-
公开(公告)号：CN117152821B
公开(公告)日：2024-06-25
申请号：CN202311142081.4
申请日：2023-09-05
Applicant: 南京理工大学
IPC: G06V40/16 , G06V10/778 , G06V10/774
Abstract: 本发明公开了一种基于双重对比学习的跨域人脸面部运动单元检测方法，属于面部识别技术领域，包括数据准备阶段、端到端模型设计阶段、端到端模型训练阶段和端到端模型测试阶段；所述数据准备阶段中使用源场景的AU数据集及AU标注和无标注的目标场景数据集；所述端到端模型设计阶段包括预准备、搭建模型架构和设计损失函数。本发明提供的一种基于双重对比学习的跨域人脸面部运动单元检测方法，通过多种约束不仅能生成清晰的图片以可视化解耦效果，也可以增强模型的解耦效果，提升跨域AU检测的性能。
-
公开(公告)号：CN116386108B
公开(公告)日：2023-09-19
申请号：CN202310304443.9
申请日：2023-03-27
Applicant: 南京理工大学
IPC: G06V40/16 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于实例一致性的公平性人脸识别方法，涉及图像信号处理技术领域，该方法主要包括以下步骤：步骤一、对人脸图像样本进行特征提取；步骤二、利用步骤一提取到的人脸样本特征，计算样本和分类器类中心构成的负样本对的相似性，以及同类样本之间正样本对的相似性；步骤三、利用步骤二得到的两种相似性，分别计算人脸样本的误识率(False PositiveRate，FPR)和召回率(TruePositiveRate，TPR)；步骤四、根据步骤三得到的样本的FPR和TPR，修改人脸识别损失函数，计算样本FPR和TPR的一致性损失。本发明采用上述方法，相比于经典人脸识别方法具有实例级的公平性，具有较高的识别精度和较低的标准差，具备优越的泛化性。
-
公开(公告)号：CN111581106A
公开(公告)日：2020-08-25
申请号：CN202010397145.5
申请日：2020-05-12
Applicant: 全球能源互联网研究院有限公司 , 国家电网有限公司 , 国网浙江省电力有限公司 , 南京理工大学
Abstract: 本发明公开了一种二进制程序漏洞测试方法、装置及可读存储介质。该方法包括：对目标二进制程序进行插桩处理并生成插桩信息一致的LLVM位码和可执行文件；相互嵌套执行对可执行文件进行模糊测试及对LLVM位码进行符号执行的过程，通过模糊测试，生成测试用例并更新覆盖信息；通过符号执行，搜索程序执行树，当根据覆盖信息发现程序执行中有分支未被覆盖时，生成相应的测试用例并加入到测试用例集合中；通过模糊测试，监控测试用例集合，当有新的测试用例时，读取新的测试用例并加入到模糊测试的测试用例队列中，并基于新的测试用例，继续探索分支后面的分支，生成测试用例并更新覆盖信息；当检测到符合终止条件时，结束漏洞测试过程。
-
公开(公告)号：CN108761402A
公开(公告)日：2018-11-06
申请号：CN201810223783.8
申请日：2018-03-19
Applicant: 南京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: G01S7/36
Abstract: 本发明公开一种基于目标函数修正的稳健低副瓣波束形成方法，步骤如下：首先对雷达阵列的接收信号进行采样，得到接收信号矢量；然后改进MVDR波束形成器的目标函数，增加副瓣电平约束条件，得到基于目标函数修正的低副瓣MVDR优化模型；之后根据上述MVDR优化模型，利用最坏情况下性能最优思想修正期望信号导向矢量；接着根据采样的数据，求得接收数据协方差矩阵与空间谱分布，重建干扰加噪声协方差矩阵；之后根据重建的协方差矩阵和导向矢量约束条件，以凸优化方法求解上述MVDR优化模型，得到全局最优权重矢量；最后将接收信号矢量与全局最优权重矢量相乘，得到稳健低副瓣自适应波束。本发明的自适应波束形成方法，稳健性好且副瓣低。
-
公开(公告)号：CN116244473B
公开(公告)日：2023-08-11
申请号：CN202310096857.7
申请日：2023-02-10
Applicant: 南京理工大学
IPC: G06F16/783 , G06F16/75 , G06V10/44 , G06V10/764 , G06V10/82 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征解耦和图知识蒸馏的多模态情感识别方法，包括以下步骤：S1、数据收集；S2、端到端的模型设计；S3、模型训练；S4、输入数据为类似步骤S1处理得到的多模态情感识别测试集I。测试阶段使用的模型为模型M中的浅层特征提取器E，共享编码器私有编码器多模态Transformer和情感分类器C，将测试集I输入步骤S3获得的模型M*中以得到测试集I的情感识别结果。本发明采用上述的一种基于特征解耦和图知识蒸馏的多模态情感识别方法，实现了端到端的多模态情感识别，显著提升了多模态情感识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN116386108A
