公开(公告)号：CN119741564A

公开(公告)日：2025-04-01

申请号：CN202411921779.0

申请日：2024-12-25

Applicant: 国网重庆市电力公司电力科学研究院 ,  重庆邮电大学 ,  国家电网有限公司

Inventor： 程晓 ,  米建勋 ,  陈咏涛 ,  陈涛 ,  向菲 ,  况彭燕 ,  江金洋 ,  张哲宇 ,  李松浓 ,  戴豪礽 ,  彭文鑫 ,  钟加勇 ,  王雪文 ,  刘丁豪

IPC: G06V10/774 ,  G06V10/25 ,  G06V10/82 ,  G06N3/094 ,  G06N3/0464

Abstract: 本发明公开了一种针对目标检测模型中目标边界框定位的对抗攻击方法，涉及深度学习技术领域，利用原始图像数据对目标检测模型进行训练，获取训练后的目标检测模型；将目标图像输入至所述训练后的目标检测模型中获取所有预测结果；利用所述预测结果生成热图，热图用于指示在目标图像中对每个属性的预测有积极影响的重要区域；利用所述热图生成掩码，掩码用于限制扰动区域；对抗样本生成，生成对抗扰动，利用所述掩码限制扰动区域，生成对抗样本。本发明方法不仅可以实现单独攻击目标边界框的某一边界，而且能够保持目标类别不变，从而提高了攻击隐蔽性。

公开(公告)号：CN114360040B

公开(公告)日：2025-04-04

申请号：CN202210005369.6

申请日：2022-01-05

Applicant: 重庆邮电大学

Inventor： 米建勋 ,  袁士尧 ,  陈涛 ,  钱基业 ,  程晓

IPC: G06V40/18 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于深度投票机制的端到端瞳孔中心定位方法，属于计算机视觉应用领域。该方法包括：S1：获取包含人脸的图像集，并对图像集进行标注，然后将标注后的图像集分为训练集和测试集；S2：构建瞳孔中心定位模型，并将训练集输入模型进行训练；S3：将测试集中的待定位图像输入训练好的瞳孔中心定位模型，得到最终的瞳孔中心定位坐标。本发明通过将卷积神经网络和经典视觉中的投票机制相结合，在保持高精度定位的同时，实现了端到端的数据流处理。

公开(公告)号：CN119741565A

公开(公告)日：2025-04-01

申请号：CN202411922065.1

申请日：2024-12-25

Applicant: 国网重庆市电力公司电力科学研究院 ,  重庆邮电大学 ,  国家电网有限公司

Inventor： 田鹏 ,  程晓 ,  陈涛 ,  米建勋 ,  吕小红 ,  厉仄平 ,  何迎春 ,  向菲 ,  张哲宇 ,  李松浓 ,  江金洋 ,  赵祥金 ,  徐凯 ,  况彭燕 ,  彭文鑫 ,  戴豪礽

IPC: G06V10/774 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06N3/094 ,  G06N3/0464

Abstract: 本发明公开了一种针对两阶段目标检测模型的非定向对抗攻击方法，涉及深度学习安全技术领域，利用原始图像数据对两阶段目标检测模型进行训练，得到训练后的两阶段目标检测模型；将目标图像输入值所述训练后的两阶段目标检测模型中，获取目标图像所有分类正确的候选区域以及所述候选区域的类别；利用目标图像所有被分类到对应类别中的候选区域构造目标函数，对所述目标函数求解，得到对抗扰动，通过所述对抗扰动获取对抗样本，该方法不仅减小了对抗样本的扰动，而且能够令目标检测模型将目标分类到背景类别中，从而使得攻击目标隐藏。

公开(公告)号：CN117853846A

公开(公告)日：2024-04-09

申请号：CN202410143731.5

申请日：2024-01-31

Applicant: 国网重庆市电力公司电力科学研究院 ,  重庆邮电大学 ,  国家电网有限公司

Inventor： 陈咏涛 ,  米建勋 ,  程晓 ,  田鹏 ,  陈涛 ,  吕小红 ,  向菲 ,  钟加勇 ,  厉仄平 ,  江金洋 ,  李松浓 ,  况彭燕 ,  彭文鑫 ,  戴豪礽 ,  张哲宇 ,  徐凯 ,  赵祥金

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/094

Abstract: 本申请公开了一种黑盒对抗样本生成方法、装置、设备及存储介质，涉及深度学习安全技术领域，包括：利用预先获取的数据集对初始目标检测模型进行训练，将训练好的目标检测模型确定为黑盒目标检测模型；将目标图像输入黑盒目标检测模型中，获取若干个预测结果，基于预测结果及预设热图生成算法生成热图；基于热图生成目标掩码，利用目标技术生成对抗扰动，利用目标掩码限制对抗扰动的扰动区域，根据相应的限制后对抗扰动确定对抗样本。由此，本申请能够将对抗扰动的覆盖区域限制在有效攻击的区域，进而根据生成的对抗样本对黑盒目标检测模型进行攻击测试。

公开(公告)号：CN114360040A

公开(公告)日：2022-04-15

申请号：CN202210005369.6

申请日：2022-01-05

Applicant: 重庆邮电大学

Inventor： 米建勋 ,  袁士尧 ,  陈涛 ,  钱基业 ,  程晓

IPC: G06V40/18 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于深度投票机制的端到端瞳孔中心定位方法，属于计算机视觉应用领域。该方法包括：S1：获取包含人脸的图像集，并对图像集进行标注，然后将标注后的图像集分为训练集和测试集；S2：构建瞳孔中心定位模型，并将训练集输入模型进行训练；S3：将测试集中的待定位图像输入训练好的瞳孔中心定位模型，得到最终的瞳孔中心定位坐标。本发明通过将卷积神经网络和经典视觉中的投票机制相结合，在保持高精度定位的同时，实现了端到端的数据流处理。

公开(公告)号：CN116227542A

公开(公告)日：2023-06-06

申请号：CN202211642306.8

申请日：2022-12-20

Applicant: 重庆邮电大学

Inventor： 米建勋 ,  李澳 ,  候尚坤 ,  张馨月 ,  陈涛 ,  程晓 ,  向菲

IPC: G06N3/045 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明涉及一种基于扰动多样性增强的对抗训练方法及系统，属于深度学习安全技术领域。该方法包括：S1：将训练数据输入到模型中，执行前向传播与反向传播，获取模型损失函数对于输入数据的梯度值；S2：基于最大扰动值∈，计算服从均匀分布U(‑∈,∈)的随机噪声；S3：基于得到的梯度值以及随机噪声，生成投影至指定范围[‑,∈]中的对抗性扰动；S4：将对抗性扰动添加到对应的原始图像上，并将其投影至合法像素范围[0,1]中，得到对抗样本；S5：将对抗样本输入到模型中，执行前向传播与反向传播，更新模型参数，完成对抗训练。本发明在运算量大幅减小、训练时间大幅缩短的基础上，实现了与多步迭代方法相近的鲁棒性。