-
公开(公告)号：CN118570484A
公开(公告)日：2024-08-30
申请号：CN202410710716.4
申请日：2024-06-04
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/40 , G06V10/56 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
摘要： 本发明属于一种伪造图像检测方法，具体涉及一种基于双注意力的伪造图像检测方法、装置及电子设备，包括：将待检测图像输入伪造特征增强模块进行特征提取得到图像噪声特征、RGB特征和图像频率特征；利用双注意力融合模块对图像噪声特征和空间域RGB特征进行特征融合再与图像频率特征进行特征级联得到融合特征；将融合特征输入多尺度特征交互模块在不同分辨率特征之间进行信息交互得到M个不同分辨率的特征图；将M个不同分辨率的特征图分别输入对应的定位检测分支；将第r‑1层级定位检测分支的输出结果作为先验对第r层级的结果进行约束，输出每一层级的定位检测分支得到的预测掩码和预测标签。本方法具有较好的伪造图像检测和定位效果。
-
公开(公告)号：CN116363467A
公开(公告)日：2023-06-30
申请号：CN202310319154.6
申请日：2023-03-28
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种由粗到细的快速准确检测伪装物体的方法及装置，包括粗略预测子网络和精细预测子网络；所述粗略预测子网络利用跨级注意力融合模块集成不同尺度的特征及融合边界信息，然后进行初始粗预测；所述跨级注意力融合模块包括四个分别用于捕获远程语义依赖、精确位置信息、全局特征和局部特征的分支；所述精细预测子网络利用残差选择性内核模块增强判别特征表示，然后利用两个跨级注意力融合模块进一步捕获多尺度纹理并获得细粒度预测结果；所述残差选择性内核模块通过堆叠选择性内核网络构建，用以增强网络的表示能力。可以融合主干提取的多尺度上下文信息，并获得精确的伪装目标检测的精细预测。
-
公开(公告)号：CN116342548A
公开(公告)日：2023-06-27
申请号：CN202310322542.X
申请日：2023-03-28
申请人： 中国人民解放军国防科技大学
IPC分类号： G06T7/00 , G06T7/13 , G06T7/73 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种用于伪装物体检测的渐进增强网络，包括对象定位模块、组注意力模块和上下文特征恢复模块分别用于准确定位伪装的对象、细化纹理和以渐进增强的方式还原边界；采用Res2Net‑50作为主干，从输入图像中提取其多级特征，然后使用若干对象定位模块来定位潜在的伪装对象，再将初始位置的图像输入给组注意力模块以细化细节，最后利用若干上下文特征恢复模块来恢复完整的对象以获得明确的界限。提出了一种新的仿生框架，它以渐进增强的方式极大地提供了伪装目标检测的性能以定位对象，增强纹理特征，并恢复边界。它可以有效地提取全局信息和局部特征，从而可以准确地确定伪装对象的位置；该框架显著改善了现有的伪装对象分割性能。
-
公开(公告)号：CN113255821B
公开(公告)日：2021-10-29
申请号：CN202110657873.X
申请日：2021-06-15
申请人： 中国人民解放军国防科技大学
摘要： 本发明提供一种基于注意力的图像识别方法、系统、电子设备及存储介质，该方法通过训练得到的注意力双线性池化网络模型实现，所述注意力双线性池化网络模型包括并行设置的空间注意力模块和通道注意力模块，该方法利用通道注意力机制和空间注意力机制分别在图像的通道层面和空间层面进行判别性特征提取，然后利用分层双线性池化操作对提取到的通道特征和空间特征进行融合，将通道特征和空间特征关联起来作为局部特征，然后根据局部特征和主分支学习到的全局特征进行最终的图像识别，从而提高了图像识别的准确率。
-
公开(公告)号：CN117011667A
公开(公告)日：2023-11-07
申请号：CN202310511747.2
申请日：2023-05-08
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/82 , G06V10/774 , G06V10/764 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/09 , G06N3/096
