专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果35个,建议您升级VIP下载更多相关专利
  • [发明专利]一种面向人脸识别的对抗补丁攻击方法-CN202310334750.1在审
  • 米建勋;王绪东 - 重庆邮电大学
  • 2023-03-31 - 2023-07-04 - G06V40/16
  • 本发明涉及一种面向人脸识别的对抗补丁攻击方法,属于深度学习领域。本发明所提出的基于对抗口罩补丁的对抗样本攻击方法,相比于一般对抗补丁方法提出了更适合人脸识别模型的口罩形状且提出更适合应用场景的隐蔽性生成方法,提高了此类方法的攻击鲁棒性,增加在现实世界中攻击成功的可能性。本发明的主要创新在于针对人脸识别系统设计一种生成扰动的方法,相关损失函数通过针对人脸识别网络对嵌入向量的依赖并通过设计风格损失的环节增强补丁的隐蔽性,从而大大提升攻击现实系统的可能性,在考虑方法成功率的前提下,增加隐蔽性因素的考虑。在现实生活中的例如,攻击者可以假冒其他身份进行人脸核验,通过后盗用他人账户信息等。该攻击方法给防御提出一种隐蔽性相关的评估标准。
  • 一种面向识别对抗补丁攻击方法
  • [发明专利]一种基于对抗网络和相关性分析的跨域人脸生成方法-CN202310247353.0在审
  • 贺俊昌;米建勋 - 重庆邮电大学
  • 2023-03-15 - 2023-06-23 - G06V40/16
  • 本发明涉及一种基于对抗网络和相关性分析的跨域人脸生成方法,属于计算机领域。该方法包括以下步骤:对成对跨域图片进行预处理,通过人脸识别可见光图片获取人脸所在位置并切割得到成对的可见光和非可见光人脸图片;将可见光人脸和非可见光人脸输入到模型中,模型的特征提取模块从可见光人脸图片和非可见光人脸图片中分别提取可见光人脸特征和非可见光人脸特征;分析计算人脸特征的相关性,得到重建人脸图片,得到目标域的人脸图片,判别模块进行判别。本发明生成的可见光人脸图像质量更高,且能够生成更真实的图像且能够比其他方法更能够保持原始域人脸身份信息,在人脸匹配任务中准确率要明显优于其他方法。
  • 一种基于对抗网络相关性分析跨域人脸生成方法
  • [发明专利]基于特征梯度的双阶段黑盒目标检测可解释性方法-CN202211642289.8在审
  • 米建勋;蒋希来 - 重庆邮电大学
  • 2022-12-20 - 2023-06-09 - G06V10/764
  • 本发明涉及一种基于特征梯度的双阶段黑盒目标检测可解释性方法,属于可信深度学习领域。该方法利用特征梯度思想,将目标检测的分类任务和回归任务拆解为两个子网络进行解释,通过特征梯度方法分别获得分类子网络和回归子网络的相关重要性。本发明能够从分类子网络和回归子网络两条路径解释网络行为,为每个识别结果提供网络依据,从而达到让黑盒模型透明化的目的。该方法以平滑特征梯度为入口,找到网络注意力的集中区域,并将该区域具体所作的贡献以人类容易理解的方式呈现,用网络中的知识来解释网络的行为。
  • 基于特征梯度阶段黑盒目标检测解释性方法
  • [发明专利]一种基于扰动多样性增强的对抗训练方法及系统-CN202211642306.8在审
  • 米建勋;李澳;候尚坤;张馨月;陈涛;程晓;向菲 - 重庆邮电大学
  • 2022-12-20 - 2023-06-06 - G06N3/045
  • 本发明涉及一种基于扰动多样性增强的对抗训练方法及系统,属于深度学习安全技术领域。该方法包括:S1:将训练数据输入到模型中,执行前向传播与反向传播,获取模型损失函数对于输入数据的梯度值;S2:基于最大扰动值∈,计算服从均匀分布U(‑∈,∈)的随机噪声;S3:基于得到的梯度值以及随机噪声,生成投影至指定范围[‑,∈]中的对抗性扰动;S4:将对抗性扰动添加到对应的原始图像上,并将其投影至合法像素范围[0,1]中,得到对抗样本;S5:将对抗样本输入到模型中,执行前向传播与反向传播,更新模型参数,完成对抗训练。本发明在运算量大幅减小、训练时间大幅缩短的基础上,实现了与多步迭代方法相近的鲁棒性。
  • 一种基于扰动多样性增强对抗训练方法系统
  • [发明专利]基于差异特征学习的航拍图像目标检测方法及系统-CN202211642307.2在审
  • 米建勋;蒋科金;丁佐;李胜涛 - 重庆邮电大学
  • 2022-12-20 - 2023-06-06 - G06V20/10