公开(公告)日：2023-07-04
申请号：CN202310304443.9
申请日：2023-03-27
Applicant: 南京理工大学
IPC: G06V40/16 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于实例一致性的公平性人脸识别方法，涉及图像信号处理技术领域，该方法主要包括以下步骤：步骤一、对人脸图像样本进行特征提取；步骤二、利用步骤一提取到的人脸样本特征，计算样本和分类器类中心构成的负样本对的相似性，以及同类样本之间正样本对的相似性；步骤三、利用步骤二得到的两种相似性，分别计算人脸样本的误识率(False PositiveRate，FPR)和召回率(TruePositiveRate，TPR)；步骤四、根据步骤三得到的样本的FPR和TPR，修改人脸识别损失函数，计算样本FPR和TPR的一致性损失。本发明采用上述方法，相比于经典人脸识别方法具有实例级的公平性，具有较高的识别精度和较低的标准差，具备优越的泛化性。
-
公开(公告)号：CN116244473A
公开(公告)日：2023-06-09
申请号：CN202310096857.7
申请日：2023-02-10
Applicant: 南京理工大学
IPC: G06F16/783 , G06F16/75 , G06V10/44 , G06V10/764 , G06V10/82 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征解耦和图知识蒸馏的多模态情感识别方法，包括以下步骤：S1、数据收集；S2、端到端的模型设计；S3、模型训练；S4、输入数据为类似步骤S1处理得到的多模态情感识别测试集I。测试阶段使用的模型为模型M中的浅层特征提取器E，共享编码器私有编码器多模态Transformer和情感分类器C，将测试集I输入步骤S3获得的模型M*中以得到测试集I的情感识别结果。本发明采用上述的一种基于特征解耦和图知识蒸馏的多模态情感识别方法，实现了端到端的多模态情感识别，显著提升了多模态情感识别的精度。
-
公开(公告)号：CN111581099B
公开(公告)日：2023-02-10
申请号：CN202010390833.9
申请日：2020-05-11
Applicant: 全球能源互联网研究院有限公司 , 国家电网有限公司 , 国网浙江省电力有限公司 , 南京理工大学
Abstract: 本发明公开了一种漏洞路径优先级的符号执行调度方法及系统，通过将待挖掘漏洞二进制程序逆向编译的可读文本，并将可读文本划分成多个片段，每个片段中包含至少一个基本块；分析漏洞潜在性高的基本块的复杂度，片段的复杂度，程序执行路径的复杂度，结合漏洞存在因素计算疑似漏洞点所在程序执行路径的优先度，并对其进行排序，根据程序执行路径优先度调度符号执行测试，为实现高效的符号执行提供路径指导，有利于快速、高效发现漏洞路径。
-
公开(公告)号：CN108445486A
公开(公告)日：2018-08-24
申请号：CN201810204939.8
申请日：2018-03-13
Applicant: 南京理工大学
IPC: G01S13/89
Abstract: 本发明公开了一种基于协方差矩阵重建和导向矢量修正的波束形成方法，步骤如下：(1)对雷达阵列的接收信号进行采样，得到接收信号矢量；(2)根据采样得到的接收信号矢量，求得接收数据协方差矩阵与空间谱分布，然后再通过球形约束方法获得干扰导向矢量，重建干扰加噪声协方差矩阵；(3)根据重建的干扰加噪声协方差矩阵修正期望信号导向矢量；(4)根据重建的协方差矩阵和修正的期望信号导向矢量，以凸优化方法求解添加副瓣约束的MVDR模型，得到全局最优权重矢量；(5)将接收信号矢量与求出的全局最优权重矢量相乘，得到稳健低副瓣自适应波束。本发明的波束形成方法，不但稳健性好，而且副瓣低。
-
公开(公告)号：CN115797794A
公开(公告)日：2023-03-14
申请号：CN202310057656.6
申请日：2023-01-17
Applicant: 南京理工大学
IPC: G06V20/13 , G06V10/62 , G06V10/774 , G06V10/82 , G06V20/40 , G06V10/778
Abstract: 本发明公开了一种基于知识蒸馏的卫星视频多目标跟踪方法，包括以下步骤：构造专门用于目标检测的教师网络；构造用于多目标跟踪的学生网络；结合教师网络和学生网络构建知识蒸馏模块；根据知识蒸馏损失和已有损失优化学生网络模型；结合目标检测结果，输出多目标跟踪结果。本发明的优点在于将知识蒸馏技术应用于卫星视频的多目标跟踪，利用专门用于目标检测的教师网络指导学生网络学习，提升了学生网络检测的泛化能力，可适用于卫星视频中的多目标跟踪问题。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.096 seconds)
