公开(公告)号：CN118154935A

公开(公告)日：2024-06-07

申请号：CN202410117384.9

申请日：2024-01-29

Applicant: 浙江大学滨江研究院 ,  杭州榕数科技有限公司

Inventor： 潘晓华 ,  陈晋音 ,  苏蒙蒙 ,  沈诗婧 ,  熊海洋 ,  郑海斌

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于对比元学习的成像模式推理方法，基于对比元学习的成像模式推理方法，首先获取到RGB、红外和点云三种成像模式下的数据集。其次，基于数据增强的方法对三种模式的图像进行数据扩充，对增强后的不同成像模式数据集进行划分，得到训练集和测试集。然后，将训练集输入图像特征加强模块和对比元学习模块推理训练模型，再用测试集测试训练出的模型性能。最后，输入RBG、红外和点云三种成像模式中的一种模式图像到训练好的模型中进行成像模式推理，输出为三类成像模式的置信度得分，其中置信度得分最高的一类则是输入图像的成像模式，实现对成像模式的推理判断，根据成像模式的推理判断选择最优的目标检测技术。

公开(公告)号：CN118691791A

公开(公告)日：2024-09-24

申请号：CN202410697849.2

申请日：2024-05-31

Applicant: 杭州榕数科技有限公司

Inventor： 沈诗婧 ,  苏蒙蒙 ,  陈晋音 ,  严云杰 ,  熊海洋 ,  郑海斌 ,  李晓豪

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06N7/01

Abstract: 本发明公开了一种基于贝叶斯理论的多模态目标检测模型融合鲁棒增强方法和装置，对单模态目标检测模型分别进行红外模态训练和可见光模态训练，得到红外目标检测模型和可见光目标检测模型；对一个场景在红外模态下采集到的图片和在可见光模态下采集到的图片进行预测，得到融合结果。本发明无需设计复杂的多模态融合神经网络或者多模态特征提取方法，使用了贝叶斯理论作为融合策略，可以同时处理在多个模态下对齐的图像数据和非对齐的图像数据，提升检测框置信度，确保各个模态下对于弱小目标的预测可以保留，融合鲁棒性增强，可以进行模态的拓展，不仅限于对单红外模态检测结果和单可见光模态检测结果的融合。

公开(公告)号：CN118192241A

公开(公告)日：2024-06-14

申请号：CN202410384099.3

申请日：2024-04-01

Applicant: 杭州榕数科技有限公司

Inventor： 沈诗婧 ,  陈晋音 ,  苏蒙蒙 ,  金海波 ,  李晓豪 ,  郑海斌 ,  熊海洋

IPC: G05B13/04

Abstract: 本发明公开了一种基于自我策略恢复的自动驾驶决策模型安全性增强方法和装置，利用模拟学习自动驾驶决策模型Mo的目标策略πo，得到优化后的模型学习模型MI′L；利用模型对抗攻击技术对优化后的模型学习模型MI′L进行攻击，生成对抗状态集；对对抗状态集进行游离程度计算，得到对抗性训练样本集；随后利用对抗性训练样本集实现对自动驾驶决策模型Mo的对抗性训练，得到重训练模型MR，实现对自动驾驶决策模型Mo的安全性增强。实现黑盒模型下，模拟学习自动驾驶决策模型Mo的鲁棒性提升。

公开(公告)号：CN119293783A

公开(公告)日：2025-01-10

申请号：CN202411809298.0

申请日：2024-12-10

Applicant: 杭州榕数科技有限公司

Inventor： 苏蒙蒙 ,  沈诗婧 ,  曹志骐 ,  郑海斌 ,  熊海洋

IPC: G06F21/55 ,  G06F21/57 ,  G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/092

Abstract: 本发明公开了一种基于深度强化学习的多通道优化中毒检测方法和装置，获取待检测图像样本并进行图像破坏处理，得到对应的破坏后的图像集合；构建主深度学习分类网络和目标深度学习分类网络；并通过破坏后的图像集合迭代更新主深度学习分类网络的权重直至到达最大迭代次数，得到优化后的主深度学习分类网络；并利用优化后的主深度学习分类网络结合破坏后的图像集合，构建得到奖励值矩阵和置信度矩阵；随后将奖励值矩阵和置信度矩阵进行拼接输入至轻量化中毒检测模型中，随后输出中毒概率，根据中毒概率判断待检测图像样本是否中毒。本发明提出的中毒检测方法可以在综合防御管道中提供触发样本的先验知识，有效地缓解中毒攻击的影响。

公开(公告)号：CN118171285A

公开(公告)日：2024-06-11

申请号：CN202410384100.2

申请日：2024-04-01

Applicant: 杭州榕数科技有限公司

Inventor： 苏蒙蒙 ,  沈诗婧 ,  陈晋音 ,  金海波 ,  郑海斌 ,  李晓豪 ,  熊海洋

IPC: G06F21/57 ,  G06N5/02 ,  G06N5/04

Abstract: 本发明提供了一种基于角色扮演的大语言模型漏洞测试方法和装置，针对待测大语言模型收集可靠性测试准则；并调用了ChatGPT的API扮演了四个角色实现自动化对大语言模型的漏洞挖掘。在真实大语言模型上的实验结果表明，该方法具有良好的适用性，能够有效的评估大语言模型的安全性，更新后获得的游戏场景能够有效的使大语言模型偏离预期输出，暴露大语言模型的漏洞，实现高效的、可重复的、可更新的高效测试。