-
公开(公告)号：CN118537651A
公开(公告)日：2024-08-23
申请号：CN202410714830.4
申请日：2024-06-04
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
IPC: G06V10/764 , G06V10/26 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种基于相机指纹和自注意力机制融合的深度伪造检测方法，应用于深度伪造检测技术领域，针对原有图像的细节和特征被破坏的深度伪造图像，现有技术难以有效检测伪造内容的问题；本发明在训练阶段，通过块嵌入模块将图像划分为等大的小块，灰度化得到灰度图像，小波分解将图像分解为不同的子带，采用维纳滤波获得去噪后的小波系数，小波逆变换重新生成图像，然后原图像减去生成图像得到PRNU特征图，送入自注意力模块得到自注意力图，最后将得到的自注意力图与改进的EfficientNet B4网络的特征层融合，通过全局池化层得到当前输入内容的检测结果。
-
公开(公告)号：CN117010476A
公开(公告)日：2023-11-07
申请号：CN202311015815.2
申请日：2023-08-11
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06N3/092 , G06N3/0464 , G06N5/01 , A63F13/55 , G06F18/214
Abstract: 本发明公开一种基于深度强化学习的多智能体自主决策方法，应用于多智能体深度强化学习技术领域，针对现有技术在决策过程中未能充分地使用经验数据的问题；本发明通过收集智能体与环境交互生成的经验，以及奖励重塑模块优化环境即时奖励，缓存于本地经验回放池中；然后合并本地经验回放池中的历史经验数据到全局经验回放池PT‑Buffer中，并使用二级优先经验队列进行维护；通过概率求和树从PT‑Buffer采集训练样本数据，来求解目标策略网络和全局Critic网络模型；最后采用更新后的自主决策模型，根据输入的环境局部观测信息直接实现多智能体的自主决策，从而完成相关的多智能体任务。
-
公开(公告)号：CN113487671A
公开(公告)日：2021-10-08
申请号：CN202110630844.4
申请日：2021-06-07
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明公开了一种基于马尔科夫链的多PTZ相机协同调度方法，先对相机和地面场景进行初始化标定，同时还需要对监控的地面场景进行栅格化处理；完成相机和场景的初始化标定后，输入为目标在当前时刻的状态，包括位置、运动速度、运动方向和优先级等信息，可由雷达等其它相机提供；将系统状态转移看作马尔科夫决策过程，即下一时刻的目标状态和相机联合行动只与当前时刻的目标和PTZ相机状态有关；同时计算相机联合行动所带来的收益，选取收益最大所对应的下一相机状态为调度决策；在计算收益时，考虑尽可能多的高优先级目标所带来的正收益的同时考虑相机转动效率带来的负收益；本发明可用于多PTZ相机在大场景下对多优先级目标群的协同侦察。
-
公开(公告)号：CN118767419A
公开(公告)日：2024-10-15
申请号：CN202410876717.6
申请日：2024-07-02
Applicant: 电子科技大学长三角研究院(衢州)
IPC: A63F3/00 , A63F3/02 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , A63F3/04
Abstract: 本发明公开了一种基于神经网络的兵棋位置预测方法，首先将兵棋回放数据集经过预处理、解析回放、特征提取后，得到神经网络训练所需输入特征，然后初始化训练所用的对手位置预测网络与环境，加载特征数据至对手位置预测网络中，不断降低预测位置与真实位置之间的交叉熵损失并记录，使用指数加权平均数方法来计算预测准确率，同时使用验证集对当前模型进行验证，得到最优模型参数，推理对手当前位置，完成兵棋位置预测。本发明的方法通过兵棋回放数据集的处理与CCNN‑GRU神经网络的训练和推理，使得位置预测模型能推理出历史可见，当前不可见对手的位置，并且支持敌我双方数量的增减，满足兵棋推演中未知对手数量的对抗场景，实用性与泛化性更强。
-
公开(公告)号：CN113487677B
公开(公告)日：2024-04-12
申请号：CN202110630859.0
申请日：2021-06-07
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明提供一种基于任意分布式配置的多PTZ相机的室外中远距场景标定方法，先搭建带有不同姿态标定板的标定架，先通过前后变焦法标定出相机的光心图像坐标，再按照两步标定法得到相机的内参；接着针对相机的转动结构，构建云台转动模型，该模型的输入是PTZ相机的方位角和俯仰角，输出为相机的光心坐标；最后在场景中选取标定点并构建世界坐标系，转动PTZ相机并观察标定点，根据前面标定出的相机内参以及由云台转动模型给出的光心坐标，计算出相机坐标系与场景中世界坐标系的转换关系，场景中所有的PTZ相机坐标系均以该世界坐标系为中间转换坐标系，实现相机坐标系之间的坐标转换。本发明可实现多PTZ相机在大场景下的精确互引导。
