-
公开(公告)号：CN111652081B
公开(公告)日：2022-08-05
申请号：CN202010401842.3
申请日：2020-05-13
Applicant: 电子科技大学
IPC: G06V20/70 , G06V20/40 , G06V20/56 , G06V10/26 , G06V10/62 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于光流特征融合的视频语义分割方法，包括如下步骤：步骤1，判定视频序列的当前视频帧图像为关键帧图像或非关键帧图像；若为关键帧图像，则执行步骤2，若为非关键帧图像，则执行步骤3；步骤2，提取当前视频帧图像的融合位置依赖信息和通道依赖信息的高层语义特征图；步骤3，通过计算光流场得到当前视频帧图像的高层语义特征图；步骤4，对步骤2和步骤3得到的高层语义特征图进行上采样，得到语义分割图。本发明的方法中融入了光流场和注意力机制思想，可以提升视频语义分割的速率和准确率。
-
公开(公告)号：CN112508991B
公开(公告)日：2022-05-10
申请号：CN202011318378.8
申请日：2020-11-23
Applicant: 电子科技大学
IPC: G06T7/194 , G06T7/13 , G06T5/00 , G06T5/30 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种前后景分离的熊猫照片卡通化方法包括：获取熊猫照片数据集和卡通图像数据集并进行图像预处理：构建熊猫卡通图像生成模型；所述熊猫卡通图像生成模型包括生成器和判别器，所述生成器包括前景生成分支、后景生成分支和前后景合成分支；步骤4，定义所述生成器的损失函数；利用定义的损失函数训练所述熊猫卡通图像生成模型；将待卡通化的熊猫照片输入所述训练好的熊猫卡通图像生成模型，得到卡通化后的熊猫照片。相比于现有技术，本发明中(1)前后景分别处理的方法可以有效突出相对简洁的前景主体，(2)通过边缘增强和边缘模糊的处理能够得到边缘清晰的卡通化熊猫图像，(3)网络结构比较简单，在获得卡通效果的同时拥有较小的训练成本。
-
公开(公告)号：CN111431863B
公开(公告)日：2021-04-27
申请号：CN202010127938.5
申请日：2020-02-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于关系网络的主机入侵检测方法，包括：步骤1，对主机系统调用序列样本集进行特征化处理；步骤2，将经步骤1处理后的数据集划分为训练集、支持集和测试集；再将训练集划分为样例集和查询集；步骤3，构建关系网络模型；所述关系网络模型包括嵌入模块、连接模块和关系模块；步骤4，定义关系网络模型的目标函数；步骤5，训练构建的关系网络模型，得到主机入侵检测模型；步骤6，将需要检测的主机系统调用序列经过步骤1后输入训练好的主机入侵检测模型进行主机入侵检测。本发明提出一种基于关系网络的主机入侵检测方法，该方法可以在小样本的情况下既可以实现已有入侵方式的主机检测也可以实现未知入侵方式的主机入侵检测。
-
公开(公告)号：CN112508991A
公开(公告)日：2021-03-16
申请号：CN202011318378.8
申请日：2020-11-23
Applicant: 电子科技大学
Abstract: 本发明提供一种前后景分离的熊猫照片卡通化方法包括：获取熊猫照片数据集和卡通图像数据集并进行图像预处理：构建熊猫卡通图像生成模型；所述熊猫卡通图像生成模型包括生成器和判别器，所述生成器包括前景生成分支、后景生成分支和前后景合成分支；步骤4，定义所述生成器的损失函数；利用定义的损失函数训练所述熊猫卡通图像生成模型；将待卡通化的熊猫照片输入所述训练好的熊猫卡通图像生成模型，得到卡通化后的熊猫照片。相比于现有技术，本发明中(1)前后景分别处理的方法可以有效突出相对简洁的前景主体，(2)通过边缘增强和边缘模糊的处理能够得到边缘清晰的卡通化熊猫图像，(3)网络结构比较简单，在获得卡通效果的同时拥有较小的训练成本。
-
公开(公告)号：CN112185345A
公开(公告)日：2021-01-05
申请号：CN202010907929.8
申请日：2020-09-02
Applicant: 电子科技大学
IPC: G10L13/08 , G10L13/04 , G10L13/033 , G10L13/02
Abstract: 本发明公开了一种基于RNN和PAD情感模型的情感语音合成方法，包括：步骤1，基于情感语音库获取训练数据，包括PAD量化标注得到的PAD值、上下文相关标注、以及特征参数MGC、BAP和F0；步骤2，将训练数据输入基于LSTM的RNN模型进行训练，得到训练后的特征参数MGC、BAP和F0；步骤3，基于PAD情感模型，利用欧几里得距离计算用于修正训练后的特征参数MGC、BAP和F0的权重，然后利用权重对训练后的特征参数进行修正；步骤4，将待合成的文本经过文本分析得到上下文相关标注，然后将其与修正后的特征参数MGC、BAP和F0合成为情感语音。本发明将基于LSTM的RNN模型和PAD情感模型加入到语音合成中，解决传统语音合成带来的问题以及语音合成中情感不足的问题，提高了语音合成的自然度。
