-
公开(公告)号：CN119941925A
公开(公告)日：2025-05-06
申请号：CN202411995433.5
申请日：2024-12-31
Applicant: 喀什地区电子信息产业技术研究院
Abstract: 本发明属于图像处理技术领域，公开了一种基于多模态融合的文本驱动人脸编辑方法，以待处理源图像和文本提示作为输入；通过映射网络将初始隐编码映射到向量空间得到中间隐编码；将中间隐编码和源图像对应的隐编码分别输入生成器，得到第一生成图像和第二生成图像；利用文本损失、风格损失和人脸损失构建总损失，并利用总损失对生成图像隐编码进行优化，并生成最终的人脸图像。本发明对StyleGAN语义网络进行改进，并通过CLIP预训练模型对齐文本与图像特征，同时利用人脸识别网络对齐编辑前后人脸图像特征，以生成高质量、效果佳的人脸编辑图像，并实现属性解耦和保持人脸身份一致。
-
公开(公告)号：CN118570834A
公开(公告)日：2024-08-30
申请号：CN202410338146.0
申请日：2024-03-25
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V40/10 , G06V10/82 , G06N3/0475 , G06N3/084 , G06N3/082
Abstract: 本发明属于行人检测技术领域，公开了一种有限通信预算下的边缘设备行人检测模型构建方法，各边缘设备利用本地的行人目标检测数据集，对行人目标检测模型进行稀疏训练后剪枝得到轻量化行人目标检测模型，并发送给中心服务器；中心服务器将来自各边缘设备的轻量化行人目标检测模型进行聚合，然后反馈给各边缘设备，各边缘设备进行更新。本发明对YOLOv3主干网络进行改进，降低模型整体参数量，同时引入稀疏训练与剪枝，最终实现目标检测模型在轻量化的同时保持行人检测的准确率。
-
公开(公告)号：CN118840628A
公开(公告)日：2024-10-25
申请号：CN202410930760.6
申请日：2024-07-11
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明属于人工智能安全技术领域，公开了基于数据增强和梯度约束的对抗样本生成方法及黑盒攻击方法，该对抗样本生成方法为：通过增加扰动对当前迭代过程的待处理图像进行若干次数据增强，并通过替代模型获取对抗梯度；对对抗梯度进行约束；并基于约束后的对抗梯度对梯度动量进行迭代更新；再依据迭代更新后的梯度动量生成对抗样本。本发明能提升对抗样本的迁移攻击成功率，更为有效的评估模型的鲁棒性。
-
公开(公告)号：CN117829267A
公开(公告)日：2024-04-05
申请号：CN202311631565.5
申请日：2023-11-27
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06N3/098 , G06N3/0464 , G06N3/0455 , G06F18/2415 , G06V10/82 , G06F18/232
Abstract: 本发明属于联邦学习技术领域，公开了一种基于CLIP的非独立同分布数据联邦学习方法，适用于服务端和若干与服务端通信连接的客户端之间的模型训练；每个客户端设置有CLIP模型；首先，服务端确定自定义模型和训练任务，将自定义模型和训练参数发送给与之通信连接的全部客户端；每个客户端利用本地训练数据集对自定义模型进行训练，并将训练好的自定义模型上传至服务端；服务端依据来自各客户端的自定义模型进行分类聚合，为每一组生成个性化自定义模型，并分发给相应客户端。本发明针对客户端上传的自定义模型参数进行分组，然后聚合，使得在面对非独立同分布数据时，聚合的模型准确率高。
-
公开(公告)号：CN117313833A
公开(公告)日：2023-12-29
申请号：CN202311124294.4
申请日：2023-08-31
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习技术领域，公开了一种基于预约分级的联邦学习方法，服务器将全局模型参数和预约规则发送给出当前轮次的可预约客户端；可预约客户端进行本地模型训练，并生成预约请求上传至服务器；服务器依据预约请求，确定当前轮次的预约结果，并发送给出当前轮次被选择的客户端；被选择的客户端依据预约结果，继续完成本地训练，并将训练好的局部模型参数上传至服务器；服务器按照预约结果中的上传时间段，分级别开启与之通信的客户端的上传通道，并将各客户端的局部模型参数进行聚合以更新全局模型参数。本发明综合考虑联邦学习在实际部署中服务器可能出现的通信资源的变化情况，灵活调整联邦学习通信机制，提高联邦学习的可用性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119168105A
公开(公告)日：2024-12-20
申请号：CN202410438408.0
申请日：2024-04-12
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06Q10/04 , G06Q50/26 , G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/098 , G06F123/02
