-
公开(公告)号：CN113936173B
公开(公告)日：2025-03-28
申请号：CN202111170350.9
申请日：2021-10-08
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种最大化互信息的图像分类方法、设备、介质及系统，包括：采集训练图像；最大化训练图像和神经网络结构的互信息，自动确定神经网络的网络结构和参数；采用得到的所述神经网络对待分类的图像数据进行处理，得到图像分类结果。本发明基于给定图像数据，通过最大化互信息方式，自动设计确定神经网络的网络结构和参数，用于图像分类，无需繁杂的人工设计，节省人力资源和计算资源消耗。本发明能在极短的时间内，自动设计得到基于神经网络的图像分类方法，同时能实现较高的图像分类准确率。
-
公开(公告)号：CN115205985A
公开(公告)日：2022-10-18
申请号：CN202210844068.2
申请日：2022-07-18
Applicant: 上海交通大学
IPC: G06V40/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种因果干预的人脸防伪方法、设备及介质，包括：构建面向人脸防伪任务的结构因果模型，基于该结构因果模型，建模与数据集分布相关的域特征，作为影响人脸防伪泛化性的干扰因子；使用狄利克雷数据增强扩充数据集分布，更准确地建模作为干扰因子的域特征；训练神经网络对输入人脸图像的真假进行二分类判别，并采用后门调整模型对人脸真假分类的神经网络进行因果干预，消除干扰因子的影响；在训练人脸真假分类的神经网络中，同时使用对比损失函数约束特征空间。本发明基于结构因果模型，采用后门调整模型消除影响人脸防伪泛化性的干扰因子，能显著提高在真实世界的不同环境下人脸防伪的准确率，保证了人脸防伪方法的泛化性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113673591B
公开(公告)日：2023-12-01
申请号：CN202110931387.2
申请日：2021-08-13
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种自调整采样优化的图像分类方法、设备及介质，包括：获取训练图像；最小化训练图像分类的交叉熵，自动确定深度神经网络的网络结构和参数；采用得到的所述深度神经网络对待分类图像进行处理，得到图像分类结果。本发明能基于给定的图像数据，自动调整设计基于深度神经网络的图像分类方法，减少人为设计的繁杂性和人力资源消耗，同时在计算资源限定的情况下，能实现较高的分类准确率，保证了图像分类方法的稳定性和实用性。
-
公开(公告)号：CN117935325A
公开(公告)日：2024-04-26
申请号：CN202311144296.X
申请日：2023-09-06
Applicant: 上海交通大学
IPC: G06V40/16 , G06V40/40 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045
Abstract: 本公开提供一种无监督域泛化的人脸防伪方法、系统、介质及电子设备，其中人脸防伪方法包括：获取标记域索引的人脸图像训练集；根据当前人脸图像样本的增强特征与同一域索引下的人脸图像样本的增强特征之间的特征相似度，确定第一正样本；根据当前人脸图像的域归一化特征与不同域索引下的人脸图像样本的域归一化特征之间的特征相似度，确定第二正样本；采用人脸图像训练集对预设的无监督孪生网络进行模型训练处理，确定无监督孪生网络模型；将目标人脸图像输入无监督孪生网络模型中，确定目标人脸图像的人脸防伪特征。通过本公开，有效提升无监督网络模型的防伪性能，提高泛化性，实现低成本高鲁棒性的人脸防伪识别。
-
公开(公告)号：CN115565231A
公开(公告)日：2023-01-03
申请号：CN202211271064.6
申请日：2022-10-17
Applicant: 上海交通大学
Abstract: 本发明提供一种隐私保护的人脸防伪方法和系统，将预训练的人脸防伪模型迁移到用户端，包括：获得可泛化的预训练人脸防伪模型，作为第一模型；将用户端人脸图像输入第一模型，产生第一伪标签；将第一模型作为初始化迭代更新得到第二模型；将第一模型的分类器权重特征，与第二模型输出的特征进行条件分布对齐；将用户端人脸图像分块并打乱顺序，以第一模型作为初始化，以乱序的人脸图像块迭代得到第三模型；结合第三模型和对齐后的人脸图像特征更新第二模型，用于用户端人脸防伪。本发明在保护人脸隐私没有预训练数据的情况下，将预训练好的人脸防伪模型迁移到用户端上进行使用，有效地提高用户在真实世界的不同环境下使用人脸防伪模型的准确率。
-
公开(公告)号：CN113936173A
公开(公告)日：2022-01-14
申请号：CN202111170350.9
申请日：2021-10-08
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种最大化互信息的图像分类方法、设备、介质及系统，包括：采集训练图像；最大化训练图像和神经网络结构的互信息，自动确定神经网络的网络结构和参数；采用得到的所述神经网络对待分类的图像数据进行处理，得到图像分类结果。本发明基于给定图像数据，通过最大化互信息方式，自动设计确定神经网络的网络结构和参数，用于图像分类，无需繁杂的人工设计，节省人力资源和计算资源消耗。本发明能在极短的时间内，自动设计得到基于神经网络的图像分类方法，同时能实现较高的图像分类准确率。
-
公开(公告)号：CN113673591A
公开(公告)日：2021-11-19
申请号：CN202110931387.2
申请日：2021-08-13
Applicant: 上海交通大学
Abstract: 本发明提供一种自调整采样优化的图像分类方法、设备及介质，包括：获取训练图像；最小化训练图像分类的交叉熵，自动确定深度神经网络的网络结构和参数；采用得到的所述深度神经网络对待分类图像进行处理，得到图像分类结果。本发明能基于给定的图像数据，自动调整设计基于深度神经网络的图像分类方法，减少人为设计的繁杂性和人力资源消耗，同时在计算资源限定的情况下，能实现较高的分类准确率，保证了图像分类方法的稳定性和实用性。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
