-
公开(公告)号：CN117853339A
公开(公告)日：2024-04-09
申请号：CN202410059909.8
申请日：2024-01-16
申请人： 云南大学
IPC分类号： G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/084 , G06V10/82 , G06V10/80 , G06V10/42 , G06V10/44 , G06N3/048
摘要： 本发明公开了一种任意尺度图像的超分辨率方法，根据实际需要采集若干包含低分辨率图像、高分辨率图像和对应尺度因子的训练样本，构建包括特征提取模块、可变形特征展开模块、上采样模块、位置编码模块、特征融合模块和多层感知机的超分辨率模型，采用训练样本集对超分辨率模型进行训练，得到训练好的超分辨率模型，将低分辨率图像和尺度因子输入训练好的超分辨率模型生成对应的超分辨率图像。本发明通过引入可变形特征展开来串联图像特征信息，并结合位置编码促使坐标信息与图像特征深度融合，从而提高超分辨率图像的质量。
-
公开(公告)号：CN117197577A
公开(公告)日：2023-12-08
申请号：CN202311218767.7
申请日：2023-09-20
申请人： 云南大学
IPC分类号： G06V10/764 , G06V10/42 , G06V10/82 , G06V10/52 , G06V10/80 , G06N3/048 , G06N3/0464 , G06N3/094
摘要： 本发明公开了一种基于对比学习的目标检测模型对抗训练方法，将目标检测模型划分为骨干网络和检测头两部分，在骨干网络之后添加对比学习模块构成网络模型，根据目标检测模型的需要收集若干个训练样本对并对网络模型进行训练，从训练好的网络模型中去除对比学习模块，还原得到目标检测模型，以用于实际的目标检测应用。本发明通过在对抗训练的过程中结合对比学习的特性，使目标检测模型在训练时学习到更鲁棒的对抗样本和干净样本的特征表示，使得目标检测模型在获得更高鲁棒性的同时能够达到更好的干净样本上的准确度。
-
公开(公告)号：CN114898168A
公开(公告)日：2022-08-12
申请号：CN202210310612.5
申请日：2022-03-28
申请人： 云南大学
IPC分类号： G06V10/771 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于条件标准流模型的黑盒对抗样本生成方法，首先使用白盒攻击方法生成原始图像对应的对抗样本，得到训练数据集，构建包括卷积神经网络和条件GLOW模型的条件标准流模型，其中卷积神经网络对原始样本提取图像特征作为条件变量，条件GLOW模型根据条件变量以及原始图像对应的对抗样本编码得到对应的隐空间表示；使用训练数据集对条件标准流模型进行训练，得到训练样本集隐空间表示的分布，然后以干净图像提取到的特征作为条件变量对隐空间表示的分布进行采样得到对抗样本输出，再进行裁剪后得到最终的对抗样本。本发明解决了黑盒攻击场景下，查询次数大、计算资源和时间消耗极其严重、不能批量生成对抗样本等问题。
-
公开(公告)号：CN114612798A
公开(公告)日：2022-06-10
申请号：CN202210231787.7
申请日：2022-03-09
申请人： 云南大学
IPC分类号： G06V20/13 , G06V10/774 , G06K9/62
摘要： 本发明公开了一种基于Flow模型的卫星图像篡改检测方法，构建用于图像的Flow模型并采用未被篡改的卫星图像样本进行训练，将各个未被篡改的卫星图像样本输入Flow模型得到对应的隐空间图像样本，采用隐空间图像样本对构建的自编码器进行训练，将待检测卫星图像输入Flow模型得到隐空间图像，将隐空间图像输入自编码器得到重建隐空间图像，计算隐空间图像中各个像素和重建隐空间图像对应像素之间的偏差值，得到掩膜图像，将掩膜图像和待检测卫星图像相乘，对被篡改的像素求取连通域，从而确定篡改区域。本发明通过Flow模型进行空间转化增加篡改部分和原图的差距，再通过自编码进行重建，确定篡改位置，实现对任何没有标签的卫星图像篡改检测。
-
公开(公告)号：CN117173018A
公开(公告)日：2023-12-05
申请号：CN202311117131.3
申请日：2023-08-31
申请人： 云南大学
IPC分类号： G06T3/40 , G06T5/00 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于条件扩散模型的单一图像超分辨率方法，获取图像样本并下采样生成低分辨率图像，对低分辨率图像进行上采样生成噪声图像并去噪得到对应的超分辨率图像，从而得到训练样本；根据实际需要构建条件扩散模型，将训练样本中噪声图像对应的超分辨率图像作为时刻T的高斯表示，噪声图像作为初始噪声图像，对应图像样本作为期望输出，对条件扩散模型进行训练，训练时最大化输入和输出之间的互信息，当需要进行超分辨率图像生成时，对低分辨率图像进行上采样得到噪声图像并去噪后得到对应超分辨率图像，输入训练好的条件扩散模型，按照扩散过程的逆向顺序对其进行去噪，从而生成对应的超分辨率图像。采用本发明可以提升输出图像的质量。
