-
公开(公告)号：CN113301017A
公开(公告)日：2021-08-24
申请号：CN202110436624.8
申请日：2021-04-22
摘要： 本发明公开了一种基于联邦学习的攻击检测与防御方法，包括：根据原始模型的模型参数，将原始模型聚类为多个模型集合；确定每个模型集合对应的第一可疑度值；将第一可疑度值超出第一预设阈值的模型集合确定为异常集合，并计算异常集合中每个原始模型的第二可疑度值；将第一可疑度值未超出第一预设阈值的模型集合确定为正常集合，并将正常集合对应的第一可疑度值确定为正常集合中每个原始模型的第二可疑度值；按照预设可疑度计算规则，计算第二可疑度值，以得到第三可疑度值；将第三可疑度值超过第二预设阈值的客户端，从服务器中删除。本发明能够在大规模客户端的应用场景下，针对全部的攻击种类，进行高效率高准确度的检测与防御，且鲁棒性强。
-
公开(公告)号：CN113301017B
公开(公告)日：2022-04-08
申请号：CN202110436624.8
申请日：2021-04-22
摘要： 本发明公开了一种基于联邦学习的攻击检测与防御方法，包括：根据原始模型的模型参数，将原始模型聚类为多个模型集合；确定每个模型集合对应的第一可疑度值；将第一可疑度值超出第一预设阈值的模型集合确定为异常集合，并计算异常集合中每个原始模型的第二可疑度值；将第一可疑度值未超出第一预设阈值的模型集合确定为正常集合，并将正常集合对应的第一可疑度值确定为正常集合中每个原始模型的第二可疑度值；按照预设可疑度计算规则，计算第二可疑度值，以得到第三可疑度值；将第三可疑度值超过第二预设阈值的客户端，从服务器中删除。本发明能够在大规模客户端的应用场景下，针对全部的攻击种类，进行高效率高准确度的检测与防御，且鲁棒性强。
-
公开(公告)号：CN118734295A
公开(公告)日：2024-10-01
申请号：CN202410769927.5
申请日：2024-06-14
申请人： 西安电子科技大学
摘要： 本发明公开了一种针对红外智能检测器的对抗攻击方法及装置，通过基于粒子群优化算法对能够添加至目标范围的数字补丁组合进行寻优，得到优化数字补丁组合；其中，粒子的位置向量由数字补丁组合中的多个数字补丁的位置、灰度值矩阵和尺寸组成，寻优过程中以最小化数字补丁组合的功耗值和攻击效果评估指标为寻优目标；基于优化数字补丁组合中的数字补丁的尺寸对应构造真实补丁；根据数字补丁在目标范围内的位置，为真实目标搭载对应的真实补丁；根据数字补丁的灰度值矩阵，控制对应的真实补丁的多个发热单元的温度，提高了真实补丁的隐蔽性和欺骗性，基于真实补丁可以更有效地实现针对红外智能检测器的对抗攻击。
-
公开(公告)号：CN118485912A
公开(公告)日：2024-08-13
申请号：CN202410273451.6
申请日：2024-03-11
申请人： 西安电子科技大学
IPC分类号： G06V20/10 , G06V10/764
摘要： 本发明提供了一种针对高光谱遥感图像数据增强和分类的方法及装置，包括从遥感成像传感器获取高光谱图像，并将所述高光谱图像确定为待分类高光谱图像；将待分类高光谱图像输入至训练好的SPL‑GAMN模型中，以使SPL‑GAMN模型提取三维HSI块，并依据待分类高光谱图像中对象数量的多少，学习第一对象在三维HSI块中的特征信息，并生成第一对象的高光谱图块，对所有的高光谱图块作分类得到所有对象的预测标签。本发明针对少数类别的数据增强，有效改善了样本不均衡问题，并将3D分类器与自步学习方法结合起来，提升了模型的泛化能力，有效改善了过拟合问题，因此鲁棒性较好，对不同的高光谱图像普遍有效，可以提高分类效果。
-
公开(公告)号：CN118397050A
公开(公告)日：2024-07-26
申请号：CN202410681798.4
申请日：2024-05-29
申请人： 西安电子科技大学
摘要： 本发明公开了一种多任务代理辅助优化的点云配准方法，包括：根据依次减小的采样率对源点云模型和目标点云模型分别均采样K次，得到K个第一点云模型和K个第二点云模型；根据第i个第一点云模型和i个第二点云模型，构建第i个代理任务对应的子种群i，得到K个不同子种群；第i个代理任务为第i个第一点云模型与i个第二点云模型的配准任务，第i个第一点云模型的旋转矩阵和平移向量，以及第i个第二点云模型的旋转矩阵和平移向量为子种群i中的两个不同个体；i的取值为1至K；采用遗传算法对K个不同子种群迭代优化，基于迭代得到的目标个体对源点云模型和目标点云模型配准。本发明能够提高配准效果，并降低配准时间成本。
-
公开(公告)号：CN118296233A
公开(公告)日：2024-07-05
申请号：CN202410429567.4
申请日：2024-04-10
申请人： 西安电子科技大学
IPC分类号： G06F16/9535 , G06F16/36 , G06Q10/0639 , G06Q50/10
