-
公开(公告)号：CN112686249B
公开(公告)日：2022-01-25
申请号：CN202011528278.8
申请日：2020-12-22
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
Abstract: 本发明提供一种基于对抗补丁的Grad‑CAM攻击方法。该方法包括：步骤1：初始化扰动z，并根据设定的二值化掩码m在输入图像x上生成对抗补丁，得到含有对抗补丁的对抗图像x′；步骤2：采用Grad‑CAM方法生成所述对抗图像x′的显著图；步骤3：计算损失函数；其中，所述损失函数的优化目标包括：使得所述对抗图像x′的类别和所述输入图像x的原始类别相一致；引导所述对抗图像x′的显著图偏向对抗补丁所在区域；步骤4：利用计算得到的损失函数更新扰动z以生成新的对抗图像x′；步骤5：重复步骤2至步骤4，直至达到设定的迭代次数，将此时的对抗图像x′作为最终的对抗图像。
-
公开(公告)号：CN112686249A
公开(公告)日：2021-04-20
申请号：CN202011528278.8
申请日：2020-12-22
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
Abstract: 本发明提供一种基于对抗补丁的Grad‑CAM攻击方法。该方法包括：步骤1：初始化扰动z，并根据设定的二值化掩码m在输入图像x上生成对抗补丁，得到含有对抗补丁的对抗图像x′；步骤2：采用Grad‑CAM方法生成所述对抗图像x′的显著图；步骤3：计算损失函数；其中，所述损失函数的优化目标包括：使得所述对抗图像x′的类别和所述输入图像x的原始类别相一致；引导所述对抗图像x′的显著图偏向对抗补丁所在区域；步骤4：利用计算得到的损失函数更新扰动z以生成新的对抗图像x′；步骤5：重复步骤2至步骤4，直至达到设定的迭代次数，将此时的对抗图像x′作为最终的对抗图像。
-
公开(公告)号：CN112651407B
公开(公告)日：2023-10-20
申请号：CN202011640809.2
申请日：2020-12-31
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于区分性反卷积的CNN可视化方法，方法包括给定输入图像进行特征提取，并得到最高层特征图和分类结果,基于最高层特征图，使用Grad‑CAM方法，生成类别激活图。一方面，将类别激活图作为初始特征图，逐层反卷积到输入空间，生成具有类别区分性的热力图。另一方面，将类别激活图逐层融合中间层特征图，并使用反卷积恢复到输入空间，生成具有细粒度特征的热力图。将所述具有类别区分性的热力图与所述具有细粒度特征的热力图相融合，生成最终的热力图。本发明用于实现具有细粒度和类别区分性的CNN可视化效果。
-
公开(公告)号：CN112651407A
公开(公告)日：2021-04-13
申请号：CN202011640809.2
申请日：2020-12-31
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
Abstract: 本发明涉及一种基于区分性反卷积的CNN可视化方法，方法包括给定输入图像进行特征提取，并得到最高层特征图和分类结果,基于最高层特征图，使用Grad‑CAM方法，生成类别激活图。一方面，将类别激活图作为初始特征图，逐层反卷积到输入空间，生成具有类别区分性的热力图。另一方面，将类别激活图逐层融合中间层特征图，并使用反卷积恢复到输入空间，生成具有细粒度特征的热力图。将所述具有类别区分性的热力图与所述具有细粒度特征的热力图相融合，生成最终的热力图。本发明用于实现具有细粒度和类别区分性的CNN可视化效果。
-
公开(公告)号：CN114120367B
公开(公告)日：2023-06-13
申请号：CN202111432749.X
申请日：2021-11-29
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06V40/10 , G06V40/20 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明属于图像识别处理技术领域，公开一种元学习框架下基于圆损失度量的行人重识别方法及系统，使用基于度量的元学习方式对行人重识别问题进行建模，同时引入改进的圆损失进行度量学习，实现了样本相似性自适应加权优化的目的。本发明在基于度量的元学习框架下，对行人重识别任务进行建模；通过引入圆损失并对其进行改进，以适应元度量学习的学习方式，对查询集和支持集之间的相似性分数进行自适应加权，改善样本的相似性优化性能，从而提升模型的训练效果。
-
Patent Agency Ranking
公开(公告)号：CN114120367A
公开(公告)日：2022-03-01
申请号：CN202111432749.X
申请日：2021-11-29
