-
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
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：CN108154488A
公开(公告)日：2018-06-12
申请号：CN201711438764.9
申请日：2017-12-27
申请人： 西北工业大学 , 中国科学院自动化研究所
摘要： 本发明提供了一种基于显著图像块分析的图像运动模糊去除方法，涉及图像处理领域，本发明生成超像素，利用基于密度的聚类算法融合成一个超像素，以超像素为单位进行兴趣图计算；获得所有图层的兴趣图后，将兴趣图按权重进行线性叠加，本发明将选取显著图像块的方法应用于去模糊算法的输入，与去模糊算法相结合，实现最终的图像恢复过程，最终得到图像前景区域更加自然的模糊去除结果。本发明有效恢复模糊图像中人眼感兴趣的前景部分，核估计速度大幅提高。
-
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
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：CN108154488B
公开(公告)日：2019-10-22
申请号：CN201711438764.9
申请日：2017-12-27
申请人： 西北工业大学 , 中国科学院自动化研究所
摘要： 本发明提供了一种基于显著图像块分析的图像运动模糊去除方法，涉及图像处理领域，本发明生成超像素，利用基于密度的聚类算法融合成一个超像素，以超像素为单位进行兴趣图计算；获得所有图层的兴趣图后，将兴趣图按权重进行线性叠加，本发明将选取显著图像块的方法应用于去模糊算法的输入，与去模糊算法相结合，实现最终的图像恢复过程，最终得到图像前景区域更加自然的模糊去除结果。本发明有效恢复模糊图像中人眼感兴趣的前景部分，核估计速度大幅提高。
-
-
-
搜索结果
4 条记录 (耗时 0.036 秒)