Abstract: 本发明公开了一种基于联邦学习的文本数据分布式处理方法，包括下述步骤：通过数据采集和存储模块完成对特定人员的信息和活动数据采集，并建立统一的数据标准方法，将标注完成的数据放入数据库进行存储；完成无关数据清除、缺失值和异常值的处理、数据特征的统计及分组训练数据；采用LSTM神经网络模型构建联邦学习训练模块，并对其进行训练得到可用的预警模型；将预警模型部署在部门的本地服务器上，对特定人员的轨迹信息进行实时预测，进而判定是否存在危险行为，如果存在出现危险行为可能性，则及时采取措施；在解决现有技术中存在的数据流通困难、计算成本和难以进行全局优化等问题的同时，对特定人员的行动轨迹进行预测，从而保障公共安全。
-
公开(公告)号：CN118628865A
公开(公告)日：2024-09-10
申请号：CN202410758667.1
申请日：2024-06-13
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V10/82 , G06V10/80 , G06V40/16 , G06V10/44 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明属于人工智能安全技术领域，公开了一种基于多对抗块的人脸对抗样本生成系统及训练方法，该系统包括：人脸关键特征点提取模块，用于对源图像的人脸关键特征点进行提取，得到人脸关键特征点坐标网格，确定出相应的目标攻击区域；并利用人脸的眼部及三角区的指定区域周围的特征点坐标生成相应的0‑1二进制掩膜；生成器，用于依据目标攻击区域生成相应的生成图像；融合模块，首先基于生成图像和二进制掩膜相乘生成多对抗块，然后结合源图像融合得到最终的人脸对抗样本。通过本发明方向训练后的基于多对抗块的人脸对抗样本生成系统，不仅可以使生成的人脸对抗样本具有优秀的人脸自然度，还可以提升对抗样本的可迁移性。
-
公开(公告)号：CN118115836A
公开(公告)日：2024-05-31
申请号：CN202410250749.5
申请日：2024-03-05
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V20/58 , G06V10/82 , G06V10/25 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明属于人工智能安全技术领域，公开了一种基于BigGAN的交通标志物理对抗样本生成方法、设备、存储介质及产品。该方法采集交通标志数据集作为原始训练样本；基于YOLOv3目标检测器，得到各原始训练样本上交通标志的检测框；采用预训练的BigGAN生成器生成交通标志的初始对抗样本；对初始对抗样本进行数据增强，并结合各原始训练样本上交通标志的检测框，生成敌对训练样本；基于YOLOv3目标检测器，对敌对训练样本进行交通标志检测训练；通过反向传播、更新梯度等，优化对抗样本。本发明能够限制生成的交通标志对抗样本的外观形状，且提高对抗样本的攻击性。
-
公开(公告)号：CN118015331A
公开(公告)日：2024-05-10
申请号：CN202311871274.3
申请日：2023-12-30
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/764 , G06V10/778 , G06F21/62 , G06N20/00 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/098
Abstract: 本发明公开了一种基于隐私保护的医学图像分类方法，包括获取待分类的医学图像；在客户端和服务端分别构建用于医学图像分类的本地模型和全局模型，在客户端通过输出扰动向上传的本地模型参数引入差分隐私噪声获取引入差分隐私噪声的本地模型梯度信息，并在服务端将不同客户端的本地模型梯度信息进行聚合，以对全局模型参数进行更新，实现基于差分隐私的联邦学习训练；利用客户端训练后的本地模型对待分类的医学图像进行医学图像分类。本发明在客户端对上传的模型以输出扰动的形式进行差分隐私噪声添加，有效保护数据隐私以及抵御推理攻击。
-
公开(公告)号：CN118230087A
公开(公告)日：2024-06-21
申请号：CN202410250769.2
申请日：2024-03-06
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V10/77 , G06V10/82 , G06V10/46 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明属于人工智能安全技术领域，公开了一种基于降维与迁移的对抗样本生成方法，将待处理原始图像和真实标签输入白盒模型集合；从白盒模型集合中随机选取一个白盒模型，通过FGSM算法生成一个候选对抗样本；将生成的候选对抗样本输入黑盒模型进行查询，获得满足终止条件的中间对抗样本；对生成的中间对抗样本进行噪声压缩，生成最终对抗样本。本发明提高了对抗样本的生成效率，同时降低了对抗样本与原始图像之间的差异。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.036 seconds)
