|
|
钻瓜专利网为您找到相关结果 14个，建议您 升级VIP下载更多相关专利
- [发明专利]一种基于特征融合和分解的组合查询图像检索方法-CN202310814257.X在审
-
杨阳;徐亚辉;位纪伟
-
电子科技大学
-
2023-07-04
-
2023-10-27
-
G06F16/583
- 本发明公开了一种基于特征融合和分解的组合查询图像检索方法，在特征融合模块之前设计了一个特征对齐模块，用于训练过程中，使得特征提取器提取多模态异构的图像特征和文本特征进行对齐，增加多模态特征的语义性，消除多模态特征间的差异，利于组合查询图像检索时特征分解匹配、特征融合匹配中的特征交互，更加方便地进行多模态特征融合。此外，为了解决组合多样性挑战，本发明提出了一个特征分解模块，利用该特征分解模块，将目标图像分解到参考图像和文本描述特征空间。目标图像经过特征分解之后，分别计算目标图像同参考图像和文本描述这两个输入的相似性。同时，本发明将特征融合模块保留下来，作为一个补充。特征融合和特征分解两个模块，相辅相成，相互补充，因此，本发明可以准确检索出对应图像样本，检索结果更加精确。
- 一种基于特征融合分解组合查询图像检索方法
- [发明专利]一种基于难度引导可变攻击策略的对抗防御方法-CN202310831043.3在审
-
何仕远;位纪伟;杨阳
-
电子科技大学
-
2023-07-07
-
2023-10-13
-
G06V10/764
- 本发明公开了一种基于难度引导可变攻击策略的对抗防御方法，首先根据图像xi的分类损失函数#imgabs0#确定图像的难度阈值ρi，然后根据图像的难度阈值ρi动态调整攻击策略#imgabs1#攻击步数Ii和最大扰动强度∈i，攻击策略#imgabs2#不再依赖于固定参数，这样，改进了对抗性样本的生成，从空间分布的角度来看，每个样本对目标网络即目标网络的鲁棒性有一致的贡献，并能更好地学习攻击信息以增强目标网络的鲁棒性。同时，本发明难度阈值ρi会根据训练次数t的增加而增加，使得用于对抗训练的对抗样本的难度需要随着训练的进行不断增加，以使目标网络的鲁棒性收敛并接近鲁棒边界。此外，本发明排除了被错误分类为异常值的图像，这样减轻错误分类对目标网络鲁棒性整体改进的负面影响，尽可能地保持原始数据结构，从而减少目标网络分类准确性的衰减。
- 一种基于难度引导可变攻击策略对抗防御方法
- [发明专利]一种基于可学习元评估网络的对抗性训练方法-CN202310788347.6在审
-
杨阳;位纪伟;陈彤;徐行
-
电子科技大学
-
2023-06-29
-
2023-09-19
-
G06N3/094
- 本发明公开了一种基于可学习元评估网络的对抗性训练方法，在对抗性训练一个轮次中，交替更新可学习元评估网络和目标模型，在整个对抗性训练过程中，同时更新可学习元评估网络和目标模型。此外，为了保持公平性，元数据仅用于训练可学习元评估网络。在每个迭代中，首先一个复制目标模型为元模型，然后更新可学习元评估网络，在学习元评估网络的参数之后，直接丢弃元模型，并且使用参数更新后的可学习元评估网络以训练目标模型。本发明通过构建一个基于元学习的可学习评估网络来评估对抗样本难度并生成相应权重来对对抗训练的损失函数重新加权来帮助对抗训练，这样调整对抗样本难度以适应模型的当前状态，这样不需要过度拟合低质量有偏见的对抗样本，因此，本发明在不降低对抗文本质量的同时，提升了目标模型的鲁棒性。
- 一种基于学习评估网络对抗性训练方法
- [发明专利]一种基于自编码器的零样本图片分类方法-CN202011501875.1有效
-
杨阳;位纪伟
-
贵州大学
-
2020-12-18
-
2022-11-22
-
G06F16/35
- 本发明公开了一种基于自编码器的零样本图片分类方法，构建了一个新的生成模型，来直接用生成式方法生成不可见类别的分类器向量。生成模型是一个基于图的自编码结构，其中，编码器用来学习每个类别的隐分布，解码器则用来依据隐分布信息来生成每个类的分类器向量。由于知识图谱允许类别之间共享统计强度，本发明利用结构化的知识图谱来表示类别之间的关系，并采用图卷积神经网络在类别之间迁移知识。不同于之前的生成式方法生成类别的视觉特征，本发明直接为不可见类生成分类器，从而避免现有的生成式方法消耗大量时间的问题，缩短训练耗时，提高图片分类精度，即高效且准确。
- 一种基于编码器样本图片分类方法
|
