-
公开(公告)号：CN116863513A
公开(公告)日：2023-10-10
申请号：CN202310011974.9
申请日：2023-01-05
Applicant: 西北工业大学深圳研究院 , 西北工业大学
Abstract: 本发明公开了一种基于高频增强的低质量Deepfake检测方法，属于Deepfake防御技术领域，包括：获取人脸图像集；提取人脸图像集中人脸图像的特征信息、局部高频信息和全局高频信息；将特征信息和局部高频信息、全局高频信息分别融合，得到第一融合信息和第二融合信息；对第一融合信息和第二融合信息进行融合，得到最终融合特征信息；将最终融合特征信息输入分类器进行分类预测，实现对于虚假人脸的检测。本方案通过构建局部高频信息增强分支，利用通道注意力机制的特性对DCT系数执行高频幅度增强，然后构建了通道瓶颈模块剔除系数噪声，经过DCT逆变换间接实现频域感知的多空间注意力机制。
-
公开(公告)号：CN116953628A
公开(公告)日：2023-10-27
申请号：CN202310831074.9
申请日：2023-07-07
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G01S7/36 , G06V10/44 , G06V10/764
Abstract: 本发明属于雷达抗干扰技术领域，具体涉及一种基于特征提取与组合分类器的雷达有源干扰识别方法，包括如下步骤：步骤1：采用CWD变换方法对干扰信号进行处理，获取干扰信号的时频图像；步骤2：提取时频图像的轮廓特征，得到有源干扰信号全局分布信息；步骤3：依据有源干扰时频图像提取有源干扰信号复杂度、盒维数和信息维数特征，步骤4：获取有源干扰信号瞬时相位信息，依据有源干扰信号瞬时相位信息提取有源干扰信号的瞬时频率特征，步骤5：依据提取到的有源干扰信号特征向量通过组合分类器实现对雷达有源干扰信号的分类识别；本发明实现对有源干扰信号的特征提取及降维处理，运算量小、实现难度低，对多种有源干扰信号分类识别。
-
公开(公告)号：CN116383820A
公开(公告)日：2023-07-04
申请号：CN202211547947.5
申请日：2022-12-05
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06F21/57 , G06N3/0464 , G06N3/094
Abstract: 本发明属于计算机视觉与和计算机安全领域，具体涉及一种对抗重编程模型及方法，该对抗重编程模型包括特征提取模块、分类器、对抗扰动函数、对抗重编程线性函数和对抗损失函数；分类器包括若干卷积神经网络模型；特征提取模块采用卷积神经网络模型提取目标域数据集图像中的初始特征图，基于初始特征图通过对抗扰动函数获取对抗数据；且基于对抗数据设计所述对抗重编程线性函数；对抗重编程线性函数使目标域数据集图像在目标检测数据集中按攻击者的意图进行分类；本发明对抗重编程方法通过评估测试数据集的分类结果，发现掩模输入梯度的对齐度对对抗重编程攻击成功与否起着决定性作用；较大的对抗重编程掩模矩阵尺寸是有助于对抗重编程攻击的。
-
公开(公告)号：CN118887532A
公开(公告)日：2024-11-01
申请号：CN202410902365.7
申请日：2024-07-06
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明提供了一种面向开放世界的目标识别方法，提供了一种压缩空间分布，量化得分输出的目标识别方法，特征均值聚类，类别扩充泛化，联合训练后量化输出校准。本发明由于采用了压缩空间分布，量化输出得分的技术，解决了遥感图像开放环境下评估手段不足，识别精度不佳的问题，目前较现有的自动目标识别方法，本发明具有了评估开放环境中未知样本预测可靠性的能力，能够及时发现预测错误样本与未知新类样本，从而提高了模型在开放环境下的部署能力。
-
公开(公告)号：CN120013827A
公开(公告)日：2025-05-16
申请号：CN202510061087.1
申请日：2025-01-15
Applicant: 西北工业大学
IPC: G06T5/80 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/098 , G06V10/764 , G06V10/771 , G06T3/60
Abstract: 本发明公开了一种基于卷积神经网络的图像畸变矫正方法。该方法包括：获取初始图像数据集，对初始图像数据集进行筛选，得到初始无畸变图像数据集；利用不同的数学模型对初始无畸变图像数据集进行畸变处理，得到不同类型的畸变图像数据集，其中，不同的数学模型分别为除法模型、旋转模型和透视模型，不同类型的畸变图像数据集包括：桶形畸变图像数据集、枕形畸变图像数据集、旋转失真图像数据集和透视失真图像数据集，每个畸变图像携带像素坐标变换流。本发明解决了现有技术中对畸变类型不明确的畸变图像进行矫正，矫正准确率低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN119295478A
