-
公开(公告)号:CN117473469B
公开(公告)日:2024-05-10
申请号:CN202311824447.6
申请日:2023-12-28
Applicant: 广东佛山联创工程研究生院 , 华南理工大学
IPC: G06F21/16 , G06N3/0464 , G06N3/08 , G06T1/00
Abstract: 本发明提供了一种模型水印嵌入方法、装置、电子设备及存储介质,通过将一初始图像进行图像优化处理,以获得嵌入水印前的水印模型无法复原的优化图像,即在嵌入水印之前的水印模型无法将经过退化处理的优化图像复原为优化图像。将优化图像及退化处理后的优化图像分别作为嵌入数据中的水印图像和触发图像,并嵌入水印模型中。使得嵌入水印后的水印模型能够将经过退化处理的优化图像复原为优化图像。因此,用于水印覆盖攻击的攻击嵌入数据在水印模型中新生成的攻击映射将与水印模型中原有嵌入数据的映射的差异足够大,进而使得攻击映射无法覆盖水印模型中原有嵌入数据的映射,有效地增强了模型水印的鲁棒性,进而增强了对模型知识产权的保护。
-
公开(公告)号:CN112801912B
公开(公告)日:2023-10-31
申请号:CN202110173430.3
申请日:2021-02-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种人脸图像复原方法、系统、装置及存储介质,其中方法包括:获取待复原的人脸图像,采用经过训练的人脸复原子网络对所述人脸图像进行复原,获得复原的人脸图像;所述人脸复原子网络在训练过程中,引入人脸识别子网络;所述人脸识别子网络对复原的人脸图像进行特征提取,根据提取的特征对所述人脸复原子网络进行识别监督,以优化所述人脸复原子网络的网络参数。本发明通过引入人脸识别子网络来克服人脸复原后的个体身份特征不准确的问题,对于人脸复原子网络的输出图像,重新输入到人脸识别子网络中,对特征的逐步提取,并反馈至人脸复原子网络中,以提升图像复原能力,可广泛应用于图像处理技术领域。
-
公开(公告)号:CN110991464B
公开(公告)日:2023-05-23
申请号:CN201911087722.4
申请日:2019-11-08
Applicant: 华南理工大学
IPC: G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的一种基于深度多模态数据融合的商品点击率预测方法,包括以下步骤:获取商品点击率数据并进行预处理,得到预处理后的商品点击率数据;将预处理后的商品点击率数据进行特征提取,得到商品图片特征、商品文本特征、商品品牌特征;将提取的特征通过内部注意力机制得到加权的商品图片特征和加权的商文本特征,再通过图片和文本间注意力机制进行特征融合,得到商品特征;利用商品特征通过前馈神经网络进行商品点击率预测,得到商品预测结果;构建端到端模型,利用训练数据进行参数学习与更新;本发明很好地融合图片,文本以及品牌等多模态信息,形成有效的商品特征描述,可应用于商品点击率预测。
-
公开(公告)号:CN119848806A
公开(公告)日:2025-04-18
申请号:CN202510011004.8
申请日:2025-01-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种针对图像去噪扩散概率模型的指纹保护方法,属于电数字数据处理技术领域,包括:获取保护目标验证图像;反求保护目标验证图像#imgabs0#对应的去噪扩散概率模型的隐编码作为保护目标验证图像的指纹编码;获取可疑盗用的去噪扩散概率模型,将保护目标验证图像的指纹编码输入到可疑盗用的去噪扩散概率模型的采样过程,得到可疑盗用的去噪扩散概率模型对应的输出图像;比对可疑盗用的去噪扩散概率模型对应的输出图像的版权信息与保护目标验证图像的版权信息。所述针对图像去噪扩散概率模型的指纹保护方法解决了现有的DDPM保护方案会对DDPM的参数进行改动导致影响DDPM的表现和性能的问题。
-
公开(公告)号:CN113269224B
公开(公告)日:2023-10-31
申请号:CN202110311736.0
申请日:2021-03-24
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种场景图像分类方法、系统及存储介质,包括获取训练和测试的场景图像,并对其进行类别划分,获得相应类别标签数据库;将场景图像数据库划分为训练集和测试集,进行预处理后作为网络模型的输入;训练局部分形统计描述网络模型,保存训练完成的网络参数,所述局部分形统计描述网络模型包括基于ResNet预训练模型的特征提取器和局部分形密度图估计分支、全局池化分支、全连接层分类器;将保存好的网络模型加载,进行验证和测试。本发明相对于其他深度学习方法,引入局部密度估计模块,能够更好的处理多种光照变化,在真实场景下分类准确率更高。