-
Patent Agency Ranking
公开(公告)号：CN113487677A
公开(公告)日：2021-10-08
申请号：CN202110630859.0
申请日：2021-06-07
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明提供一种基于任意分布式配置的多PTZ相机的室外中远距场景标定方法，先搭建带有不同姿态标定板的标定架，先通过前后变焦法标定出相机的光心图像坐标，再按照两步标定法得到相机的内参；接着针对相机的转动结构，构建云台转动模型，该模型的输入是PTZ相机的方位角和俯仰角，输出为相机的光心坐标；最后在场景中选取标定点并构建世界坐标系，转动PTZ相机并观察标定点，根据前面标定出的相机内参以及由云台转动模型给出的光心坐标，计算出相机坐标系与场景中世界坐标系的转换关系，场景中所有的PTZ相机坐标系均以该世界坐标系为中间转换坐标系，实现相机坐标系之间的坐标转换。本发明可实现多PTZ相机在大场景下的精确互引导。
-
公开(公告)号：CN118608915A
公开(公告)日：2024-09-06
申请号：CN202410598789.9
申请日：2024-05-15
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明公开了一种空频结合的三支路对抗样本检测方法，通过对输入图片进行离散余弦变换，并结合Swin Transformer模块提取频域特征，能够捕捉到图片的频域信息，从而在检测过程中增加了模型对对抗样本的敏感度。其次，利用Swin Transformer从RGB三通道图片中提取深层空域特征，可以捕获到图片的全局和局部信息，提高了模型对图片的整体把握能力。第三，通过纹理增强模块获取图片的纹理特征，有助于模型对图片的细微纹理变化进行识别，从而增强了模型对对抗样本的检测能力。本发明的利用三支路分别提取图片的各种特征同时结合Swin Transformer网络，能够实现较高的对抗样本检测准确率以及较好的泛化性能，为后期计算机视觉任务处理模型的训练数据提供安全性保证。
-
公开(公告)号：CN113487671B
公开(公告)日：2023-09-22
申请号：CN202110630844.4
申请日：2021-06-07
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
Abstract: 本发明公开了一种基于马尔科夫链的多PTZ相机协同调度方法，先对相机和地面场景进行初始化标定，同时还需要对监控的地面场景进行栅格化处理；完成相机和场景的初始化标定后，输入为目标在当前时刻的状态，包括位置、运动速度、运动方向和优先级等信息，可由雷达等其它相机提供；将系统状态转移看作马尔科夫决策过程，即下一时刻的目标状态和相机联合行动只与当前时刻的目标和PTZ相机状态有关；同时计算相机联合行动所带来的收益，选取收益最大所对应的下一相机状态为调度决策；在计算收益时，考虑尽可能多的高优先级目标所带来的正收益的同时考虑相机转动效率带来的负收益；本发明可用于多PTZ相机在大场景下对多优先级目标群的协同侦察。
-
公开(公告)号：CN116363014A
公开(公告)日：2023-06-30
申请号：CN202310431539.1
申请日：2023-04-21
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T5/00 , G06V10/774 , G06V10/74
Abstract: 本发明公开一种级联自适应光学图像盲复原方法，应用于地基望远镜的多帧图像盲复原，针对现有技术无法在数据质量波动较大的情况下鲁棒的重建出高分辨的自适应光学图像的问题；本发明首先将每5个连续的清晰‑退化图像对送入包含4个图像恢复单元的级联网络，每相邻的3帧图像对送入第一阶段的3个图像恢复单元，每个图像恢复单元内先进行像素级的光流对齐，然后使用时空注意力机制模块进行特征的权重重新分配，并使用时间锐度先验提取清晰像素块后，将两部分输出送入图像重建模型，在损失函数上使用硬例挖掘策略关注难恢复的区域，最后将恢复出来的3帧清晰潜像送入第二阶段的图像恢复单元，得到最终恢复的清晰自适应光学图像。
-
公开(公告)号：CN115880760A
公开(公告)日：2023-03-31
申请号：CN202211724435.1
申请日：2022-12-30
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种针对人脸识别卷积神经网络的局部背景对抗攻击方法，在训练阶段，不断迭代降低目标人脸与误识别人脸间的损失函数，获得迭代梯度反向传播的微小扰动，每次只保留图片背景有限区域的扰动，经过若干次的迭代之后产生专门针对目标人脸的对抗扰动块，将其直接添加到图片的背景区域使人脸识别器产生错误的识别结果，通过灰度化、均值化等处理手段将对抗扰动块映射到电子屏幕上，并放置于前景人脸之后，实时保护前景人物在在线会议或直播过程中的人脸隐私安全。本发明的方法通过在物理域添加背景对抗扰动块，实现对抗非授权人脸识别的同时保持所有原始面部特征，杜绝人脸图片被恶意截取用作各种人脸识别器训练集的情况。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