摘要： 本发明公开了一种面向决策能力的即插即用型交互服务方法，包括：获取用户输入信息；对用户输入信息进行预处理，提取包含交互服务类型信息的特征向量；将包含交互服务类型信息的特征向量输入经训练的深度神经网络模型中，获得最优交互服务类型；构建分布式交互服务仓库，根据最优交互服务类型从分布式交互服务仓库中选择合适的交互服务模块；调用所选的交互服务模块，并根据用户输入信息获得服务结果；评估交互服务效果，并根据用户情绪状态优化交互服务体验。本发明通过深度神经网络确定最优的交互服务类型，可以达到根据用户需求和场景特征向量动态地确定用户所需要的交互服务类型的效果。
-
公开(公告)号：CN117994579A
公开(公告)日：2024-05-07
申请号：CN202410141086.3
申请日：2024-01-31
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/80 , G06V10/44 , G06V10/40 , G06V10/52 , G06V10/58 , G06V20/10 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
摘要： 本发明公开了一种基于稀疏特征融合的图像分类方法及图像分类系统，方法包括获取待测试的数据集，待测试的数据集包括若干PAN测试样本块和若干MS测试样本块，若干PAN测试样本块和若干MS测试样本块是通过对待测试的PAN图像和待测试的MS图像分别进行归一化、边缘补零和以每个像素为中心选取预设区域得到的；将PAN测试样本块和MS测试样本块输入训练好的融合分类模型网络中，得到每个像素点的分类类别。本发明的MS、PAN、融合特征分支模块共同作用，解决了用于PAN和MS图像的融合分类的网络总体结构单一的问题，并增强了鲁棒性，在融合特征分支模块中设计了幂平均池化通道注意力模块和随机语义空间注意力模块，从而提高了特征提取能力。
-
公开(公告)号：CN112085051B
公开(公告)日：2024-02-09
申请号：CN202010724451.5
申请日：2020-07-24
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/098 , G06N20/00 , G06F21/62
摘要： 本发明公开了一种基于加权投票的图像分类方法、系统及电子设备。该方法包括：服务端获取待分类图像，对各个客户端发起判定请求；每个客户端根据判定请求，对自身状态参数判定后反馈响应信号给服务端；服务端根据响应信号，将待分类图像分发给可以参加分类任务的目标客户端；各个目标客户端将待分类图像输入各自预先训练的少样本网络模型进行分类，得到第一分类结果；服务端对各个目标客户端的少样本网络模型进行评分，并基于该评分结果和第一分类结果进行加权投票计算，输出投票值；服务端对投票值汇总整理，输出第二分类结果。通过对客户端的模型进行评分并对客户端输出的第一分类结果进行加权投票计算，进一步提高分类的精确度。
-
公开(公告)号：CN113221731B
公开(公告)日：2023-10-27
申请号：CN202110507602.6
申请日：2021-05-10
申请人： 西安电子科技大学
IPC分类号： G06V10/82 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/77 , G06V10/26 , G06V10/75 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种多尺度遥感图像目标检测方法及系统，从遥感图像数据集中读取遥感图像，对图像进行预处理，构建训练数据集和测试数据集。构造基于冗余信息消除有效信息传递的多尺度遥感图形目标检测模型，用训练数据集对检测模型进行训练，利用训练好的目标检测模型对测试数据集进行分类；本发明引入浅层特征图中冗余信息消除策略、有效细节信息向深层特征图传递策略以及前景背景分离策略，提高了目标检测模型对小目标，密集分布目标的检测精度。可用于遥感图像目标检测任务。
-
公开(公告)号：CN116433944A
公开(公告)日：2023-07-14
申请号：CN202310207529.X
申请日：2023-03-06
申请人： 西安电子科技大学
IPC分类号： G06V10/762 , G06V10/26 , G06V20/58 , G01S17/931 , G01S7/48
摘要： 本发明公开了一种基于车载激光雷达的障碍物识别方法，涉及点云数据处理技术领域，包括：获取原始点云数据；对原始点云数据进行预处理操作，得到预处理后的点云数据；对预处理后的点云数据再进行分割地面操作，得到保留障碍物点云数据；根据保留障碍物点云数据，构建极坐标栅格图；其中，障碍物极坐标栅格图包括多个栅格；根据相对距离阈值，获取栅格聚类的自适应径向搜索步长；使用区域生长法标记符合自适应径向搜索步长要求的栅格，得到不同类别的栅格集合；将不同类别的栅格集合转换为不同类别的点云数据集合，得到障碍物信息。本发明能够在保证对障碍物目标快速识别的基础上，提高识别精度。
-
-
-
-
-
-
-
-
-
搜索结果
155 条记录 (耗时 0.052 秒)
