-
公开(公告)号：CN113034332A
公开(公告)日：2021-06-25
申请号：CN202110245767.0
申请日：2021-03-05
Applicant: 西北大学
Abstract: 本发明公开了不可见水印图像、后门攻击模型构建、分类方法及系统，包括对原始图像进行Haar离散小波变化，得到原始图像的低频信息矩阵、水平高频信息矩阵、垂直高频信息矩阵和对角高频信息矩阵；对低频信息矩阵进行分块离散余弦变化，得到多个低频信息矩阵；对水印图像进行加密得到加密后的水印图像，采取奇异值分解的水印算法，将加密后的水印图像嵌入多个低频信息矩阵中，然后经过分块离散余弦逆变换、Haar离散逆小波变化，得到不可见水印图像。本发明基于不可见的水印技术，利用神经网络易于被后门攻击的弱点，生成一种更加隐蔽的后门，在一定程度上降低神经网络分类精准度，在人工智能安全领域具有重大的意义。
-
Patent Agency Ranking
公开(公告)号：CN112950749B
公开(公告)日：2023-10-27
申请号：CN202110284046.0
申请日：2021-03-17
Applicant: 西北大学
IPC: G06T11/60 , G06T7/12 , G06N3/084 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于生成对抗网络的书法图片生成方法：步骤1，裁剪整幅书法图像得到裁剪图片；步骤2，得到所有的裁剪图片及标注文件组成的数据集；步骤3，对数据集中的每张裁剪图片进行预处理；步骤4，使用步骤3得到的预处理后得到的数据集中的标准化后的裁剪图片、字的二值化图片和标注文件中的字的位置和大小信息计算损失函数，训练生成对抗网络，得到训练好的书法图片生成模型；步骤5，获得待生成书法图像的字的编码和附加信息；步骤6，得到生成的书法图片。实验结果表明，本发明的方法能够生成效果良好的书法图片，解决了现有技术中的书法图像修复工作中由于破损程度过大而无法修复的情况。
-
公开(公告)号：CN106547825B
公开(公告)日：2019-09-27
申请号：CN201610871994.3
申请日：2016-09-30
Applicant: 西北大学
IPC: G06F16/583
Abstract: 本发明公开了一种基于全局特征与子块特征的三维模型检索方法，本发明利用模型的全局特征进行检索排序，得到模型库中与查询模型相似度从高到低的模型排序；然后再对相似度较高的部分模型进行局部分割子块的相似性度量，最后通过加权得到最终的检索结果。这种方法相当于依照查询模型先对模型库做一个先验过程，局部子块的相似性度量只在大体相似的模型中进行，而不是把模型库中所有模型都遍历到，这种方法可以较好的解决局部相似而整体不同的情况，可以提高检索精度，而且在一定程度上减少了时间的开销。
-
公开(公告)号：CN106547825A
公开(公告)日：2017-03-29
申请号：CN201610871994.3
申请日：2016-09-30
Applicant: 西北大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于全局特征与子块特征的三维模型检索方法，本发明利用模型的全局特征进行检索排序，得到模型库中与查询模型相似度从高到低的模型排序；然后再对相似度较高的部分模型进行局部分割子块的相似性度量，最后通过加权得到最终的检索结果。这种方法相当于依照查询模型先对模型库做一个先验过程，局部子块的相似性度量只在大体相似的模型中进行，而不是把模型库中所有模型都遍历到，这种方法可以较好的解决局部相似而整体不同的情况，可以提高检索精度，而且在一定程度上减少了时间的开销。
-
公开(公告)号：CN113034332B
公开(公告)日：2023-12-22
申请号：CN202110245767.0
申请日：2021-03-05
Applicant: 西北大学
IPC: G06T1/00 , G06F17/14 , G06F21/60 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0499 , G06N3/082
Abstract: 本发明公开了不可见水印图像、后门攻击模型构建、分类方法及系统，包括对原始图像进行Haar离散小波变化，得到原始图像的低频信息矩阵、水平高频信息矩阵、垂直高频信息矩阵和对角高频信息矩阵；对低频信息矩阵进行分块离散余弦变化，得到多个低频信息矩阵；对水印图像进行加密得到加密后的水印图像，采取奇异值分解的水印算法，将加密后的水印图像嵌入多个低频信息矩阵中，然后经过分块离散余弦逆变换、Haar离散逆小波变化，得到不可见水印图像。本发明基于不可见的水印技术，利用神经网络易于被后门攻击的弱点，生成一种更加隐蔽的后门，在一定程度上降低神经网络分类精准度，在人工智能安全领域具有重大的意义。
-
公开(公告)号：CN112950749A
公开(公告)日：2021-06-11
申请号：CN202110284046.0
申请日：2021-03-17
Applicant: 西北大学
Abstract: 本发明公开了一种基于生成对抗网络的书法图片生成方法：步骤1，裁剪整幅书法图像得到裁剪图片；步骤2，得到所有的裁剪图片及标注文件组成的数据集；步骤3，对数据集中的每张裁剪图片进行预处理；步骤4，使用步骤3得到的预处理后得到的数据集中的标准化后的裁剪图片、字的二值化图片和标注文件中的字的位置和大小信息计算损失函数，训练生成对抗网络，得到训练好的书法图片生成模型；步骤5，获得待生成书法图像的字的编码和附加信息；步骤6，得到生成的书法图片。实验结果表明，本发明的方法能够生成效果良好的书法图片，解决了现有技术中的书法图像修复工作中由于破损程度过大而无法修复的情况。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