摘要： 本发明提供一种跨域目标检测方法、装置、网络及设备，所述跨域目标检测方法包括：构建跨域目标检测器，跨域目标检测器包括基础目标检测器、域对齐模块及嵌设在基础目标检测器中的变分实例解耦模块，变分实例解耦模块用于辅助跨域目标检测器分离出与目标任务不相关特征元素及与目标任务相关特征元素；构建有标签的源域样本及无标签的目标域样本，源域样本及目标域样本均由多个图像组成；基于源域样本及目标域样本训练跨域目标检测器；基于训练后的跨域目标检测器对目标域样本进行跨域目标检测处理。本发明的跨域目标检测方法能够分离出与目标任务相关的信息，很好地适配源域与目标域，并基于该信息进行进一步地进行目标检测，显著提升了检测性能。
-
公开(公告)号：CN113435531A
公开(公告)日：2021-09-24
申请号：CN202110769269.6
申请日：2021-07-07
申请人： 中国人民解放军国防科技大学
摘要： 本公开提供一种零样本图像分类方法、系统、电子设备及存储介质，该方法先提取输入图像的全局特征，然后基于注意力机制对所述全局特征进行学习，以得到多个特征掩码，基于所述多个最大掩码值中的最大值和预设的自适应因子，计算自适应阈值；基于所述自适应阈值与所述多个特征掩码得到所述输入图像的加权全局特征；计算所述加权全局特征与该未见类别的语义嵌入向量的相容性得分，确定所述多个相容性得分中的最大值作为最高相容性得分，并输出与所述最高相容性得分对应的所述未见类别作为对所述输入图像的类别预测结果，从而通过阈值自适应的注意力机制，抑制冗余特征的同时提高了特征的鲁棒性，进一步提高了分类的准确度。
-
公开(公告)号：CN116524316A
公开(公告)日：2023-08-01
申请号：CN202310194939.5
申请日：2023-03-03
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/82 , G06V10/778 , G06V10/774 , G06V20/00 , G06N3/0464 , G06N3/042 , G06N3/092
摘要： 本发明公开了强化学习框架下场景图骨架构建方法，包括：生成基于马尔科夫决策过程的图结构；构建图结构生成环境；构建图卷积策略网络，并对图卷积策略网络进行训练，在关系感知环境下以迭代的方式不断向候选子图中添加节点和边，最终形成图像的场景图骨架。本发明利用强化学习框架得到稀疏场景图骨架的问题，将场景图骨架的建立过程作为马尔科夫决策过程，利用强化学习得到一个稀疏的场景图骨架，构建了高信息度低复杂度的稀疏场景图骨架，为精确场景图骨架构建提供依据。
-
公开(公告)号：CN113255821A
公开(公告)日：2021-08-13
申请号：CN202110657873.X
申请日：2021-06-15
申请人： 中国人民解放军国防科技大学
摘要： 本发明提供一种基于注意力的图像识别方法、系统、电子设备及存储介质，该方法通过训练得到的注意力双线性池化网络模型实现，所述注意力双线性池化网络模型包括并行设置的空间注意力模块和通道注意力模块，该方法利用通道注意力机制和空间注意力机制分别在图像的通道层面和空间层面进行判别性特征提取，然后利用分层双线性池化操作对提取到的通道特征和空间特征进行融合，将通道特征和空间特征关联起来作为局部特征，然后根据局部特征和主分支学习到的全局特征进行最终的图像识别，从而提高了图像识别的准确率。
-
公开(公告)号：CN113435531B
公开(公告)日：2022-06-21
申请号：CN202110769269.6
申请日：2021-07-07
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
摘要： 本公开提供一种零样本图像分类方法、系统、电子设备及存储介质，该方法先提取输入图像的全局特征，然后基于注意力机制对所述全局特征进行学习，以得到多个特征掩码，基于所述多个最大掩码值中的最大值和预设的自适应因子，计算自适应阈值；基于所述自适应阈值与所述多个特征掩码得到所述输入图像的加权全局特征；计算所述加权全局特征与该未见类别的语义嵌入向量的相容性得分，确定所述多个相容性得分中的最大值作为最高相容性得分，并输出与所述最高相容性得分对应的所述未见类别作为对所述输入图像的类别预测结果，从而通过阈值自适应的注意力机制，抑制冗余特征的同时提高了特征的鲁棒性，进一步提高了分类的准确度。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.036 秒)