-
公开(公告)号:CN115445190A
公开(公告)日:2022-12-09
申请号:CN202110644069.8
申请日:2021-06-09
Applicant: 腾讯科技(深圳)有限公司 , 华南理工大学
Abstract: 本申请公开了一种图像处理方法、装置、电子设备及存储介质,涉及人工智能技术在计算机视觉技术领域的应用。该方法包括:接收目标游戏图像;通过目标神经网络模型对目标游戏图像进行增强处理,目标神经网络模型通过对共享参数以及目标特有参数进行优化后得到,共享参数基于目标神经网络模型对应的样本数据、以及与目标神经网络模型关联的神经网络模型对应的样本数据进行联合优化,目标特有参数基于目标神经网络模型对应的样本数据进行优化;获取目标网络模型输出的增强后的目标游戏图像;显示增强后的目标游戏图像。该方法能够提升云游戏场景中游戏图像在显示时的显示效果,提高用户体验质量。
-
公开(公告)号:CN113269224A
公开(公告)日:2021-08-17
申请号:CN202110311736.0
申请日:2021-03-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种场景图像分类方法、系统及存储介质,包括获取训练和测试的场景图像,并对其进行类别划分,获得相应类别标签数据库;将场景图像数据库划分为训练集和测试集,进行预处理后作为网络模型的输入;训练局部分形统计描述网络模型,保存训练完成的网络参数,所述局部分形统计描述网络模型包括基于ResNet预训练模型的特征提取器和局部分形密度图估计分支、全局池化分支、全连接层分类器;将保存好的网络模型加载,进行验证和测试。本发明相对于其他深度学习方法,引入局部密度估计模块,能够更好的处理多种光照变化,在真实场景下分类准确率更高。
-
公开(公告)号:CN113011506A
公开(公告)日:2021-06-22
申请号:CN202110311743.0
申请日:2021-03-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度重分形频谱网络的纹理图像分类方法,包括获取纹理图像及其对应的类别标签数据库;对纹理图像进行预处理,作为深度重分形频谱网络模型的输入;构建深度重分形频谱网络模型,并进行训练,所述深度重分形频谱网络模型包括对纹理图像进行特征提取,提取后的特征分别输入两个旁支进行计算得到特征向量,再通过双线性池化层对两个特征向量进行耦合,最后通过全连接层与Softmax函数映射成训练数据集所对应的类别数相等的类别预测概率向量,概率向量数值大的向量元素所对应的索引即为预测类别;利用训练后的深度重分形频谱网络模型,实现纹理图像的分类。本发明在真实场景下分类准确率更高。
-
公开(公告)号:CN112102182A
公开(公告)日:2020-12-18
申请号:CN202010893079.0
申请日:2020-08-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的单图像去反射方法。本发明利用重影线索,利用双重反射合成建模,首先根据传统方法或者深度学习的方法进行重影卷积核参数估计,利用深度网络估计背景层图像和反射层图像提出自监督,从而达到更好的去反射的目的。本发明使用传统方法或者深度学习的方法对于重影卷积核k估计,更好的利用反射图像中重影线索,从而分离重影反射图像的背景层图像和反射层图像。本发明对于估计重影卷积核k和估计背景层图像T、反射层图像R的模型进行预训练,从而加快模型收敛速度,提高模型表现。本发明能够对大部分的自然场景重影反射图像产生较好的复原效果。
-
公开(公告)号:CN103426188A
公开(公告)日:2013-12-04
申请号:CN201310345141.2
申请日:2013-08-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于局部模式编码策略和全局分形分析的纹理描述方法,包括以下步骤:S1、首先对图像进行一些简单的前处理,如转换成灰度图像,进入步骤S2;S2、对输入图像应用多尺度的局部模式编码技术,得到在不同尺度参数下的LBP编码图,进入步骤S3;S3、对不同尺度参数下的LBP编码图分别进行多分形谱分析,得到各自的多分形谱特征,进入步骤S4;S4、将对应不同尺度下的LBP编码图得到的特征拼接起来得到最后的纹理特征描述子;本发明具有区分能力强、紧凑性、鲁棒性、计算效益高等优点。
-
-
-
-
-
-
-
-
-