-
公开(公告)号:CN118445443A
公开(公告)日:2024-08-06
申请号:CN202410434613.X
申请日:2024-04-11
Applicant: 中国科学院信息工程研究所
IPC: G06F16/532 , G06F16/535 , G06F16/51 , G06F16/55 , G06V10/764 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0895 , G06N3/096 , G06N3/0499
Abstract: 本发明公开了一种基于多粒度关系的协同学习半监督哈希方法,其步骤包括:1)构建一骨干网络,包括两个分支:学生网络和教师网络;2)将训练样本输入到学生网络,得到每一训练样本的特征表示和哈希码并将其存储到动态记忆库;3)计算分类损失函数、成对哈希损失函数、实例对比损失、类级对比损失和邻域一致性损失函数,用于优化学生网络;4)根据优化后的学生网络参数更新教师网络的参数;然后将训练样本输入到更新后的教师网络,得到每一训练样本的特征表示和哈希码更新所述动态记忆库;5)重复步骤3)~4)直至学生模型收敛或达到设定条件;6)将一待编码数据输入到最终优化后的学生网络,得到其哈希编码。本发明提高了哈希码的区分度。
-
公开(公告)号:CN118447530A
公开(公告)日:2024-08-06
申请号:CN202410300121.1
申请日:2024-03-15
Applicant: 中国科学院信息工程研究所
IPC: G06V40/10 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于文本模态对齐的跨模态行人重识别方法及装置,属于人工智能技术领域。所述方法包括:训练一可学习向量来捕捉红外图像和可见光图像中与身份相关的模态共享信息;结合训练后的可学习向量获取每个行人ID的文本模态表示,并使用图像编码器提取红外图像和可见光图像中该行人ID的红外模态表示和可见光模态表示;基于所述文本模态表示、所述红外模态表示和所述可见光模态表示之间的彼此对齐来训练该图像编码器;基于训练后的图像编码器对目标红外图像或目标可见光图像中的行人进行编码,并通过对编码结果的分类,得到跨模态的行人重识别结果。本发明可以提升跨模态行人重识别模型的精度。
-
公开(公告)号:CN117312627A
公开(公告)日:2023-12-29
申请号:CN202310221372.6
申请日:2023-03-09
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9035 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明涉及一种面向深度哈希模型的对抗鲁棒性评估方法及装置。所述方法包括:计算数据库中哈希码的容忍度;筛选出所述容忍度大于阈值的哈希码,以构成候选锚点集合;基于所述候选锚点集合中哈希码的语义表达能力,获取锚点;在锚点指导下,利用训练数据迭代生成通用目标对抗扰动;根据所述通用目标对抗扰动在测试数据上的攻击效果,评估深度哈希模型的对抗鲁棒性。本发明能够可靠并且准确地评估哈希模型对抗鲁棒性。
-
公开(公告)号:CN118430078A
公开(公告)日:2024-08-02
申请号:CN202410376819.1
申请日:2024-03-29
Applicant: 中国科学院信息工程研究所
Abstract: 本发明属于人脸隐私保护技术领域,涉及一种基于稳定扩散模型的人脸隐私保护方法和系统。该方法在目标图像嵌入阶段使用文本逆转方法训练能够保存目标图像语义信息的文本嵌入;在对抗样本生成阶段,利用目标图像嵌入阶段得到的文本嵌入对保护图像的去噪过程进行去噪引导,将目标图像的语义信息注入保护图像中,并通过DDIM反转得到原始图像和目标图像在稳定扩散模型隐空间的编码,以在保护图像的去噪过程中提供对抗引导;通过去噪引导和对抗引导生成保护图像,实现人脸隐私保护。本发明能够解决目前人脸隐私保护领域对抗样本不自然、与原图像视觉不一致、对抗扰动易被感知等问题,并能够提高在目标黑盒模型上的迁移性攻击能力。
-
公开(公告)号:CN117392487A
公开(公告)日:2024-01-12
申请号:CN202311295168.5
申请日:2023-10-08
Applicant: 中国科学院信息工程研究所
IPC: G06V10/776 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/096 , G06N3/084
Abstract: 本发明公开一种基于迁移性对抗攻击的深度哈希模型鲁棒性评估方法及装置,所述方法包括:利用标签提取器提取一数据类别的标签特征;将标签特征上采样到一干净样本的图片维度之后,与干净样本拼接;将拼接结果送入生成器,得到对抗样本;基于对抗样本进行待评估的深度哈希模型的评估。本发明通过提高对抗样本在目标模型上的迁移性攻击能力,更准确可靠地评估了深度哈希模型的鲁棒性和安全性。
