-
公开(公告)号：CN115841681B
公开(公告)日：2024-09-20
申请号：CN202211353732.X
申请日：2022-11-01
Applicant: 南通大学
IPC: G06V40/10 , G06N3/0464 , G06N3/08 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本申请公开了一种基于通道注意力的行人再识别对抗攻击方法，该方法包括：基于掩码算法mask和ECA通道注意力，构建卷积神经网络；基于行人图像训练集，获取卷积神经网络的输入图像；基于输入图像和卷积神经网络，获取输入图像中的深度特征；基于损失函数，获取深度特征的损失值并优化卷积神经网络，得到深度神经网络；基于深度神经网络和待查询图像，获取待查询图像的最终特征；基于最终特征与行人图像的特征向量之间的相似度，获得待查询图像的匹配结果。本申请提出对抗性注意力机制的行人再识别攻击方法，破坏掩码mask的打分规则来打破原有的通道注意力权重，提高了注意力机制对行人再识别系统的鲁棒性。
-
公开(公告)号：CN116824695A
公开(公告)日：2023-09-29
申请号：CN202310669202.4
申请日：2023-06-07
Applicant: 南通大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于特征去噪的行人再识别非局部防御方法。本发明包括以下步骤：步骤1、输入P×K张彩色图像至行人再识别非局部防御网络；步骤2、通过对输入的图像进行通道级图像擦除处理；步骤3、利用Resnet50网络和基于非局部特征去噪块，捕获特征之间的相似性；步骤4、通过联合损失函数，训练出性能良好的防御网络；步骤5、利用步骤3获得的对齐的深层特征对浅层特征进行解耦知识蒸馏；步骤6、若达到指定的训练轮数，则结束；否则继续完成训练，返回步骤1。本发明在使用非局部防御方法NFD改进现有行人再识别模型的基础上，显著提高了模型在面对攻击时的识别准确率。
-
公开(公告)号：CN116824695B
公开(公告)日：2024-07-19
申请号：CN202310669202.4
申请日：2023-06-07
Applicant: 南通大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于特征去噪的行人再识别非局部防御方法。本发明包括以下步骤：步骤1、输入P×K张彩色图像至行人再识别非局部防御网络；步骤2、通过对输入的图像进行通道级图像擦除处理；步骤3、利用Resnet50网络和基于非局部特征去噪块，捕获特征之间的相似性；步骤4、通过联合损失函数，训练出性能良好的防御网络；步骤5、利用步骤3获得的对齐的深层特征对浅层特征进行解耦知识蒸馏；步骤6、若达到指定的训练轮数，则结束；否则继续完成训练，返回步骤1。本发明在使用非局部防御方法NFD改进现有行人再识别模型的基础上，显著提高了模型在面对攻击时的识别准确率。
-
公开(公告)号：CN115841681A
公开(公告)日：2023-03-24
申请号：CN202211353732.X
申请日：2022-11-01
Applicant: 南通大学
IPC: G06V40/10 , G06N3/0464 , G06N3/08 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本申请公开了一种基于通道注意力的行人再识别对抗攻击方法，该方法包括：基于掩码算法mask和ECA通道注意力，构建卷积神经网络；基于行人图像训练集，获取卷积神经网络的输入图像；基于输入图像和卷积神经网络，获取输入图像中的深度特征；基于损失函数，获取深度特征的损失值并优化卷积神经网络，得到深度神经网络；基于深度神经网络和待查询图像，获取待查询图像的最终特征；基于最终特征与行人图像的特征向量之间的相似度，获得待查询图像的匹配结果。本申请提出对抗性注意力机制的行人再识别攻击方法，破坏掩码mask的打分规则来打破原有的通道注意力权重，提高了注意力机制对行人再识别系统的鲁棒性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
