-
公开(公告)号：CN110688927B
公开(公告)日：2022-09-30
申请号：CN201910890368.2
申请日：2019-09-20
申请人： 湖南大学
IPC分类号： G06V20/40 , G06V40/20 , G06V10/764 , G06V10/80 , G06K9/62
摘要： 本发明提出一种基于时序卷积建模的视频动作检测方法，首先采用动作提案生成技术产生尽可能包含完整动作的提案片段；其次使用非极大值抑制配合加权IoU筛选出完整且重叠度高的提案，随后对提案进行稀疏采样得到指定数量的视频帧；采用深度网络模型提取视频帧的时空特征；然后对得到的帧级时空特征按演化模式划分成三个阶段，随后使用时序卷积对每个阶段的特征分别进行时序建模。最后使用分类器和回归器来预测动作类别和检测动作发生的时间区间。应用本发明可以克服提案的不完整性，同时最大限度的保留视频流的时序信息，进而更为精确的检测视频中的动作。
-
公开(公告)号：CN115187449A
公开(公告)日：2022-10-14
申请号：CN202210701563.8
申请日：2022-06-20
申请人： 湖南大学
摘要： 本发明提出了一种基于透视变换的提高对抗样本迁移性的方法。具体涉及深度学习、图像分类、数据增强、对抗攻击等技术领域。该方法可以和其他基于梯度的攻击方法结合，并进一步提升对抗样本的迁移性。为达上述目的，本发明采用将数据增强的方式，来削弱对抗样本在源模型上的过拟合，从而提高对抗样本的迁移性。具体通过透视变换来模拟人眼从不同角度观测到的物体成像，通过输入变换后的图片到神经网络模型，并用该梯度来代替原图片的梯度，减少对抗样本在源模型上的过拟合。在ImageNet数据集上的实验结果表明，本发明提出的方法可以显著提高对抗样本的迁移性，并且，当和其他基于梯度的攻击方法结合时，在当前先进十种防御机制下，平均攻击成功率达到94.7％。这表明目前这些防御方法远远不能抵抗对抗样本。
-
公开(公告)号：CN101866410A
公开(公告)日：2010-10-20
申请号：CN201010161131.X
申请日：2010-04-30
申请人： 湖南大学
IPC分类号： G06F21/22
摘要： 本发明公开了一种在Java软件中嵌入和提取水印的方法。其中嵌入水印包括以下步骤：将水印数字按照Asmuth-Bloom体系分为子水印数字；将子水印数字转化为一组PPCT水印；将一组PPCT水印转化为一组建图指令并嵌入Java程序体中；在Java软件中提取水印包括以下步骤：从Java程序的堆栈中提取出t个PPCT水印；将t个PPCT水印转化为t个子水印数字；对t个子水印数字进行运算得到水印数字。本发明采用Java类库的LinkedList作为PPCT水印节点的载体，使得水印的建立指令隐藏在程序中普遍存在的链表应用指令之中，提高了水印的隐蔽性。
-
-
公开(公告)号：CN110688927A
公开(公告)日：2020-01-14
申请号：CN201910890368.2
申请日：2019-09-20
申请人： 湖南大学
摘要： 本发明提出一种基于时序卷积建模的视频动作检测方法，首先采用动作提案生成技术产生尽可能包含完整动作的提案片段；其次使用非极大值抑制配合加权IoU筛选出完整且重叠度高的提案，随后对提案进行稀疏采样得到指定数量的视频帧；采用深度网络模型提取视频帧的时空特征；然后对得到的帧级时空特征按演化模式划分成三个阶段，随后使用时序卷积对每个阶段的特征分别进行时序建模。最后使用分类器和回归器来预测动作类别和检测动作发生的时间区间。应用本发明可以克服提案的不完整性，同时最大限度的保留视频流的时序信息，进而更为精确的检测视频中的动作。
-
公开(公告)号：CN110659635A
公开(公告)日：2020-01-07
申请号：CN201910890308.0
申请日：2019-09-20
申请人： 湖南大学
IPC分类号： G06K9/32
