滑约束损失，可以使得对抗补丁上像素的参数值尽快收敛，适应性更强，可以提升对抗补丁的灵活性。
-
公开(公告)号：CN115797856A
公开(公告)日：2023-03-14
申请号：CN202211381178.6
申请日：2022-11-06
Applicant: 西北工业大学
IPC: G06V20/52 , H04N7/18 , G06V20/40 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06T7/246 , G06T7/277 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于机器视觉的施工场景智慧安全监控方法，首先采集施工场景实时视频图像，获取智能处理模块的数据来源；然后对采集到的视频进行施工人员实时检测与轨迹跟踪；接下来根据检测结果图像对施工人员进行安全状态识别；之后对检测、识别和跟踪的信息进行融合处理；最后将实时处理得到的结果输出到设备进行可视化显示。本发明在减少安全监控系统人工成本的同时保证了安全监管的效果，促进了人工智能算法在工业安全实际场景中的应用。
-
公开(公告)号：CN115690682A
公开(公告)日：2023-02-03
申请号：CN202211376352.8
申请日：2022-11-04
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于属性知识建模的安全状态智能识别方法，首先对监控视频中的工人图片进行提取以及预处理，然后基于骨干网络对图片进行高维特征提取以及属性标签向量的生成，接下来应用Transformer编码器对图像特征与属性标签向量进行关系建模，最终对特征与属性输出的结果进行处理，并计算误差损失、准确率，训练网络，完成对工人安全状态的智能识别。本发明有效提高了属性识别的准确性和鲁棒性，使人工智能算法在工业安全中更好地发挥作用。
-
公开(公告)号：CN118644658A
公开(公告)日：2024-09-13
申请号：CN202410753489.3
申请日：2024-06-12
Applicant: 西北工业大学
Abstract: 本申请公开的遥感图像中目标的检测方法包括：获取采用点标签进行目标标注的遥感图像，将其输入图像分割模型中得到其中点标签对应的掩码图像，以掩码图像的外接水平框为初始水平框，获取采用初始水平框进行目标标注的初始遥感图像；采用若干个未进行目标标注的遥感图像及对应的若干个初始遥感图像训练得到目标水平框生成器；采用目标水平框生成器，通过未进行目标标注的遥感图像对初始遥感图像中的初始水平框进行优化生成目标水平框，获得采用目标水平框进行目标标注的目标遥感图像；以若干个目标遥感图像为训练数据，通过弱监督学习算法与自监督学习算法对旋转框检测器进行联合训练，通过训练好的旋转框检测器进行遥感图像的目标检测。
-
Patent Agency Ranking
公开(公告)号：CN113642482B
公开(公告)日：2024-02-02
申请号：CN202110946018.0
申请日：2021-08-18
Applicant: 西北工业大学
IPC: G06V20/40 , G06V40/18 , G06V10/762 , G06N3/048 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于视频时空上下文的视频人物关系分析方法，通过时序和空间信息分析来挖掘视频中的人物关系网络，来从新的角度和深度分析视频内容。该方法首先对视频数据进行预处理，包括进行视频镜头和场景的切分、人物特征提取和聚类。其次，根据预处理的结果使用基于上下文高斯加权的方法来计算人物的某个视频镜头的共生关系。最后，融合空间位置对视频人物关系的贡献信息，判断和计算更具体和准确的共生关系，修正时序共生关系方法的量化结果，提高视频人物关系分析的准确率。本发明可有效提高视频用户对感兴趣目标查询的效率，降低人物查询的工作量，提高人物关系挖掘的准确性。
-
公开(公告)号：CN110569779B
公开(公告)日：2022-10-04
申请号：CN201910820960.5
申请日：2019-08-28
Applicant: 西北工业大学
IPC: G06V40/10 , G06V10/764 , G06V10/80 , G06K9/62
Abstract: 本发明提供了一种基于行人局部和整体属性联合学习的行人属性识别方法，通过设计基于行人局部和整体属性联合学习的卷积神经网络结构，融合行人部位属性和全身属性进行具有关联性多任务学习，联合学习行人局部和整体属性的判别性特征表示，得到更具判别性的行人属性特征。本发明可以有效融合行人部位属性和全身属性进行具有关联性多任务学习，提高属性特征的判别性能力，实现对复杂场景中行人部位属性的更精准的识别，从而提升行人属性的识别性能。
-
公开(公告)号：CN113642482A
公开(公告)日：2021-11-12
申请号：CN202110946018.0
申请日：2021-08-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于视频时空上下文的视频人物关系分析方法，通过时序和空间信息分析来挖掘视频中的人物关系网络，来从新的角度和深度分析视频内容。该方法首先对视频数据进行预处理，包括进行视频镜头和场景的切分、人物特征提取和聚类。其次，根据预处理的结果使用基于上下文高斯加权的方法来计算人物的某个视频镜头的共生关系。最后，融合空间位置对视频人物关系的贡献信息，判断和计算更具体和准确的共生关系，修正时序共生关系方法的量化结果，提高视频人物关系分析的准确率。本发明可有效提高视频用户对感兴趣目标查询的效率，降低人物查询的工作量，提高人物关系挖掘的准确性。
-
公开(公告)号：CN110728216A
公开(公告)日：2020-01-24
申请号：CN201910927014.0
申请日：2019-09-27
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于行人属性自适应学习的无监督行人再识别方法。首先，利用带标注的源视频集预训练调整过的ResNet50网络，得到预训练行人属性CNN模型；然后，在无任何标记的目标视频集上充分利用目标视频集的时空约束信息在线生成训练样本；接着，将生成的训练样本输入到Triplet网络，对预训练的行人CNN模型进行参数微调，得到更具判别性的行人特征；最后，利用已经训练好的网络进行行人特征提取和相似性度量，实现行人再识别。本发明方法所学到的特征具有更强的鲁棒性和判别性，能显著提升行人再识别的准确率，扩展行人再识别的应用范围。
-
公开(公告)号：CN110569779A
公开(公告)日：2019-12-13
申请号：CN201910820960.5
申请日：2019-08-28
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于行人局部和整体属性联合学习的行人属性识别方法，通过设计基于行人局部和整体属性联合学习的卷积神经网络结构，融合行人部位属性和全身属性进行具有关联性多任务学习，联合学习行人局部和整体属性的判别性特征表示，得到更具判别性的行人属性特征。本发明可以有效融合行人部位属性和全身属性进行具有关联性多任务学习，提高属性特征的判别性能力，实现对复杂场景中行人部位属性的更精准的识别，从而提升行人属性的识别性能。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.027 seconds)
