-
公开(公告)号：CN118230093A
公开(公告)日：2024-06-21
申请号：CN202410353358.6
申请日：2024-03-27
Applicant: 桂林理工大学
IPC: G06V10/774 , G06V10/764 , G06T7/10 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于3D卷积的图像篡改定位方法，属于图像分割技术领域，实现步骤为：1)构建训练数据集；2)构建基于3D卷积图像篡改定位网络模型；3)训练3D卷积图像篡改定位网络模型；4)篡改图像输入已训练好的3D卷积图像篡改定位网络模型，通过对篡改区域边缘和真实图像边缘特征不一致性进行检测，由融合模块中的SRM流、两个RGB流和BayarConv流有效增强篡改区域和真实区域之间的特征差异，使用3D卷积，来加大感受野，进而增强网络的表达能力，以此进一步提升了泛化性和更准的定位能力。
-
公开(公告)号：CN119204157A
公开(公告)日：2024-12-27
申请号：CN202411213606.3
申请日：2024-08-30
Applicant: 桂林理工大学
IPC: G06N3/094 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种基于重构数据和替代模型的对抗攻击方法，包括如下步骤：1）构建生成模型：提升生成模型的性能；2)选取替代模型；3）随机噪声与伪标签的生成与初始化；4）构建更新生成模型的损失函数：将交叉熵损失函数和信息熵损失函数相结合构建新的组合损失函数；5）构建蒸馏过程损失函数：将蒸馏损失函数和边界损失函数相结合构建B‑D组合损失函数；6)协同替代模型训练生成模型；7）协同生成模型对替代模型进行知识蒸馏训练；8)生成模型和替代模型协同迭代更新；9）对目标模型进行攻击。本发明能够有效的提升重构数据的质量，以较低的查询成本更好的提升对抗攻击的成功率，为对抗攻击、模型安全性评估等领域提供有效方案。
-
公开(公告)号：CN118229956A
公开(公告)日：2024-06-21
申请号：CN202410308655.9
申请日：2024-03-18
Applicant: 桂林理工大学
IPC: G06V10/25 , G06V40/10 , G06N3/0464 , G06V10/764 , G06V10/82 , G06V10/776 , G06V10/774 , G06V10/40 , G06N3/08 , G06N3/082
Abstract: 本发明公开了一种基于YOLOv7的注意力引导特征优化机制的草地贪夜蛾幼虫目标检测方法，属于计算机视觉与深度学习目标检测技术领域，包括如下步骤：1）草地贪夜蛾幼虫图像数据集构建；2）注意力引导特征优化模块（AFOM）设计；3）AFOM‑YOLOv7深度学习模型构建；4）基于数据集的幼虫目标检测。本方法在草地贪夜蛾幼虫图像数据集上进行了对比实验和消融实验，分别分析了CBAM和AFOM两个模块对模型性能的影响，并分析了AFOM模块中丢弃末尾权重特征的比例对检测效果的影响。实验表明，本发明在草地贪夜蛾幼虫目标检测精度上取得了较理想的结果，证明了该方法的有效性。
-
公开(公告)号：CN118042057A
公开(公告)日：2024-05-14
申请号：CN202410294473.0
申请日：2024-03-15
Applicant: 桂林理工大学
Abstract: 本发明提供了一种基于混沌系统和跨行列循环位移的图像加密方法。本发明设计了一个新型的二维沌系统，经过李普亚诺夫指数、分岔图、NIST测试，证明具有良好的混沌性能。通过该系统生成的混沌序列对原始图像数据进行了置乱和扩散处理，得到均匀噪声状的密文，完成加密过程。然后通过逆扩散和逆置乱，完成解密。利用#imgabs0#灰度图像houses作为测试对象，通过直方图分析、像素相关性测试、抗噪声和抗剪裁能力评估，证实了该技术能够有效地保障图像信息的安全性。
-
公开(公告)号：CN118155021A
公开(公告)日：2024-06-07
申请号：CN202410353355.2
申请日：2024-03-27
Applicant: 桂林理工大学
IPC: G06V10/774 , G06V10/764 , G06T7/10 , G06T5/20 , G06T5/50 , G06T5/94 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于Vision Transformer的图像篡改定位方法，属于图像分割技术领域，实现步骤为：1)构建训练数据集；2)构建基于Vision Transformer图像篡改定位网络模型；3)训练Vision Transformer图像篡改定位网络模型，得到训练好的Vision Transformer图像篡改定位网络模型；4)篡改图像输入训练好的图像篡改定位网络模型，得到篡改分割图像。本发明构建了一种串行网络结构的图像篡改取证方法，对真的图像局部噪声和篡改图像篡改区域局部噪声不一致性进行检测。由图像增强空间域高通滤波、两个原始图像流和频率域高通滤波能够有效增强篡改区域和真实区域之间的特征差异，使用Vision Transformer来加大感受野，进而提升网络的表达能力，以此进一步增强了泛化性和更准的定位能力。
