公开(公告)号：CN112381142B

公开(公告)日：2022-08-12

申请号：CN202011272206.1

申请日：2020-11-13

Applicant: 海南大学

Inventor： 刘笑嶂 ,  严安丽 ,  李宛曼 ,  夏琦越

IPC: G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明属于对抗样本防御技术领域，提供了一种基于重要特征的具有可解释性对抗样本生成方法及系统。其中，基于重要特征的具有可解释性对抗样本生成方法包括获取若干图像样本并标注对应标签，形成训练数据集和测试数据集；将测试数据集中的图像样本依次输入至目标模型和本地模型中，保留标签均预测正确的图像样本，作为生成对抗样本的种子；其中，目标模型和本地模型均采用训练数据集训练得到；基于生成对抗样本的种子，修改其排名前预设名数的特征值，生成临时对抗样本；其中，特征重要性的排名由本地模型输出；将生成的临时对抗样本输入到目标模型进行预测，目标模型对临时对抗样本预测错误即为最终生成的对抗样本集。

公开(公告)号：CN116665088A

公开(公告)日：2023-08-29

申请号：CN202310499439.2

申请日：2023-05-06

Applicant: 海南大学

Inventor： 李修来 ,  刘笑嶂

IPC: G06V20/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种船舶识别与检测的方法、装置、设备及介质。该方法，包括如下步骤：将待识别视频帧输入至改进的YOLOv7网络模型中，调整待识别视频帧的尺寸并提取调整尺寸后待识别视频帧的不同尺寸特征；基于改进的YOLOv7网络模型中路径聚合的特征金字塔网络对不同尺寸特征进行融合，获得融合特征；通过改进的YOLOv7网络模型中的预测网络对融合特征进行预测分析，获得船舶类别预测结果。本发明能够有效识别不规则形状和不同尺寸的船舶，且检测精度和鲁棒性均有所提升。

公开(公告)号：CN116563637A

公开(公告)日：2023-08-08

申请号：CN202310552220.4

申请日：2023-05-16

Applicant: 海南大学

Inventor： 刘笑嶂 ,  刘羽健 ,  亓媛 ,  李威

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/30 ,  G06V10/82 ,  G06V20/69 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出了基于自适应阈值小波去噪的乳腺癌病理图像分类系统，将乳腺癌病理图像的分类模型训练的损失函数与小波阈值的选取进行关联，使小波阈值在模型训练中被优化并逐渐接近去噪效果良好的阈值，从而找到合适图像任务的小波阈值，提高后续乳腺癌病理图像的分类准确率。

公开(公告)号：CN112381142A

公开(公告)日：2021-02-19

申请号：CN202011272206.1

申请日：2020-11-13

Applicant: 海南大学

Inventor： 刘笑嶂 ,  严安丽 ,  李宛曼 ,  夏琦越

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明属于对抗样本防御技术领域，提供了一种基于重要特征的具有可解释性对抗样本生成方法及系统。其中，基于重要特征的具有可解释性对抗样本生成方法包括获取若干图像样本并标注对应标签，形成训练数据集和测试数据集；将测试数据集中的图像样本依次输入至目标模型和本地模型中，保留标签均预测正确的图像样本，作为生成对抗样本的种子；其中，目标模型和本地模型均采用训练数据集训练得到；基于生成对抗样本的种子，修改其排名前预设名数的特征值，生成临时对抗样本；其中，特征重要性的排名由本地模型输出；将生成的临时对抗样本输入到目标模型进行预测，目标模型对临时对抗样本预测错误即为最终生成的对抗样本集。