公开(公告)号：CN105095475A

公开(公告)日：2015-11-25

申请号：CN201510492342.4

申请日：2015-08-12

申请人： 武汉大学

发明人： 胡瑞敏 ,  王正 ,  梁超 ,  黄文心 ,  杨洋 ,  陈军 ,  姚磊

IPC分类号： G06F17/30 ,  G06K9/00

CPC分类号： G06F17/30793 ,  G06K9/00778

摘要： 本发明公开了一种基于两级融合的不完整属性标记行人重识别方法与系统，首先，基于人工标注属性特征更为精确的前提，利用低层特征和高层一般属性特征的跨层稀疏重构一致性，初步融合人工标注属性来学习出完整而精确的高层属性特征，然后，用基于统计意义上的属性关注度和显著度提出关注-显著度模型来度量行人属性向量间的距离，最后对基于低层特征的排序结果和基于关注度-显著度的属性特征排序结果进行排序的后融合。本发明的有效性都在VIPER数据集上得到证明，同时可知，引入不完整标注属性进行行人重识别能大大提升检索效果。

公开(公告)号：CN104036482A

公开(公告)日：2014-09-10

申请号：CN201410323594.X

申请日：2014-07-07

申请人： 武汉大学

发明人： 胡瑞敏 ,  江俊君 ,  付吉灿 ,  韩镇 ,  董小慧 ,  关健 ,  王正

IPC分类号： G06T5/50 ,  G06K9/62

摘要： 一种基于字典渐近更新的人脸图像超分辨率方法：在训练阶段，采用去一法对低分辨率人脸图像训练集的每张低分辨率人脸图像进行超分辨率重构，得到一层低分辨率中间字典；以此低分辨率中间字典作为新的低分辨率人脸图像训练集输入，重构得到新一层的低分辨率中间字典；重复上述过程，最终得到多层低分辨率中间字典。在测试阶段，根据输入的低分辨率人脸图像，上一层低分辨率中间字典和高分辨率人脸图像训练集，对输入低分辨率人脸图像进行超分辨率重构，得到预估高分辨率人脸图像；重复上述过程，最终重构出高分辨率人脸图像。本发明可得到更高质量、与真实情况更为接近的重建效果。

公开(公告)号：CN118942131A

公开(公告)日：2024-11-12

申请号：CN202410849487.4

申请日：2024-06-27

申请人： 武汉大学

发明人： 王正 ,  李柱波 ,  卫慧

IPC分类号： G06V40/16 ,  G06V10/74 ,  G06V10/82 ,  G06N3/092 ,  G06N3/0464 ,  G06F21/32

摘要： 本发明涉及计算机视觉技术领域，具体涉及一种人脸识别攻击对抗性补丁生成方法及装置，包括以下步骤：对样本集中各图片进行人脸裁剪得到标准人脸图样本集；通过构建的智能体在一标准人脸图上生成扰动补丁，得到扰动补丁人脸特征图；利用扰动补丁人脸特征图攻击集中模型，并调整各白盒人脸识别模型的损失权重，直至能够成功攻击集中模型；采用能够成功攻击集中模型的扰动补丁人脸特征图继续攻击黑盒人脸识别模型，并使用策略梯度方法，以增加智能体获得奖励的方向来迭代更新智能体的参数，直至能够成功攻击黑盒人脸识别模型，则输出该扰动补丁人脸特征图。能够解决现有技术中生成的对抗补丁很难起到检测人脸识别系统漏洞作用的问题。

公开(公告)号：CN118762377B

公开(公告)日：2024-11-05

申请号：CN202411249513.6

申请日：2024-09-06

申请人： 武汉大学

发明人： 王正 ,  武杰 ,  徐丹妮 ,  刘文璇

IPC分类号： G06V30/413 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 一种多模态虚假新闻检测方法、装置、设备及介质，属于信息检测技术领域。其中，方法包括：获取待测新闻的目标数据，目标数据包括图像、标题文本、OCR文本和关联文本；将标题文本和OCR文本输入文本分析模型，输出第一预测分数；将标题文本和图像输入图文比较模型，输出第二预测分数；将标题文本和关联文本输入知识验证模型，输出第三预测分数；将标题文本和图像输入视觉分析模型，输出第四预测分数；综合第一预测分数、第二预测分数、第三预测分数和第四预测分数，确定待测新闻的检测结果，实现采用多元专家模型进行联合决策，很好地适应新闻样本的多模态特性，并具备动态决策能力，以更有效地捕捉和识别狡猾且隐蔽的虚假新闻特性。

公开(公告)号：CN118230213A

公开(公告)日：2024-06-21

申请号：CN202410366990.4

申请日：2024-03-28

申请人： 武汉大学

发明人： 王正 ,  李妃 ,  刘文璇 ,  徐丹妮 ,  周卓 ,  张有亮

IPC分类号： G06V20/40 ,  G06V40/20 ,  G06V10/25 ,  G06V10/44 ,  G06V10/62 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

摘要： 本发明公开了一种基于时空特征分析的隐藏投篮运动员发现方法及装置，涉及人工智能和计算机视觉技术领域，该方法包括获取篮球运动视频段并输入至三维卷积网络，以提取运动员的时空动作特征，并将关键帧输入至二维卷积网络中，提取运动员的空间定位特征；融合三维卷积网络和二维卷积网络提取得到的特征图，生成整体特征图；生成被定位运动员的边界框，使用ROI对齐方法固定每个特征的尺寸；基于获取的特征，预测运动员的行动类别，确定未来可能的投篮运动员对应的投篮动作和位置；基于当前次预测的投篮动作的类别和概率，更新内存模块。本申请能够基于已观察到的不完整的视频来预测未来可能的投篮选手对应的投篮动作和位置。

