-
公开(公告)号：CN118941606B
公开(公告)日：2025-01-07
申请号：CN202411415165.5
申请日：2024-10-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种自动驾驶单目深度估计的道路物理域对抗补丁生成方法，形成场景图像数据集；生成目标车辆的掩码图像，目标车辆转换成像素坐标系下的像素坐标，将目标汽车嵌入场景图像中得到目标对象场景图；将道路补丁转换成像素坐标系下的像素坐标；通过场景构造模块得到多个场景图像，得到多方道路补丁视图集；计算深度损失及特征损失，构造目标损失函数；通过目标函数计算由模型输入相应补丁区域大小加权的平均梯度，使用平均梯度作为道路补丁图像的梯度，使用MI‑FGSM的方法更新当前补丁，当达到最大迭代次数时生成最终道路对抗补丁。本发明的方法使得单目深度估计技术更加精准、可靠，鲁棒性更高。
-
公开(公告)号：CN118941606A
公开(公告)日：2024-11-12
申请号：CN202411415165.5
申请日：2024-10-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种自动驾驶单目深度估计的道路物理域对抗补丁生成方法，形成场景图像数据集；生成目标车辆的掩码图像，目标车辆转换成像素坐标系下的像素坐标，将目标汽车嵌入场景图像中得到目标对象场景图；将道路补丁转换成像素坐标系下的像素坐标；通过场景构造模块得到多个场景图像，得到多方道路补丁视图集；计算深度损失及特征损失，构造目标损失函数；通过目标函数计算由模型输入相应补丁区域大小加权的平均梯度，使用平均梯度作为道路补丁图像的梯度，使用MI‑FGSM的方法更新当前补丁，当达到最大迭代次数时生成最终道路对抗补丁。本发明的方法使得单目深度估计技术更加精准、可靠，鲁棒性更高。
-
公开(公告)号：CN118013046B
公开(公告)日：2024-07-16
申请号：CN202410389726.2
申请日：2024-04-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/35 , G06F40/295 , G06N5/025 , G06N3/0442 , G06N3/0455 , G06F18/241
Abstract: 本发明提供了一种基于大语言模型的非结构化网络威胁情报抽取方法、系统及介质，该方法包括：利用爬虫技术从开源情报平台实时获取非结构化威胁情报数据；利用数据清洗技术剔除非结构化威胁情报数据中非主要文本内容，得到非结构化的文本情报数据，完成数据初步清洗；利用大语言模型结合Prompt设计实现对非结构化的文本情报数据进行二次处理以及知识提取；利用深度学习模型对经由大语言模型处理的结果进行二次知识抽取；结合两次知识抽取内容进一步删选，得到最终抽取结果。本发明提高了网络威胁情报的准确性和及时性，提高了对复杂多变的网络威胁的识别和分析能力，能够更好地适应特定领域的需求。
-
-
Search Results
3
records
(took 0.038 seconds)
