公开(公告)号：CN114925699B

公开(公告)日：2023-05-23

申请号：CN202210470248.9

申请日：2022-04-28

Applicant: 电子科技大学

Inventor： 邱士林 ,  刘启和 ,  张准 ,  周世杰 ,  曾逸 ,  靳佳冀 ,  武哲纬 ,  周金 ,  于泽楠

IPC: G06F40/30 ,  G06F40/205 ,  G06F40/166 ,  G06F16/33 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于风格变换的高迁移性对抗文本生成方法，包括如下步骤：S1、构建预训练模型，包括构建原始替代模型Forg、构建释义生成器P、构建特征提取器E和特征解码器D；S2、构建测试文本的向量表示集和替代模型集F；所述测试文本的向量表示集包括语义特征向量集Vp、缩放因子集和风格特征向量集Vs；S3、构建任务集，包括构建总任务集Task，划分查询任务集Taskqr和支持任务集Tasksr；S4、利用元学习优化策略获取风格特征噪声向量δ*；S5、生成对抗文本x*。本发明通过结合风格变换和元学习策略，在黑盒场景下能生成具备强攻击能力、高迁移性的对抗文本。

公开(公告)号：CN114926498A

公开(公告)日：2022-08-19

申请号：CN202210451117.6

申请日：2022-04-26

Applicant: 电子科技大学

Inventor： 刘启和 ,  武哲纬 ,  周世杰 ,  邱士林 ,  张准

IPC: G06T7/246 ,  G06T7/223 ,  G06V10/40 ,  G06V10/74 ,  G06V10/75 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于时空约束与可学习特征匹配的快速目标跟踪方法，公开了一种基于孪生网络结构，采用时空约束机制与可学习特征匹配策略的快速目标跟踪方法。通过设置时序约束分支与空间约束分支分别捕捉并融合随时序变化的目标外观高维特征表示与限制空间搜索尺度，降低跟踪算法计算量并缓解目标因自身运动与环境变化所导致的自身视觉特征的变化。本发明通过设置可学习特征匹配模块完成特征匹配任务，相比于主流的无参互相关方法能够更好地从训练数据中学习正负样本分布并提升跟踪效果。本发明提出的跟踪方法具有良好的跟踪准确度与较高的运算速度，能够部署在运算资源受限的嵌入式平台，能完成准确的视觉目标跟踪任务。

公开(公告)号：CN119179781A

公开(公告)日：2024-12-24

申请号：CN202411339278.1

申请日：2024-09-25

Applicant: 电子科技大学

Inventor： 邱士林 ,  刘启和 ,  周世杰 ,  苟慜 ,  张准 ,  武哲纬 ,  曾逸

IPC: G06F16/35 ,  G06N3/045 ,  G06F40/30 ,  G06F16/33

Abstract: 本发明公开了一种基于注意力机制和局部敏感哈希的黑盒对抗文本生成方法，包括步骤：基于注意力机制初始化对抗文本，删除对抗文本中的冗余噪声，基于局部敏感哈希优化对抗文本，得到最优对抗文本。本发明初始化对抗文本阶段引入注意力机制，通过优先扰动对原文本重要性高的词减少初始化对抗文本阶段对目标模型的查询次数；在优化对抗文本阶段的搜索过渡词和估计更新方向两个过程中引入局部敏感哈希方法，通过按句级向量相似性对候选文本分簇减少对抗文本优化阶段对目标模型的查询次数。两者结合能有效降低整个对抗文本生成过程对目标模型的查询次数。

公开(公告)号：CN114925699A

公开(公告)日：2022-08-19

申请号：CN202210470248.9

申请日：2022-04-28

Applicant: 电子科技大学

Inventor： 邱士林 ,  刘启和 ,  张准 ,  周世杰 ,  曾逸 ,  靳佳冀 ,  武哲纬 ,  周金 ,  于泽楠

IPC: G06F40/30 ,  G06F40/205 ,  G06F40/166 ,  G06F16/33 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于风格变换的高迁移性对抗文本生成方法，包括如下步骤：S1、构建预训练模型，包括构建原始替代模型Forg、构建释义生成器P、构建特征提取器E和特征解码器D；S2、构建测试文本的向量表示集和替代模型集F；所述测试文本的向量表示集包括语义特征向量集Vp、缩放因子集和风格特征向量集Vs；S3、构建任务集，包括构建总任务集Task，划分查询任务集Taskqr和支持任务集Tasksr；S4、利用元学习优化策略获取风格特征噪声向量δ*；S5、生成对抗文本x*。本发明通过结合风格变换和元学习策略，在黑盒场景下能生成具备强攻击能力、高迁移性的对抗文本。

公开(公告)号：CN118397363A

公开(公告)日：2024-07-26

申请号：CN202410579019.X

申请日：2024-05-11

Applicant: 电子科技大学

Inventor： 武哲纬 ,  刘启和 ,  周世杰 ,  余瑞龙 ,  程姝颖 ,  李逸潇

IPC: G06V10/764 ,  G06T7/246 ,  G06V20/40 ,  G06T5/50 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明公开了一种基于分类回归图对齐的视觉单目标跟踪对抗防御方法，包括获取视频数据集并预处理；构造基于分类回归图对齐的视觉单目标跟踪对抗防御网络AADN；结合搜索分支训练Def1；结合模板分支训练Def2，得到训练好的AADN，将带有未知扰动的视频中的图像帧用训练好的AADN得到防御后搜索区域、防御后模板区域，送入目标跟踪器中处理。本发明通过对抗训练学习过滤干净样本邻域内的潜在对抗扰动，增强其对未知对抗扰动的防御能力，使目标跟踪器有更好的鲁棒性和泛化性、训练好的AADN即插即用，无需对跟踪器的参数进行调整，具有良好的迁移性，并能使目标跟踪器维持着速度与精度的良好平衡。

公开(公告)号：CN114926498B

公开(公告)日：2023-05-23

申请号：CN202210451117.6

申请日：2022-04-26

Applicant: 电子科技大学

Inventor： 刘启和 ,  武哲纬 ,  周世杰 ,  邱士林 ,  张准

IPC: G06T7/246 ,  G06T7/223 ,  G06V10/40 ,  G06V10/74 ,  G06V10/75 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于时空约束与可学习特征匹配的快速目标跟踪方法，公开了一种基于孪生网络结构，采用时空约束机制与可学习特征匹配策略的快速目标跟踪方法。通过设置时序约束分支与空间约束分支分别捕捉并融合随时序变化的目标外观高维特征表示与限制空间搜索尺度，降低跟踪算法计算量并缓解目标因自身运动与环境变化所导致的自身视觉特征的变化。本发明通过设置可学习特征匹配模块完成特征匹配任务，相比于主流的无参互相关方法能够更好地从训练数据中学习正负样本分布并提升跟踪效果。本发明提出的跟踪方法具有良好的跟踪准确度与较高的运算速度，能够部署在运算资源受限的嵌入式平台，能完成准确的视觉目标跟踪任务。