公开(公告)日：2025-01-10
申请号：CN202411315403.5
申请日：2024-09-20
Applicant: 西北工业大学
IPC: G06T7/10 , G06T7/00 , G06N3/0464 , G06N3/09 , G06N3/0895 , G06N3/084
Abstract: 本申请的实施例涉及医学图像分割技术领域，特别涉及一种基于双流网络的医学图像分割方法，包括：将待检测CCM图像输入至双流网络中，双流网络由分割分支和检测分支组成，分割分支和检测分支共用特征提取器，分割分支由编码器、解码器、目标化卷积模块和1×1卷积层组成，特征提取器在分割分支中作为编码器，检测分支由特征提取器、RPN网络、ROI池化层、全连接层和边界细化模块组成；最终由分割分支输出待检测CCM图像的朗格汉斯细胞分割结果，由检测分支输出待检测CCM图像的朗格汉斯细胞检测结果。该方法有效提升了朗格汉斯细胞进行分割和检测的精度，从而很好地辅助医生进行干燥性干眼症的诊断。
-
公开(公告)号：CN118365676A
公开(公告)日：2024-07-19
申请号：CN202410506825.4
申请日：2024-04-25
Applicant: 西北工业大学
Abstract: 本发明涉及一种自适应暗光增强的目标跟踪网路结构及目标跟踪方法，网络主要包括光照增强与目标跟踪两个模块，基于光照估计与颜色空间变化的光照补偿方法，同时也完成了对暗场景特征的自适应提升。在目标跟踪模块，主要采用了基于Transformer架构的网络，通过自注意力机制，可实现对目标的准确跟踪。相比于独立的光照增强模块，本发明针对跟踪任务进行图像特征的增强。网络结构简单，在提高性能的同时保持着目标跟踪任务实时性的要求。本文的跟踪器不仅在低光照场景下取得了较好的效果，而且维持了跟踪器在正常光照场景下的跟踪性能。相比于OSTrack算法，在UAVDark70数据集上，精确度提升了8.9％。
-
公开(公告)号：CN119130831A
公开(公告)日：2024-12-13
申请号：CN202411197507.0
申请日：2024-08-29
Applicant: 西北工业大学
IPC: G06T5/60 , G06V10/26 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于多注意力和生成式对抗网络的眼底图像增强方法。该方法包括：获取若干个眼底视网膜图像；将若干个眼底视网膜图像按照预设比例进行划分，得到若干个眼底视网膜图像的训练集和测试集；将若干个眼底视网膜图像的训练集和测试集输入至预构建的图像增强网络中，对预构建的图像增强网络进行训练和测试，得到训练成功的图像增强网络。本发明解决了低质量图像的图像增强方法中，现有的基于深度学习的图像增强方法对于由镜片上灰尘颗粒产生视网膜伪影以及血管、视杯视盘等生理结构的处理精度低和效果差的技术问题。
-
公开(公告)号：CN118628730A
公开(公告)日：2024-09-10
申请号：CN202410508220.9
申请日：2024-04-25
Applicant: 西北工业大学
IPC: G06V10/26 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于局部感知的遮挡目标检测的网络及目标检测方法，在特征层面提出了局部感知模块，通过多个局部感知分支探索出多个局部区域并使用随机丢弃策略迫使其它分支学习突出特征中的重要局部信息。考虑到检测器可能会预测出多个候选检测框的问题，提出了查询更新模块。该模块利用目标的空间位置信息剔除过多的候选框，提升检测结果准确率。最后，CrowdHuman数据集下，本研究所提算法相比RT‑DETR的平均准确率指标提升0.7％，每幅图像假阳性率对数平均值实现了0.6％的增益，雅卡指数实现了1％的增益。
-
公开(公告)号：CN118379598A
公开(公告)日：2024-07-23
申请号：CN202410563842.1
申请日：2024-05-08
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于离散先验编码的本质图像提取网络及本质图像提取方法，首先，利用离散编码的方法构建离散码本，对本质特征进行建模编码，其中，为了解决离散码本建模编码特征信息不完善和无关离散元素干扰的问题，提出多尺度离散码本建模方案以及基于索引日志的离散元素筛选机制。其次，针对本质图像的解码重构过程，为了使得先验知识更好的指导相关特征的选择，提出了自注意力和交叉注意力迭代的注意力模块，对原始图像的相关特征不断进行增强和替换。在MPI数据集上，本文相比其他方法的最优结果的反射图重构均方误差降低了60.65％，在ShapeNet数据集上，本文相比其他方法的最优结果的结构不相似度误差降低49.11％。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.043 seconds)