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06V40/10 , G06V40/20 , G06K9/62 , G06V10/74 , G06V10/774 , G06V10/764
Abstract: 本发明属于图像识别处理技术领域，公开一种元学习框架下基于圆损失度量的行人重识别方法及系统，使用基于度量的元学习方式对行人重识别问题进行建模，同时引入改进的圆损失进行度量学习，实现了样本相似性自适应加权优化的目的。本发明在基于度量的元学习框架下，对行人重识别任务进行建模；通过引入圆损失并对其进行改进，以适应元度量学习的学习方式，对查询集和支持集之间的相似性分数进行自适应加权，改善样本的相似性优化性能，从而提升模型的训练效果。
-
公开(公告)号：CN116611062B
公开(公告)日：2023-12-01
申请号：CN202310438918.3
申请日：2023-04-21
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F21/56 , G06N3/0464 , G06N3/08 , G06F18/213 , G06F18/214 , G06F18/241
Abstract: 本发明提供一种基于图卷积网络的内存恶意进程取证方法与系统。该方法包括：步骤1：逆向重建内存映像的虚拟内存空间；步骤2：根据重建的虚拟内存空间提取进程的内存转储，根据所述内存转储提取所述进程的函数调用图FCG；步骤3：生成进程的FCG中每个函数节点的特征向量，进而得到特征向量化后的FCG；步骤4：构建并训练基于图卷积网络的进程分类模型ProcGCN；步骤5：将进程对应的特征向量化后的FCG输入至训练好的ProcGCN，得到该进程FCG的良性或恶意分类结果。
-
公开(公告)号：CN116611062A
公开(公告)日：2023-08-18
申请号：CN202310438918.3
申请日：2023-04-21
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F21/56 , G06N3/0464 , G06N3/08 , G06F18/213 , G06F18/214 , G06F18/241
Abstract: 本发明提供一种基于图卷积网络的内存恶意进程取证方法与系统。该方法包括：步骤1：逆向重建内存映像的虚拟内存空间；步骤2：根据重建的虚拟内存空间提取进程的内存转储，根据所述内存转储提取所述进程的函数调用图FCG；步骤3：生成进程的FCG中每个函数节点的特征向量，进而得到特征向量化后的FCG；步骤4：构建并训练基于图卷积网络的进程分类模型ProcGCN；步骤5：将进程对应的特征向量化后的FCG输入至训练好的ProcGCN，得到该进程FCG的良性或恶意分类结果。
-
公开(公告)号：CN118071530A
公开(公告)日：2024-05-24
申请号：CN202311841405.3
申请日：2023-12-28
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06Q50/00 , G06F30/20 , G06F111/10
Abstract: 本发明提供一种舆论信息传播预测方法与系统。该方法包括：步骤1：根据人群节点对舆论信息的态度，将社交网络中的人群节点划分为未知状态节点、支持状态节点、反对状态节点和中立状态节点；步骤2：分别设置单位时刻下由未知状态节点转为其余三种状态节点的概率因子，以及由中立状态节点分别转为支持状态节点或反对状态节点的概率因子；步骤3：基于当前时刻下各状态节点的比例和各概率因子，根据平均场理论算法，构建得到各状态节点比例变化的第一微分方程；步骤4：根据所述第一微分方程，采用数值仿真方法或模拟仿真方法展示各状态节点数量的变化过程。
-
公开(公告)号：CN110414430B
公开(公告)日：2022-10-04
申请号：CN201910688415.5
申请日：2019-07-29
Applicant: 郑州信大先进技术研究院
IPC: G06V40/20 , G06V10/80 , G06V10/74 , G06V10/764 , G06T7/11
Abstract: 本发明提供一种基于多比例融合的行人重识别方法及装置，通过对行人图像进行比例分割，然后通过深度神经网络处理得到分割后图像的特征向量，该特征向量包含了不同图像中行人的特征，能够反映分割后图像的特性；然后将各个分割后图像的特征向量进行融合，从而得到图像整体的特征向量，该整体的特征向量能够削弱遮挡对行人特征的影响，假设行人被遮挡到了左肩，它影响的仅仅是一部分分割后的子图，而还有一部分子图并没有受到影响，因此这一部分遮挡对于融合后得到的整体特征向量的改变比现有技术中的特征向量小。本发明通过融合多比例分割后图像的特征向量，可以有效地避免行人间相互遮挡或者物体遮挡部分行人而带来的重识别率不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.052 seconds)