-
Patent Agency Ranking
公开(公告)号：CN117494182A
公开(公告)日：2024-02-02
申请号：CN202311180837.4
申请日：2023-09-13
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于四维混沌系统的人脸图像区域信息加密方法，提出一个四维混沌系统，并通过详细的混沌特性分析验证其具有理想的混沌性质，以满足加密算法的要求。此外，本发明针对四维混沌系统，设计了一个新的初始值构造方法，该混沌系统的初始值和明文图像的哈希值相关联。同时，本发明将四维混沌系统的四个混沌序列与AES加密算法相结合，使图像加密算法具有更好的加密效果。与已有的基于混沌系统的图像信息加密算法相比，本发明提出的方法可以选择性地对人脸图像区域进行加密，有效提高了系统加密效率，节省了资源，可适用于资源有限的边缘设备上。
-
公开(公告)号：CN115496658A
公开(公告)日：2022-12-20
申请号：CN202211168904.6
申请日：2022-09-25
Applicant: 桂林理工大学
Abstract: 本发明公开一种基于双重注意力机制的轻量级图像超分辨率重建方法，属于图像处理技术领域，实现步骤为：1)构建训练数据集；2)构建超分辨率网络模型；3)训练超分辨率网络模型，从而得到训练好的超分辨率网络模型；4)获得超分辨率重建图像。本发明通过基于简单通道注意力机制和增强型空间注意力机制的轻量级图像超分辨率重建方法，能够获取有利于图像超分辨率重建的通道特征信息和空间特征信息，不仅有效地提升了超分辨率网络模型的重建性能，同时，相较于主流的轻量级超分辨率网络模型有更低的参数量和计算量。
-
公开(公告)号：CN119155009A
公开(公告)日：2024-12-17
申请号：CN202410989869.7
申请日：2024-07-23
Applicant: 桂林理工大学
Abstract: 本发明提供了一种基于四维保守混沌系统的图像加密算法，设计了一个新型的四维保守混沌系统，通过混沌系统的动力学分析证明其具有良好的混沌性能。此外，本发明为该混沌设计了基于明文哈希算法的初始值构造方案。然后通过该系统生成的四条随机序列对原始图像数据进行了置乱和扩散处理，得到均匀噪声状的密文，完成加密过程。最后通过逆扩散和逆置乱，完成解密。与先前基于超混沌系统的图像加密算法相比，本发明具有一定的优势：它实现了行列同时置乱，极大地提高了加密效率，并且具有更好的加密性能。因此，本发明能够有效地保障图像信息的安全性。
-
公开(公告)号：CN119049024A
公开(公告)日：2024-11-29
申请号：CN202411116441.8
申请日：2024-08-14
Applicant: 桂林理工大学
IPC: G06V20/60 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于YOLOv7‑SV的农作物害虫幼虫检测方法，涉及目标检测技术领域。包括如下步骤：1）对不同农作物害虫幼虫图像进行分类和标注，构建数据集；2）将数据集划分为训练集和测试集；3）构建YOLOv7‑SV网络模型：构建SGNet轻量级网络，将其作为YOLOv7骨干网络，用VoVGSCSP替换头部E‑ELAN模块，并基于MPDIoU优化损失函数；4）训练YOLOV7‑SV模型，得到最优模型权重；5）加载最优模型权重，输入农作物害虫幼虫图像，得到最终检测结果。本发明所构建的网络模型能有效减少参数量和计算量，实现更快的收敛速度和更准确的回归结果，为农作物害虫幼虫的检测提供有效技术方案。
-
公开(公告)号：CN118229539A
公开(公告)日：2024-06-21
申请号：CN202410308658.2
申请日：2024-03-18
Applicant: 桂林理工大学
IPC: G06T5/40 , G06T5/73 , G06T3/04 , G06T5/90 , G06V10/25 , G06V40/10 , G06V10/54 , G06V10/20 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于自然场景草地贪夜蛾幼虫目标检测的图像增强方法，属于图像处理和计算机视觉技术领域。包括：草地贪夜蛾幼虫图像数据集，图像参数提取，基于所提取图像参数的图像自适应调整，多层滤波器模块；本发明所优化的图像数据集在目标检测模型上的实验结果表明，与原始图像数据集相比，训练所得到的模型权重具有更好的预测性能，特别是对于自然场景中草地贪夜蛾幼虫这类较小的虫类目标，有了更高的检测准确度。通过PSNR等评价指标衡量方法的性能，本发明的方法所处理的图像数据集优于传统图像增强方法，证明了方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
