-
公开(公告)号：CN114882246B
公开(公告)日：2025-05-02
申请号：CN202210491608.3
申请日：2022-04-29
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/46 , G06V10/764 , G06V10/774 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/096
Abstract: 本申请实施例公开了一种图像特征的识别方法、装置、设备和介质，利用选取的教师网络模型和学生网络模型分别对样本图像进行特征提取，得到教师特征和学生特征；基于教师特征、学生特征和迭代次数对应的比值，确定出显著性阈值；依据显著性阈值确定出教师显著性信息和学生显著性信息。利用教师特征、学生特征、教师显著性信息、学生显著性信息，对学生网络模型进行训练，得到训练好的学生网络模型。利用该学生网络模型对待处理图像进行分析，识别出待处理图像包含的特征。利用显著性阈值去生成显著性信息，提升了图像特征挖掘的深度。利用显著性信息指导学生网络模型去模仿教师网络模型的显著性信息，有效的提升了学生网络模型的检测精度。
-
公开(公告)号：CN114332997B
公开(公告)日：2025-03-25
申请号：CN202111594129.6
申请日：2021-12-23
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V40/16 , G06V10/82 , G06V10/764 , G06V10/40 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/088
Abstract: 本申请公开了一种人脸识别模型的对抗样本生成方法，包括：基于人脸识别模型的隐藏层对人脸图像的各个特征进行解耦，得到多个特征；基于预设扰动数据对每个特征进行结果影响分值计算，得到每个特征对应的影响分值；将影响分值大于阈值的特征添加至人脸图像，得到对抗样本。通过筛选出人脸图像中重要的特征，然后这类重要的特征代替原始图像作为模型输入，生成对抗样本，从而减小不必要的扰动，将扰动限制在较小的区域范围，避免过于扰动较大造成攻击图像过于失真，提高对抗样本的有效性，进而提高对于人脸识别模型进行训练的安全性。本申请还公开了一种人脸识别模型的对抗样本生成装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN114169409B
公开(公告)日：2024-10-29
申请号：CN202111370606.0
申请日：2021-11-18
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/82 , G06V10/774 , G06N3/08 , G06V10/25
Abstract: 本申请公开了一种对抗样本生成方法及装置，包括：将原始样本中的区域划分为目标区域和非目标区域；所述目标区域为视觉系统关注度高的区域，所述非目标区域为视觉系统关注度低的区域；确定所述原始样本的梯度噪声，分别为所述目标区域和所述非目标区域动态分配不同的步长；基于所述步长和所述梯度噪声分别对所述目标区域和所述非目标区域添加干扰噪声，得到与所述原始样本对应的对抗样本；所述非目标区域的干扰强度强于所述目标区域的干扰强度。本申请通过在目标区域微小扰动、非目标区域高扰动，从而能够在人眼不易觉察的情况下增大扰动噪声幅度和噪声信息能量强度，以提高对抗样本的攻击性，使得被训练后的网络模型更具鲁棒性。
-
公开(公告)号：CN115410257A
公开(公告)日：2022-11-29
申请号：CN202211057401.1
申请日：2022-08-30
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种图像保护方法，包括获取源图像和随机图像，源图像包括目标保护对象，随机图像不包括目标保护对象；根据源图像初始化生成初始保护图像；计算初始保护图像和随机图像之间的第一特征距离，初始保护图像和源图像之间的第二特征距离和表观距离；根据第一特征距离、第二特征距离、表观距离计算获得损失函数；基于损失函数，利用反向传播算法对初始保护图像进行迭代更新，获得关于目标保护对象的保护图像。应用本申请所提供的技术方案，可以对图像中的目标对象进行安全保护，避免图像被伪造或盗取用于非法攻击途径，保证信息安全。本申请还公开了一种图像保护装置、设备及计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN114882246A
公开(公告)日：2022-08-09
申请号：CN202210491608.3
申请日：2022-04-29
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/46 , G06V10/764 , G06V10/774 , G06K9/62 , G06V40/16 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请实施例公开了一种图像特征的识别方法、装置、设备和介质，利用选取的教师网络模型和学生网络模型分别对样本图像进行特征提取，得到教师特征和学生特征；基于教师特征、学生特征和迭代次数对应的比值，确定出显著性阈值；依据显著性阈值确定出教师显著性信息和学生显著性信息。利用教师特征、学生特征、教师显著性信息、学生显著性信息，对学生网络模型进行训练，得到训练好的学生网络模型。利用该学生网络模型对待处理图像进行分析，识别出待处理图像包含的特征。利用显著性阈值去生成显著性信息，提升了图像特征挖掘的深度。利用显著性信息指导学生网络模型去模仿教师网络模型的显著性信息，有效的提升了学生网络模型的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN114581983B