  • 本发明涉及一种基于差异特征学习的航拍图像目标检测方法及系统,属于计算视觉领域。该方法采用基于无锚框的检测算法作为基准网络框架,对锚框大小和数量进行设置,并使用hourglass作为主干网络来提取特征;并使用三个并行的分支实现对目标大小、类别和差异特征的预测,通过在网络训练时实时地收集优质特征并用于指定网络接下来训练中对差异特征的学习,最后用差异特征来修正错误的特征使得整个网络输入一个更加准确的特征;通过头尾采样方法实现对头尾类别目标的划分以实现网络每次迭代时都能够学习到头尾两类目标的特征。本发明能够有效解决由于低分辨率、遮挡和模糊导致的目标本身特征信息不全的问题。
  • 基于差异特征学习航拍图像目标检测方法系统
  • [发明专利]基于视觉Transformer和卷积网络相融合的人脸表情识别方法-CN202211590920.4在审
  • 米建勋;刘毅;邹立志 - 重庆邮电大学
  • 2022-12-12 - 2023-04-07 - G06V40/16
  • 本发明属于计算机视觉的图像分类领域,具体涉及一种基于视觉Transformer和卷积网络相融合的人脸表情识别方法,该方法具有如下特征,包括以下步骤:步骤1,将待训练图像进行预处理获得预处理图像;步骤2,将预处理图像输入到基于视觉Transformer和卷积网络相融合的模型进行训练,进而得到模型的权重文件,该模型包括卷积模块、编码器以及注意力机制,所述卷积层包括对图片特征的位置信息进行关联;所述编码器包多个残差模块,所述残差模块是将编码器的输入与编码器最后输出作为编码器最后的输出结果,编码器当中由多个残差模块组成,并将这些输出作为融合注意力的输入;所述融合注意力机制将池化层中的输出作为注意力机制模块的输入,将输入的特征图使用自适应的注意力机制找出特征中不同的权重响应,最后输入到视觉Transformer当中进行训练;步骤3,加载模型权重文件,将测试的人脸表情图片输入到模型中得出表情预测结果。此外,本发明的人脸表情识别割模型对各个类别之间的特征更好的分离开,提高了表情识别模型预测的精度。
  • 基于视觉transformer卷积网络融合表情识别方法
  • [发明专利]一种汽车座舱内遗留物检测系统及检测方法-CN202011539422.8有效
  • 米建勋;高翔;钱基业;陈涛;向菲 - 重庆邮电大学
  • 2020-12-23 - 2022-09-23 - G06V20/59
  • 本发明涉及智能检测技术领域,特别涉及一种汽车座舱内遗留物检测系统及检测方法,所述方法包括根据汽车座舱内监控视频在乘客上车前画面稳定的特性,设定帧数阈值,建立座椅背景画面;座椅下的压力传感器记录下乘客的数量以及坐的位置,并持续监控压力的变化;当压力数量改变时,对前排座椅开始进行遗留物检测,对后排座椅空出来的位置区域进行遗留物检测;检测并判定遗留物后,根据我们提出的图像分类算法识别遗留物类别;识别成功后,车机系统发送短信通知到乘客的手机上或通知司机,提醒刚下车的乘客拾回遗落的物品;本发明利用目标检测的方法对遗留物进行跟踪,替代了通常使用目标跟踪方法的思想,实现一种检测即跟踪方法,克服了目标跟踪算法计算量大的难点。
  • 一种汽车座舱遗留检测系统方法
  • [发明专利]一种基于自适应表达的目标追踪方法、装置及终端-CN202010192778.2有效
  • 米建勋;李人杰 - 重庆邮电大学
  • 2020-03-18 - 2022-08-05 - G06T7/246
  • 本发明公开了一种基于自适应表达的目标追踪方法、装置及终端,本发明公开了一种基于自适应表达的目标追踪方法及设备,用于对视频中指定的目标进行追踪,实现了对处于运动状态的视频目标的准确追踪。该方法包括:获取视频当前图像帧;检查模板是否存在;初始化追踪目标模板;生成候选样本;计算自适应表达;通过表达进行追踪;检查追踪任务是否完成;更新追踪目标模板。与现有技术相比,本发明使用了自适应表达模型,即稀疏表达能够根据候选样本之间的结构关系进行自适应变化,并引入了负面模板提升模型判别性,使得本发明提供的基于自动化表达的目标追踪方法鲁棒性强、准确率高;尤其适用于汽车智能辅助驾驶系统中能够产生有效的准确跟踪。
  • 一种基于自适应表达目标追踪方法装置终端

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top