-
公开(公告)号：CN113159301B
公开(公告)日：2022-10-28
申请号：CN202110569275.7
申请日：2021-05-25
Applicant: 电子科技大学
IPC: G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于二值化量化模型的图像处理方法，属于图像处理技术领域，其包括以下步骤：S1、对图像集进行预处理，得到每张图像的初始输入数据；S2、构建二值化量化模型；S3、采用每张图像的初始输入数据对二值化量化模型进行训练，得到训练完成的二值化量化模型；S4、将一张图像的初始输入数据输入训练完成的二值化量化模型，得到图像中物体的边界和属性，完成对图像的处理；本发明解决了无人机存储内存很小，无法存储现有的全精度模型的问题。
-
公开(公告)号：CN113076962B
公开(公告)日：2022-10-21
申请号：CN202110528406.7
申请日：2021-05-14
Applicant: 电子科技大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于可微神经网络搜索技术的多尺度目标检测方法，针对不同的数据以及应用场景不需要通过大量的人力来改进已有模型使其满足性能要求，而是通过神经网络结构搜索技术来自动搜索出一个较为理想的网络模型，同时在搜索过程中，考虑了多尺度目标检测，使得搜索出的模型具有良好的检测效果。
-
公开(公告)号：CN113159301A
公开(公告)日：2021-07-23
申请号：CN202110569275.7
申请日：2021-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于二值化量化模型的图像处理方法，属于图像处理技术领域，其包括以下步骤：S1、对图像集进行预处理，得到每张图像的初始输入数据；S2、构建二值化量化模型；S3、采用每张图像的初始输入数据对二值化量化模型进行训练，得到训练完成的二值化量化模型；S4、将一张图像的初始输入数据输入训练完成的二值化量化模型，得到图像中物体的边界和属性，完成对图像的处理；本发明解决了无人机存储内存很小，无法存储现有的全精度模型的问题。
-
公开(公告)号：CN119179781A
公开(公告)日：2024-12-24
申请号：CN202411339278.1
申请日：2024-09-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于注意力机制和局部敏感哈希的黑盒对抗文本生成方法，包括步骤：基于注意力机制初始化对抗文本，删除对抗文本中的冗余噪声，基于局部敏感哈希优化对抗文本，得到最优对抗文本。本发明初始化对抗文本阶段引入注意力机制，通过优先扰动对原文本重要性高的词减少初始化对抗文本阶段对目标模型的查询次数；在优化对抗文本阶段的搜索过渡词和估计更新方向两个过程中引入局部敏感哈希方法，通过按句级向量相似性对候选文本分簇减少对抗文本优化阶段对目标模型的查询次数。两者结合能有效降低整个对抗文本生成过程对目标模型的查询次数。
-
公开(公告)号：CN114925699A
公开(公告)日：2022-08-19
申请号：CN202210470248.9
申请日：2022-04-28
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/205 , G06F40/166 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于风格变换的高迁移性对抗文本生成方法，包括如下步骤：S1、构建预训练模型，包括构建原始替代模型Forg、构建释义生成器P、构建特征提取器E和特征解码器D；S2、构建测试文本的向量表示集和替代模型集F；所述测试文本的向量表示集包括语义特征向量集Vp、缩放因子集和风格特征向量集Vs；S3、构建任务集，包括构建总任务集Task，划分查询任务集Taskqr和支持任务集Tasksr；S4、利用元学习优化策略获取风格特征噪声向量δ*；S5、生成对抗文本x*。本发明通过结合风格变换和元学习策略，在黑盒场景下能生成具备强攻击能力、高迁移性的对抗文本。
-
Patent Agency Ranking
公开(公告)号：CN113392899A
公开(公告)日：2021-09-14
申请号：CN202110650074.X
申请日：2021-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于二值化图像分类网络的图像分类方法，包括以下步骤：S1：采集原始图像，并对原始图像进行初始化；S2：根据初始化后的原始图像，搭建图像分类网络；S3：利用图像分类网络的softmax分类器进行图像分类。该图像分类方法对传统图像分类中运算量最大的卷积运算模块的卷积核进行二值化处理，使用4个同规格的二值化卷积核进行线性近似，节约算法存储空间开销。
-
公开(公告)号：CN114925699B
公开(公告)日：2023-05-23
申请号：CN202210470248.9
申请日：2022-04-28
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/205 , G06F40/166 , G06F16/33 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于风格变换的高迁移性对抗文本生成方法，包括如下步骤：S1、构建预训练模型，包括构建原始替代模型Forg、构建释义生成器P、构建特征提取器E和特征解码器D；S2、构建测试文本的向量表示集和替代模型集F；所述测试文本的向量表示集包括语义特征向量集Vp、缩放因子集和风格特征向量集Vs；S3、构建任务集，包括构建总任务集Task，划分查询任务集Taskqr和支持任务集Tasksr；S4、利用元学习优化策略获取风格特征噪声向量δ*；S5、生成对抗文本x*。本发明通过结合风格变换和元学习策略，在黑盒场景下能生成具备强攻击能力、高迁移性的对抗文本。
-
公开(公告)号：CN111191717A
公开(公告)日：2020-05-22
申请号：CN201911389624.6
申请日：2019-12-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于隐空间聚类的黑盒对抗样本生成算法，包括如下步骤：步骤1，利用卷积自编码器提取图像样本的特征表示；步骤2，当需要被攻击模型产生误分类时，利用图像样本的特征表示进行误分类对抗样本生成算法，得到对抗样本；步骤3，当需要对被攻击模型进行目标对抗时，利用图像样本的特征表示进行目标对抗样本生成算法，得到对抗样本。本发明通过采用卷积自编码器提取图像样本的特征表示，从而实现隐空间聚类，并且不需要了解目标模型的结构，实现黑盒对抗样本生成算法。
-
公开(公告)号：CN114926498B
公开(公告)日：2023-05-23
申请号：CN202210451117.6
申请日：2022-04-26
Applicant: 电子科技大学
IPC: G06T7/246 , G06T7/223 , G06V10/40 , G06V10/74 , G06V10/75 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时空约束与可学习特征匹配的快速目标跟踪方法，公开了一种基于孪生网络结构，采用时空约束机制与可学习特征匹配策略的快速目标跟踪方法。通过设置时序约束分支与空间约束分支分别捕捉并融合随时序变化的目标外观高维特征表示与限制空间搜索尺度，降低跟踪算法计算量并缓解目标因自身运动与环境变化所导致的自身视觉特征的变化。本发明通过设置可学习特征匹配模块完成特征匹配任务，相比于主流的无参互相关方法能够更好地从训练数据中学习正负样本分布并提升跟踪效果。本发明提出的跟踪方法具有良好的跟踪准确度与较高的运算速度，能够部署在运算资源受限的嵌入式平台，能完成准确的视觉目标跟踪任务。
-
公开(公告)号：CN113392899B
公开(公告)日：2022-05-10
申请号：CN202110650074.X
申请日：2021-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于二值化图像分类网络的图像分类方法，包括以下步骤：S1：采集原始图像，并对原始图像进行初始化；S2：根据初始化后的原始图像，搭建图像分类网络；S3：利用图像分类网络的softmax分类器进行图像分类。该图像分类方法对传统图像分类中运算量最大的卷积运算模块的卷积核进行二值化处理，使用4个同规格的二值化卷积核进行线性近似，节约算法存储空间开销。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