公开(公告)日：2025-05-16
申请号：CN202210211664.7
申请日：2022-03-04
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种目标检测的检测框处理方法，包括：以帧为单位将原始人脸视频流输入目标检测模型，得到多个初始检测框以及每个初始检测框对应的置信度分数；将置信度分数大于置信度阈值的初始检测框作为检测框；基于多个检测框的数量确定交并比阈值；基于交并比阈值以及每个检测框的人脸坐标信息对多个检测框进行非极大值抑制处理，得到目标检测框。排除重复冗余的检测框，避免同一缩放尺度的图像多次重复检测时相同的检测框导致的检测偏差，提高目标检测的准确性。本申请还公开了一种目标检测的检测框处理装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN114581983A
公开(公告)日：2022-06-03
申请号：CN202210211664.7
申请日：2022-03-04
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种目标检测的检测框处理方法，包括：以帧为单位将原始人脸视频流输入目标检测模型，得到多个初始检测框以及每个初始检测框对应的置信度分数；将置信度分数大于置信度阈值的初始检测框作为检测框；基于多个检测框的数量确定交并比阈值；基于交并比阈值以及每个检测框的人脸坐标信息对多个检测框进行非极大值抑制处理，得到目标检测框。排除重复冗余的检测框，避免同一缩放尺度的图像多次重复检测时相同的检测框导致的检测偏差，提高目标检测的准确性。本申请还公开了一种目标检测的检测框处理装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN114444686A
公开(公告)日：2022-05-06
申请号：CN202111676325.8
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06N3/08 , G06N3/04 , G06K9/62 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种卷积神经网络的模型参数量化方法，包括：获取数字分类任务的数据集；构建数字分类任务的卷积神经网络；利用所述数据集训练所述卷积神经网络，训练完成的卷积神经网络用于执行数字分类任务；其中，在所述量化卷积层的前向传播过程中，基于符号函数量化模型参数；所述模型参数包括权重和激活值；在所述量化卷积层的反向传播过程中，基于参数化的双曲正切函数量化所述模型参数；其中，所述双曲正切函数中的参数基于所述量化卷积层的模型参数的数据分布确定，本申请能够提高数字分类的模型精度。本申请还公开了一种卷积神经网络的模型参数量化装置、一种计算机可读存储介质及一种电子设备，具有以上有益效果。
-
公开(公告)号：CN114444686B
公开(公告)日：2025-01-14
申请号：CN202111676325.8
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06N3/0495 , G06N3/0464 , G06N3/082 , G06N3/084 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种卷积神经网络的模型参数量化方法，包括：获取数字分类任务的数据集；构建数字分类任务的卷积神经网络；利用所述数据集训练所述卷积神经网络，训练完成的卷积神经网络用于执行数字分类任务；其中，在所述量化卷积层的前向传播过程中，基于符号函数量化模型参数；所述模型参数包括权重和激活值；在所述量化卷积层的反向传播过程中，基于参数化的双曲正切函数量化所述模型参数；其中，所述双曲正切函数中的参数基于所述量化卷积层的模型参数的数据分布确定，本申请能够提高数字分类的模型精度。本申请还公开了一种卷积神经网络的模型参数量化装置、一种计算机可读存储介质及一种电子设备，具有以上有益效果。
-
公开(公告)号：CN114913556A
公开(公告)日：2022-08-16
申请号：CN202210763806.0
申请日：2022-06-30
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V40/12 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种图像识别方法、装置、系统及计算机可读存储介质，应用于人工智能技术领域，为解决现有技术中的图像识别方法适用范围小、识别准确度低的问题，提出通过获取待识别图像；提取待识别图像的指纹；采用预先建立的图像识别模型对指纹进行分类识别，得到指纹对应的分类结果，图像识别模型为基于各个人工合成图像的GAN指纹建立的；基于分类结果确定待识别图像是否为人工合成图像；本发明能够适用于多种类型的GAN架构，适用范围广，具有一定的鲁棒性，有利于提高检测性能。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.032 seconds)