-
公开(公告)号：CN115545099A
公开(公告)日：2022-12-30
申请号：CN202211180101.2
申请日：2022-09-27
申请人： 云南大学
摘要： 本发明公开了一种基于对抗样本检测和矩阵分解的集成防御方法，对于目标模型的输入样本，首先采用基于阈值的对抗样本检测方法进行对抗样本检测，如果检测到输入样本为对抗样本，则对于对抗样本基于矩阵分解进行数据重构，得到重构样本，当输入样本为正常样本时，直接将输入样本输入目标模型进行预测，得到输入样本的预测结果；当输入样本为对抗样本时，将重构样本输入目标模型进行预测，作为输入样本的预测结果。本发明通过基于阈值的对抗样本检测方法和基于矩阵分解的输入样本重构方法两种技术的结合，从而有效防御对抗样本，提高目标模型的鲁棒性。
-
公开(公告)号：CN114332625A
公开(公告)日：2022-04-12
申请号：CN202111670503.6
申请日：2021-12-31
申请人： 云南大学
摘要： 本发明涉及一种基于神经网络的遥感图像彩色化和超分辨率方法及系统，该方法包括：获取待处理的遥感图像；对遥感图像进行预处理，得到低分辨率遥感图像；构建残差卷积分支网络；根据残差卷积分支网络构建MRB网络；根据MRB网络提取低分辨率遥感图像的高维特征信息；获取改进的U‑net++网络对所述高维特征信息进行处理，得到特征图；利用卷积计算对特征图进行处理，得到高分辨率彩色图像。本发明能够提高遥感图像彩色化和超分辨率的效果。
-
公开(公告)号：CN113609280A
公开(公告)日：2021-11-05
申请号：CN202110898767.0
申请日：2021-08-05
申请人： 云南大学
IPC分类号： G06F16/335 , G06F16/332 , G06F16/951 , G06F16/9535
摘要： 本发明公开一种基于元学习的多领域对话生成方法、装置、设备及介质，应用于网络营销，包括：获取至少一个目标领域的训练对话样本和测试对话样本；对每一目标领域的训练对话样本进行处理，获取对应的训练损失；基于训练损失，对初始化模型进行更新，得到中间模型；采用中间模型对测试对话样本进行处理，获取对应的测试损失，基于测试损失对中间模型进行更新，获取多领域对话模型；爬取与产品关键字相关的发布信息，发布信息包括待回复信息；将发布信息输入基于元学习生成的多领域对话模型，获取待回复信息对应的目标对话；将目标对话回复在待回复信息对应的文本回复区域上，用于实现在多个目标领域上进行自动化营销，智能生成目标对话。
-
公开(公告)号：CN118228799A
公开(公告)日：2024-06-21
申请号：CN202410404766.X
申请日：2024-04-03
申请人： 云南大学
IPC分类号： G06N3/082 , G06N3/0464 , G06N3/084 , G06V10/82 , G06V10/764
摘要： 本发明公开了一种基于软剪枝的图像分类模型压缩方法，首先获取图像训练样本并对图像分类模型进行初始化，在软剪枝训练阶段的每一轮次训练中，计算得到当前轮次的置零率，当前轮次的每个批次训练完成后，根据置零率得到每层网络参数的更新参数数量，然后选择梯度绝对值最大的参数进行更新，其余参数不更新，每轮次训练结束后，根据置零率将绝对值最小的部分参数置零，在训练达到给定的剪枝轮次时根据预设的剪枝率对图像分类模型进行剪枝，后续则采用常规训练方式进行训练。本发明能够在网络模型训练过程中动态地调整图像分类模型的结构，在保证分类准确率的前提下实现对图像分类模型的有效压缩。
-
公开(公告)号：CN114612798B
公开(公告)日：2024-05-14
申请号：CN202210231787.7
申请日：2022-03-09
申请人： 云南大学
IPC分类号： G06V20/13 , G06V10/774
摘要： 本发明公开了一种基于Flow模型的卫星图像篡改检测方法，构建用于图像的Flow模型并采用未被篡改的卫星图像样本进行训练，将各个未被篡改的卫星图像样本输入Flow模型得到对应的隐空间图像样本，采用隐空间图像样本对构建的自编码器进行训练，将待检测卫星图像输入Flow模型得到隐空间图像，将隐空间图像输入自编码器得到重建隐空间图像，计算隐空间图像中各个像素和重建隐空间图像对应像素之间的偏差值，得到掩膜图像，将掩膜图像和待检测卫星图像相乘，对被篡改的像素求取连通域，从而确定篡改区域。本发明通过Flow模型进行空间转化增加篡改部分和原图的差距，再通过自编码进行重建，确定篡改位置，实现对任何没有标签的卫星图像篡改检测。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.02 秒)
