公开(公告)号：CN112116543B

公开(公告)日：2022-09-20

申请号：CN202011025850.9

申请日：2020-09-25

申请人： 中国科学院自动化研究所 ,  深圳市腾讯计算机系统有限公司

发明人： 全卫泽 ,  张瑞松 ,  吴保元 ,  李志锋 ,  严冬明

IPC分类号： G06T5/00 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于图形处理和计算机视觉技术领域，具体涉及了一种基于检测式生成框架的图像修复方法、系统及装置，旨在解决现有残缺破损的数字图像修复质量低且修复过程中会带来残次工件的问题。本发明包括：使用生成网络的编码器降采样受损图像并嵌入到隐特征空间进行深层表示；利用生成网络的残差网络模块结合受损区域相对于其他区域的上下文语义信息对受损区域进行填充；利用生成网络中的解码器升采样将特征转换到RGB空间，得到修复图像；通过检测网络评估修复图像的质量，并且定位残次工件在图像中的具体位置；检测网络的输出结果作为权重映射到传统重构损失函数中训练生成网络。本发明可以高质量地修复残缺破损图像，且能消除修复中带来的视觉瑕疵。

公开(公告)号：CN111914946A

公开(公告)日：2020-11-10

申请号：CN202010835090.1

申请日：2020-08-19

申请人： 中国科学院自动化研究所

发明人： 马成丞 ,  孟维亮 ,  徐士彪 ,  郭建伟 ,  吴保元 ,  张晓鹏

IPC分类号： G06K9/62 ,  G06K9/40

摘要： 本发明属于图像识别领域，具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置，旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错，导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括：获取带有类别标签的训练数据集，将三维点云数据输入分类模型并计算分类损失，分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度，并将两种梯度融合乘以缩放因子生成融合扰动，将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误，提高了训练出来的模型的鲁棒性和分类精确度。

公开(公告)号：CN114463575A

公开(公告)日：2022-05-10

申请号：CN202111602325.3

申请日：2021-12-24

申请人： 中国科学院自动化研究所

发明人： 许逸凡 ,  盛柯恺 ,  吴保元 ,  董未名 ,  徐常胜

IPC分类号： G06V10/764 ,  G06K9/62 ,  G06V10/774 ,  G06V10/40

摘要： 本发明提供一种领域自适应图像分类方法、设备、存储介质及程序产品，领域自适应图像分类包括：确定源域图像和目标域图像；目标域图像中包括图像污染；图像污染包括模糊污染、噪声污染、天气污染、图像质量变化污染中的至少一种；获取图像分类结果，将源域图像和目标域图像输入图像分类模型，得到图像分类模型输出的图像分类结果；其中图像分类模型是通过源域样本图像和目标域样本图像之间的域差异信息构建目标污染样本，并基于目标污染样本计算教师‑学生模型的对比损失进行训练得到的；其中，源域样本图像和目标域样本图像不包括图像污染。

公开(公告)号：CN112116543A

公开(公告)日：2020-12-22

申请号：CN202011025850.9

申请日：2020-09-25

申请人： 中国科学院自动化研究所 ,  深圳市腾讯计算机系统有限公司

发明人： 全卫泽 ,  张瑞松 ,  吴保元 ,  李志锋 ,  严冬明

IPC分类号： G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于图形处理和计算机视觉技术领域，具体涉及了一种基于检测式生成框架的图像修复方法、系统及装置，旨在解决现有残缺破损的数字图像修复质量低且修复过程中会带来残次工件的问题。本发明包括：使用生成网络的编码器降采样受损图像并嵌入到隐特征空间进行深层表示；利用生成网络的残差网络模块结合受损区域相对于其他区域的上下文语义信息对受损区域进行填充；利用生成网络中的解码器升采样将特征转换到RGB空间，得到修复图像；通过检测网络评估修复图像的质量，并且定位残次工件在图像中的具体位置；检测网络的输出结果作为权重映射到传统重构损失函数中训练生成网络。本发明可以高质量地修复残缺破损图像，且能消除修复中带来的视觉瑕疵。

公开(公告)号：CN111914946B

公开(公告)日：2021-07-06

申请号：CN202010835090.1

申请日：2020-08-19

申请人： 中国科学院自动化研究所

发明人： 马成丞 ,  孟维亮 ,  徐士彪 ,  郭建伟 ,  吴保元 ,  张晓鹏

IPC分类号： G06K9/62 ,  G06K9/40

摘要： 本发明属于图像识别领域，具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置，旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错，导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括：获取带有类别标签的训练数据集，将三维点云数据输入分类模型并计算分类损失，分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度，并将两种梯度融合乘以缩放因子生成融合扰动，将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误，提高了训练出来的模型的鲁棒性和分类精确度。