-
Patent Agency Ranking
公开(公告)号：CN111652171A
公开(公告)日：2020-09-11
申请号：CN202010518449.2
申请日：2020-06-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双分支网络的面部表情识别模型的构建方法，包括：S1，样本集预处理并数值化；S2，样本集划分为训练集和测试集；S3，构建双分支网络；S4，定义目标函数；S5，利用训练集训练所述双分支网络得到面部表情识别模型；S6，利用测试集验证所述面部表情识别模型的准确率。本发明通过构建双分支网络分别对脸部区域图像和眉眼区域图像进行特征提取和分类，以解某些特定因素的影响导致脸部的表情差异较大而降低识别率，以及单一卷积神经网络不能充分利用表情变换蕴含的时间序列信息造成资源浪费的问题。
-
公开(公告)号：CN105893585A
公开(公告)日：2016-08-24
申请号：CN201610205785.5
申请日：2016-04-05
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06F17/30634
Abstract: 本发明是一种结合标签数据的二部图模型学术论文推荐方法。由于论文的标签以简短的语义概述了论文的主旨内容，本发明将论文中的标签信息自然的添加到论文的内容信息中，结合论文的引用关系和用户收藏论文的关系，构建了一个二部关系图，运用重启动的随机游走算法提出了一个高效解决学术论文推荐冷启动问题的图模型方法。该模型仅仅添加了少部分的相似度关系，因此该模型降低了参数优化过程中消耗的资源。同时，由于该模型充分利用了数据中的各种信息，尤其是论文的标签信息，保证了论文推荐的精度。本发明在一个真实的数据集上进行了相关的实验，得到了较好的实验结果。
-
公开(公告)号：CN101930561A
公开(公告)日：2010-12-29
申请号：CN201010179995.4
申请日：2010-05-21
Applicant: 电子科技大学
Abstract: 本发明涉及文本处理技术领域，是一种基于N-Gram分词模型的反向神经网络垃圾邮件过滤装置。利用N-Gram技术对邮件分词加上自定义词语特征项并结合反向神经网络实现对垃圾邮件的判断和过滤。所述装置包括：首先，利用Markov链和N-Gram技术处理邮件，提取出邮件样本特征，经过权重计算和特征选择得到样本邮件词语-文档空间；其次，用自定义的词语特征项匹配邮件样本，生成自定义特征-文档空间，将两种方法生成的文档特征合并生成新的邮件向量空间；再次，构造反向神经网络模型，根据邮件训练样本空间的特征项生成与网络神经元对应的特征向量，并用邮件训练样本向量空间训练网络模型，得到训练好的邮件分类器；最后，邮件测试样本根据上面生成的神经元对应特征向量生成测试样本向量空间，并测试训练好的邮件分类器对邮件类别判断的准确率。使用本发明提供的实施例可以对垃圾邮件进行判断，从而过滤垃圾邮件。
-
公开(公告)号：CN117113398A
公开(公告)日：2023-11-24
申请号：CN202311048295.5
申请日：2023-08-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于松弛损失的知识蒸馏成员推断攻击的防御方法，本发明基于隐私数据和松弛损失的防御方法对老师模型进行训练，并在老师模型训练的梯度上升阶段改进样本学习方法；从公共数据中选取无标签且老师模型预测熵值低的公共数据作为学生模型的训练数据，并在老师模型和学生模型间，采用知识蒸馏方法对学生模型进行训练，并仅学生模型作为目标模型对用户公开使用。本发明对老师模型的训练方法不仅提升了模型的泛化能力，还使模型在隐私与性能上达到更好的权衡。采用知识蒸馏方法对学生模型进行训练，能降低学生模型的脆弱性，使模型对成员推断攻击的防御效果得到进一步提升。本发明能有效避免隐私敏感数据泄露对用户造成的隐私威胁。
-
公开(公告)号：CN111667506B
公开(公告)日：2023-03-24
申请号：CN202010405359.2
申请日：2020-05-14
Applicant: 电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于ORB特征点的运动估计方法，包括如下步骤：步骤1，采用oFAST特征点与rBRIEF描述子相结合的方式分别提取两帧图像的ORB特征点；步骤2，对两帧图像的ORB特征点进行基于暴力匹配BF和PROSAC的特征匹配，得到最优拟合模型；步骤3，基于所述最优拟合模型，并混合GICP与ICP算法进行运动估计。本发明建立了混合ICP与GICP的运动估计算法估算出机器人的运动轨迹，并在其中采用了基于暴力匹配BF与渐进采样一致性算法PROSAC的从粗到精的特征匹配方法，能够减少因受到干扰而出现的误匹配现象。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.022 seconds)
