-
公开(公告)号:CN119888433A
公开(公告)日:2025-04-25
申请号:CN202411184995.1
申请日:2024-08-27
Applicant: 中国电子科技集团公司信息科学研究院
IPC: G06V10/82 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明提出了一种基于图像增强与对抗训练的模型防御方法及装置,方法包括:获取目标检测数据集中的图像,进行数据增强;将经过数据增强的当前图像,通过对抗攻击生成对抗样本;将对抗样本以及数据增强的图像送入预设的生成对抗网络,以去除对抗样本中的扰动,得到干净样本;将经过数据增强的图像、对抗样本以及干净样本,送入目标检测器训练,用于增加目标检测器的鲁棒性,并输出目标检测数据集对应的类别以及位置。本发明通过对抗训练的方法在多种攻击场景下提高目标检测器的鲁棒性。
-
公开(公告)号:CN119377464A
公开(公告)日:2025-01-28
申请号:CN202411293259.X
申请日:2024-09-14
Applicant: 中国电子科技集团公司信息科学研究院
IPC: G06F16/909 , G06F16/901 , G06F16/2453 , G06F16/2455 , G06F16/25 , G06F16/27 , G06F16/29 , G06F9/50
Abstract: 本申请公开了一种时空数据分析方法及支持时空数据分析的图计算系统。所述方法包括:在图计算系统中的各个备选节点中并行执行:根据预先设定的图数据结构和备选节点中的若干原始时空数据,生成若干原始时空数据各自对应的若干目标图数据;根据目标分区方式,将备选节点中的若干目标图数据分别分配至与目标图数据相匹配的目标节点,图数据结构和目标分区方式均是根据时空数据的分析需求信息确定的;在各个目标节点中并行执行:根据目标图数据和分析需求信息调用预先构建的算法库中的目标分析算法,并对目标图数据执行目标分析算法得到分析结果。根据本申请实施例,实现了一套计算系统同时兼容时空数据与图数据分析,避免了多套计算系统建设。
-
公开(公告)号:CN118939540A
公开(公告)日:2024-11-12
申请号:CN202410979788.9
申请日:2024-07-22
Applicant: 中国电子科技集团公司信息科学研究院
IPC: G06F11/36
Abstract: 本申请涉及软件测试技术领域,公开了一种基于蜕变关系的模糊测试优先级排序方法和装置。该方法结合模糊测试一般流程和蜕变测试原理,利用差异驱动的蜕变关系选择策略选择蜕变关系;依据蜕变关系变异种子得到测试用例,并执行种子和测试用例;通过比较种子和测试用例的输出结果是否符合所选蜕变关系进行结果验证;根据测试结果和测试过程信息进一步更新种子选择策略和蜕变关系选择策略。本申请不仅提出利用蜕变关系辅助模糊测试生成测试用例、判定测试结果,还提出利用测试历史信息指导种子与蜕变关系的选择,能够有效提高模糊测试揭示深度学习模型故障的效率。
-
公开(公告)号:CN119127689A
公开(公告)日:2024-12-13
申请号:CN202411177320.4
申请日:2024-08-26
Applicant: 中国电子科技集团公司信息科学研究院
IPC: G06F11/36 , G06N3/0499
Abstract: 本申请涉及深度学习模型应用测试领域,尤其涉及一种自动驾驶模型鲁棒性测试方法及装置。通过模块级噪声注入技术,模拟真实环境中的多种干扰因素,全面评估自动驾驶模型的性能。本申请不仅考虑输入数据的扰动,还深入分析模型在感知、预测等关键阶段的智能任务性能,设计针对性的对抗噪声,以最大化对模型性能的影响。采用基于目标优化方法优化对抗噪声,实现对自动驾驶模型鲁棒性的精准评测。此外,本申请能够准确评估自动驾驶模型在复杂环境和噪声干扰下的性能,为自动驾驶技术的安全应用提供重要保障。通过本申请的实施,将显著提升自动驾驶系统的鲁棒性和安全性,为智能交通系统的未来发展奠定坚实基础。
-
公开(公告)号:CN118964059A
公开(公告)日:2024-11-15
申请号:CN202410991659.1
申请日:2024-07-23
Applicant: 中国电子科技集团公司信息科学研究院
IPC: G06F9/54 , G06F40/216
Abstract: 本申请公开了一种小模型API服务的调用方法、系统及存储介质,涉及数据处理、人工智能技术,包括:根据用户的输入以及各API描述信息,利用大语言模型LLM确定需要调用的目标API;基于目标API的API描述信息,提示所述LLM生成预设格式的请求参数字典;将所生成的所述请求参数字典和所述用户的输入作为检索算法的输入,以检索出多个参数字典的可选值;基于所检索的参数字典的可选值与所述用户的输入,提示所述LLM生成请求参数;利用所生成的请求参数调用目标API服务,以及,利用所述LLM基于调用目标API服务的返回结果,生成任务结果。本申请的方法能够极大降低LLM后续确定各请求参数值的难度。
-
-
-
-