公开(公告)号：CN115147832A

公开(公告)日：2022-10-04

申请号：CN202210813356.1

申请日：2022-07-11

Applicant: 上海大学

Inventor： 孔志浩 ,  陆小锋 ,  钟宝燕 ,  毛建华

IPC: G06V20/64 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及形变检测技术领域，特别是涉及一种基于多模态特征融合的形变预测方法及系统，方法包括：获取训练数据集；训练数据集包括训练点云数据集和训练物理因素数据集；基于训练数据集得到训练好的点云特征提取模型和训练好的物理因素特征提取模型；获取待检测目标的点云数据和物理因素数据；基于点云数据和训练好的点云特征提取模型，得到待定位目标的点云特征向量；基于物理因素数据和训练好的物理特征提取模型，得到待定位目标的物理因素特征向量；将点云特征向量和物理因素特征向量进行特征融合，得到最大后验概率；基于最大后验概率得到形变等级。本发明将点云数据与物理因素数据进行优势互补，从而提高输出的形变结果的准确度。

公开(公告)号：CN113297547B

公开(公告)日：2022-07-08

申请号：CN202110564333.7

申请日：2021-05-24

Applicant: 上海大学

Inventor： 刘琦 ,  孙广玲 ,  陆小锋 ,  胡浩棋 ,  孔志浩 ,  毛建华

IPC: G06F21/16 ,  G06T1/00 ,  G06N3/08 ,  G06T3/40

Abstract: 本发明涉及一种数据集的后门水印添加方法、验证方法及系统，属于人工智能安全领域，采用超分辨率技术作为后门水印模式添加在部分训练样本中，并将部分训练样本的标签指定为特定类别，与良性样本共同组成后门数据集，从而验证数据集是否被盗用，相比于现有的方案，本发明的方案在注入率较低的情况下就能达到很高的水印成功率，而且不会影响数据集的正常使用。

公开(公告)号：CN113297547A

公开(公告)日：2021-08-24

申请号：CN202110564333.7

申请日：2021-05-24

Applicant: 上海大学

Inventor： 刘琦 ,  孙广玲 ,  陆小锋 ,  胡浩棋 ,  孔志浩 ,  毛建华

IPC: G06F21/16 ,  G06T1/00 ,  G06N3/08 ,  G06T3/40

Abstract: 本发明涉及一种数据集的后门水印添加方法、验证方法及系统，属于人工智能安全领域，采用超分辨率技术作为后门水印模式添加在部分训练样本中，并将部分训练样本的标签指定为特定类别，与良性样本共同组成后门数据集，从而验证数据集是否被盗用，相比于现有的方案，本发明的方案在注入率较低的情况下就能达到很高的水印成功率，而且不会影响数据集的正常使用。