摘要： 本发明提供一种基于视频的不规则ROI选取方法，首先判断输入内容是否需要做裁剪；其次在传入视频第一帧图像上通过鼠标选取角点连接为不规则ROI；随后检验所选取ROI，存在误差可点击右键取消，重新选择；然后将所述ROI转换，生成二值化mask图像并与原图融合得到合成图像；最后将图片合成视频，得到已选取ROI的视频，对图像或视频进行目标检测与跟踪。本发明通过对不同原始图像或视频进行自定义选取不规则、多边形的ROI区域进行处理，尽可能的贴近检测区域形状，并设置区域验证，选取完ROI后对其进行验证确认，在去除大量冗余区域的同时，提高图像、视频处理效率，实现高精度的识别、检测和跟踪。
-
公开(公告)号：CN102521557A
公开(公告)日：2012-06-27
申请号：CN201110404572.2
申请日：2011-12-08
申请人： 湖南大学
发明人： 张汗灵
IPC分类号： G06K7/00
摘要： 本发明公开了一种RFID电子标签数据的篡改检测方法。其包括以下步骤：水印的生成和嵌入，利用混沌系统产生的实数序列，经阈值函数生成待嵌入水印信息，并通过二次剩余判别算法将水印信息嵌入到电子标签数据中；水印的提取，读取标签地址对应的二进制信息，并保存此信息经二次剩余函数计算后的返回值，重复以上操作，提取出嵌入的水印信息；水印信息篡改检测，将待验证信息生成的水印与上述步骤提取出的嵌入信息进行比较，判断待验证信息是否正确，若有误，便可定位被篡改信息。本发明的优势是：当加密的密钥被破解后，虽然恶意篡改者修改信息后再次按原地址存储，但利用本发明提出的篡改检测方法，则可以检测存储的信息是否被篡改，以此达到双重保护的效果。
-
公开(公告)号：CN113569639B
公开(公告)日：2023-07-25
申请号：CN202110709230.5
申请日：2021-06-25
申请人： 湖南大学
IPC分类号： G06V40/10 , G06V10/774 , G06V10/764 , G06V10/74
摘要： 本发明公开了一种基于样本中心损失函数的跨模态行人重识别方法，具体步骤包括：对跨模态行人重识别数据集进行数据增强和批采样；构建具有模态特异结构的深度特征提取模型；在深度特征提取模型后设置全局平均池化层，得到第一阶段特征用于计算样本中心损失；对第一阶段特征进行归一化，得到第二阶段特征用于计算身份分类损失；使用样本中心损失和身份分类损失联合监督跨模态行人重识别网络的训练；使用训练好的网络进行跨模态行人重识别。本发明提出的样本中心损失函数旨在缓解不同模态行人特征之间的显著差异，提高同类行人特征的一致性和异类行人特征的区分性，实现更好的跨模态行人重识别效果。
-
公开(公告)号：CN113947520A
公开(公告)日：2022-01-18
申请号：CN202111195499.2
申请日：2021-10-14
申请人： 湖南大学
摘要： 本发明公开了一种基于生成对抗网络实现人脸妆容迁移的方法，在有效保证妆容准确的转移到人脸各化妆区域的基础上，更好的维持了未化妆图像人脸身份特征和背景与源图像的一致性。首先利用一个双输入输出对抗网络，接收两张非成对化妆/未化妆图像，来实现跨域图像的妆容转移和妆容去除。同时，在对抗网络中引入化妆损失，身份保留损失，背景不变损失等五类损失函数，以帮助训练一个准确、逼真、稳定的面部化妆转移网络。对于训练完成的网络，导入任意两张化妆和未化妆的人脸图片，即可自动完成精准的化妆转移，同时保留未化妆人脸图片的身份特征和背景特征。
-
公开(公告)号：CN113569639A
公开(公告)日：2021-10-29
申请号：CN202110709230.5
申请日：2021-06-25
申请人： 湖南大学
摘要： 本发明公开了一种基于样本中心损失函数的跨模态行人重识别方法，具体步骤包括：对跨模态行人重识别数据集进行数据增强和批采样；构建具有模态特异结构的深度特征提取模型；在深度特征提取模型后设置全局平均池化层，得到第一阶段特征用于计算样本中心损失；对第一阶段特征进行归一化，得到第二阶段特征用于计算身份分类损失；使用样本中心损失和身份分类损失联合监督跨模态行人重识别网络的训练；使用训练好的网络进行跨模态行人重识别。本发明提出的样本中心损失函数旨在缓解不同模态行人特征之间的显著差异，提高同类行人特征的一致性和异类行人特征的区分性，实现更好的跨模态行人重识别效果。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.024 秒)