公开(公告)号：CN117934990A

公开(公告)日：2024-04-26

申请号：CN202311857610.9

申请日：2023-12-29

申请人： 武汉大学

发明人： 王正 ,  卫慧 ,  张可为 ,  刘远巍 ,  侯嘉琪

IPC分类号： G06V10/774 ,  G06V10/82 ,  G06V40/10 ,  G06N3/08

摘要： 一种基于摩尔纹触发器的后门攻击方法、装置、设备及计算机可读存储介质，包括：通过根据预设的周期性纹理，生成摩尔纹，并将摩尔纹作为摩尔纹触发器；基于第一预设样本集和所述摩尔纹触发器，生成带毒数据集；基于所述带毒数据集和第二预设样本集对行人检测器模型进行训练，以将所述摩尔纹作为后门触发器，生成后门攻击模型；通过攻击数据集攻击所述后门攻击模型，获取所述后门攻击模型输出的后门攻击结果，解决了相关技术中存在的攻击方法大部分都存在着触发器带有明显的视觉异常特征、缺乏隐蔽性的缺陷，在模型训练前容易被发现并清洗出有毒样本，不利于后门攻击实现的技术问题，通过摩尔纹触发器提高图像后门攻击在模型训练阶段以及触发阶段后门触发器的隐蔽性。

公开(公告)号：CN116485689A

公开(公告)日：2023-07-25

申请号：CN202310749638.4

申请日：2023-06-25

申请人： 武汉大水云科技有限公司 ,  武汉大学

发明人： 王正 ,  王琼 ,  刘炳义 ,  郑晓燕 ,  路文轩 ,  江奎

IPC分类号： G06T5/00 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提供了一种基于CNN和Transformer的渐进式耦合图像去雨方法和系统。本发明不同于单一的卷积神经网络和Transformer模型，而是整合了这两种结构的优点，同时保持了去除雨水扰动的有效性和效率。此外，本发明实现了无雨背景和雨水残差特征的逐步分解和关联。为了减轻计算负担，本发明中将其设计成非对称的双路径相互表示网络，同时在本发明中，为了降低计算的复杂度，网络多处使用高效的卷积结构和分辨率重整的策略。经过大量的实验表明，本发明的方法可以有效地去除图像中的雨纹干扰，且更加轻量，具有相对于主流方法更高的效率。

公开(公告)号：CN115357808A

公开(公告)日：2022-11-18

申请号：CN202210346087.2

申请日：2022-03-31

申请人： 武汉大学

发明人： 胡瑞敏 ,  李希希 ,  王正 ,  黄娜娜 ,  彭潇然 ,  王晓晨

IPC分类号： G06F16/9537 ,  G06F16/29

摘要： 本发明公开了一种基于多分辨率上下文关联的位置预测方法及系统，方法包括以下步骤：步骤S1、根据用户历史轨迹数据，获取多分辨率时间信息；步骤S2、根据用户历史轨迹数据，获取多分辨率空间信息；步骤S3、根据获取的多分辨率时间信息和多分辨率空间信息，获取序列的多分辨率的时间和空间上下文规律；步骤S4、根据获取的序列的多分辨率的时间和空间上下文规律，获取位置预测信息。本发明提供的基于多分辨率上下文关联的位置预测方法，通过多分辨率的时间和空间信息，获取更丰富的用户时间空间序列行为规律，使得位置预测的精度更高。

公开(公告)号：CN115002379A

公开(公告)日：2022-09-02

申请号：CN202210443435.8

申请日：2022-04-25

申请人： 武汉大学

发明人： 王正 ,  胡梦顺 ,  聂志祥 ,  江奎 ,  肖晶

IPC分类号： H04N7/01 ,  G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

摘要： 本申请公开了一种视频插帧方法、训练方法、装置、电子设备和存储介质，涉及计算机视频处理的技术领域，在训练方法中，首先通过非局部神经网络建立输入的两个视频帧间的全局时空依赖关系并得到第一、第三帧特征图；其次，将第一、第三帧特征图通过自适应融合模块生成粗糙的中间帧特征图，以消除经由非局部神经网络产生的时空冗余信息；之后，对该粗糙的中间帧特征图进行可变形卷积得到精确的中间帧特征图，以自参考的方式降低误差；最后，将所述精确的中间帧特征图输入到重建网络中生成中间帧，以供确定是否停止训练并得到视频插帧模型。本申请充分利用输入的视频帧的全局和局部信息，提高视频插帧的准确性和鲁棒性。

公开(公告)号：CN114692022A

公开(公告)日：2022-07-01

申请号：CN202210346045.9

申请日：2022-03-31

申请人： 武汉大学

发明人： 胡瑞敏 ,  李希希 ,  王正 ,  王晓晨 ,  黄文心 ,  徐东曙 ,  柴笑宇

IPC分类号： G06F16/9537 ,  G06F16/29 ,  G06N3/04

摘要： 本发明公开了一种基于时空行为模式的位置预测方法及系统。方法包括以下步骤：步骤S1、根据用户的历史轨迹数据获取嵌入表达向量；步骤S2、构建多个循环神经网络；步骤S3、获取部分循环神经网络的拼接结果，输入拼接结果到全连接层，获取用户在多个特征空间的长期规律性；步骤S4、获取剩余循环神经网络的隐藏层状态加上注意力机制的输出结果，输入输出结果至全连接层，获取用户时空行为模式的短期随机性；步骤S5、融合处理获取的长期规律性和短期随机性，获取最终的位置预测结果。本申请提供的基于时空行为模式的位置预测方法，通过考虑长期规律性和短期随机性，提高位置预测的精度。