-
公开(公告)号:CN119722833A
公开(公告)日:2025-03-28
申请号:CN202411591540.1
申请日:2024-11-08
Applicant: 中国科学院信息工程研究所
IPC: G06T11/00 , G06T5/70 , G06T5/60 , G06V10/774 , G06V10/74
Abstract: 本发明公开了一种基于分化注意力和去噪过程引导的多目标图像生成方法,其步骤包括:1)针对给定包括N个目标词的文本提示y以及一初始隐编码zT,利用稳定扩散模型生成文本提示y中每一目标词与zT之间的交叉注意力图CAT;2)通过设定损失函数优化初始隐编码zT;3)稳定扩散模型生成文本提示y中每一目标词与优化后的初始隐编码zT之间的最优交叉注意力图#imgabs0#4)稳定扩散模型对优化后的初始隐编码zT进行迭代去噪并对设定时间步生成的交叉注意力图进行插值;然后对迭代去噪结束所得隐编码z0进行解码生成该文本提示y对应的图像。本发明有效提高生成图像与给定文本提示之间的语义匹配性。
-
公开(公告)号:CN118644728A
公开(公告)日:2024-09-13
申请号:CN202410809839.3
申请日:2024-06-21
Applicant: 中国科学院信息工程研究所
IPC: G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06V10/74
Abstract: 本发明公开了一种基于预测向量映射的黑盒模型逆向重建方法,属于图像处理与机器学习领域。本发明在数据挑选阶段,通过从公共数据集中选择具有最高置信度的图像和对应预测向量,构成训练集;在训练阶段,训练一个从预测向量到StyleGAN潜在空间再到图像的逆向模型,并引入多种损失函数确保重建图像与真实图像的相似性;在攻击阶段,通过预测集成攻击方法,增强目标身份的特征,实现有效的图像重建。本发明解决了现有方法中计算成本高、效率低的问题,通过解耦潜在空间的对齐,提升了重建图像的质量和精度。本发明取得了高效攻击过程、语义连续的面部嵌入、增强的特征对齐和更高的重建性能等效果。
-
公开(公告)号:CN119378601A
公开(公告)日:2025-01-28
申请号:CN202411291948.7
申请日:2024-09-14
Applicant: 中国科学院信息工程研究所
Abstract: 本发明属于人工智能技术领域,涉及一种基于表示蒸馏的深度哈希模型对抗训练方法和系统。该方法的步骤包括:1)利用干净样本训练与学生模型具有相同网络结构的深度哈希模型,作为教师模型;2)以最大化与教师模型输出的语义表示的距离为损失函数来迭代更新对抗样本;3)给定生成的对抗样本和原始干净样本,利用哈希码对齐损失函数和特征对齐损失函数实现从教师模型到学生模型的语义表示蒸馏,以指导学生模型的对抗训练过程;4)步骤2)和步骤3)交替进行,直到达到最大的迭代轮次。本发明能够充分保存教师模型从干净样本中学习到的判别性和可泛化性语义信息,从而解决现有方法无法充分学习这些语义信息而导致的模型鲁棒泛化性较差的问题。
-
公开(公告)号:CN117315712A
公开(公告)日:2023-12-29
申请号:CN202310824455.4
申请日:2023-07-06
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提出了一种基于跨相机原型学习的行人重识别方法及装置,所述方法包括:利用有标注的相机内监督信息,学习每个相机下行人的行人原型,以进行行人重识别模型的相机内训练;匹配跨相机之间相同的行人原型,并基于匹配到的行人原型,拉近不同相机之间相同的行人原型并推远不同的行人原型,以进行行人重识别模型的跨相机间训练;基于完成相机内训练和跨相机间训练的行人重识别模型进行行人重识别的预测。本发明可以消除相机背景、光线、角度等影响因素对行人重识别模型带来的影响。
-
公开(公告)号:CN115641609A
公开(公告)日:2023-01-24
申请号:CN202211241919.0
申请日:2022-10-11
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种用于行人重识别的基于样本孤立机制的身份隐私保护方法和系统。该方法包括:给定干净图像,通过生成器学习扰动以生成相应的对抗图像;将对抗图像和干净图像输入目标模型中,分别获得对抗特征和干净特征;针对目标模型,利用对抗特征和干净特征,采用身份隔离损失、错误分类损失和错误排序损失对生成器进行训练,以生成最佳扰动;将生成的最佳扰动添加到目标人物的图像中,得到目标人物的对抗图像;通过对抗图像保护目标人物以防御恶意查询。本发明提出了一种身份隔离机制,将对抗性图像明确限制在一个孤立的位置,使得目标人物既远离原始身份,也远离任何其他身份,从而保护其不会被非法查询检索到。
-
-
-
-
-
-
-
-
-