“练智超”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果48个，建议您升级VIP下载更多相关专利

[发明专利]基于特征关系的局部可解释方法-CN202310978031.3有效
发明人： 练智超;陈洲源;周宏拓 -专利权人：南京理工大学
申请日： 2023-08-04 - 公布日： 2023-10-20 - 主分类号： G06V10/44 文献下载
摘要：本发明公开一种基于特征关系的局部可解释方法，属于深度学习可解释领域。包括获得输入样本的超像素分割结果；对超像素进行遮蔽与组合遮蔽，获取特征间的关联大小；随机选择超像素块进行遮蔽，生成扰动数据集并通过该数据集训练一个简单模型；通过简单模型获取特征块的贡献并结合特征间关联大小进行特征块选择，得到最终的解释。本发明利用超像素遮蔽的方法，来获取特征间的关联大小，并结合特征本身的贡献大小，对深度学习模型进行解释，提高了解释的可信度，又降低了解释的随机性与敏感性。
基于特征关系局部可解释方法

[实用新型]一种快速无感防爆探测的闸机-CN202320970228.8有效
发明人： 练智超 -专利权人：南京瑞易智能科技有限公司
申请日： 2023-04-26 - 公布日： 2023-10-13 - 主分类号： H05K7/02 文献下载
摘要：本实用新型公开了一种快速无感防爆探测的闸机，包括：主体单元，其包括防爆闸机主体以及匹配安装在防爆闸机外侧的抬杆，所述防爆闸机主体内安装有防爆电控箱，所述防爆电控箱内安装有与抬杆匹配的控制线路板，且防爆闸机主体内开设有与防爆电控箱匹配的安装腔；调节伸出单元，其包括固定安装在防爆闸机主体的防爆电机以及转动安装在安装腔内壁的转柱，所述转柱上和防爆电机输出轴上均固定套设有对应的传动轮，两个所述传动轮通过传动带传动连接。本实用新型中，工作人员可以直接在防爆闸机主体外侧对防爆电控箱内的控制线路板和控制电器进行检修，大大提高了工作人员对控制线路板以及控制电器的检修效率。
一种快速防爆探测

[发明专利]用于移动端模型轻量化的基于可解释指导的模型蒸馏方法-CN202311120043.9在审
发明人：毛锐;田凤君;练智超 -专利权人：南京理工大学
申请日： 2023-09-01 - 公布日： 2023-10-10 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了用于移动端模型轻量化的基于可解释指导的模型蒸馏方法，在训练移动端搭载的识别模型时，计算训练样本中每一张图片的每一个像素的相关性系数，获得输入样本的像素特征贡献度，根据特征贡献度形成贡献度热力图分布；将贡献度热力图作为知识蒸馏中的第二教师，通过第二教师向第一教师遮盖无用特征；学生模型从第一教师中学习关键决策特征，得到分类模型，将训练完的模型，搭载在无人机上去进行图像的识别或分类。本发明利用可解释算法的特点，来提取输入样本中对分类决策起重要作用的特征区域，在蒸馏算法进行知识传递的过程中，减少无用特征的传递，即加快了蒸馏过程，又提高了蒸馏后学生模型的分类精度，提高了训练后模型质量。
用于移动模型量化基于可解释指导蒸馏方法

[发明专利]基于CNN的可解释流量入侵检测方法-CN202311105965.2在审
发明人：孙云鹏;练智超 -专利权人：南京理工大学
申请日： 2023-08-30 - 公布日： 2023-10-03 - 主分类号： H04L9/40 文献下载
摘要：本发明公开一种基于CNN的可解释流量入侵检测方法，属于人工智能安全技术领域。包括将输入样本进行图像化重构；对所用CNN模型进行预训练，选择其中表现最好的三个模型进行超参数优化；将所选模型集成、重组并进行训练；计算各个子模型的热力图；计算集成模型热力图；定位并输出关键特征。本发明利用梯度激活热力图机制的特点，来提取模型重点关注的特征区域，在对流量数据进行分类的同时，提供了关注特征区域的可视化方法，即保证了入侵检测的准确率，又增强了模型分类依据的可解释性，提高了对模型的信任度。
基于 cnn 可解释流量入侵检测方法

[发明专利]面向深度伪造音视频的多模态融合检测方法-CN202310804203.5在审
发明人： 练智超;彭雪康;王书娟 -专利权人：南京理工大学
申请日： 2023-07-03 - 公布日： 2023-09-22 - 主分类号： G06V10/80 文献下载
摘要：本发明公开一种面向深度伪造音视频的多模态融合检测方法，属于多模态机器学习领域，包括使用时序‑空间特征提取器、交叉注意力跨模态联合学习解码器和多模态分类检测器构建一个网络架构来进行音频‑视频多模态识别；时序‑空间特征提取器负责对音频和视频模态特征进行统一的处理；交叉注意力跨模态联合学习解码器通过两个并行的解码器使两种模态信息进行联合学习；多模态分类检测器通过融合二者的特征信息输出二分类结果。本发明利用音频‑图像模态的互补性，能够区分出人类不易察觉的视频是否是伪造的，增强了对于多种伪造方法生成的深度伪造数据的检测鲁棒性，提高了人脸识别设备和虚假生成内容监管的安全性。
面向深度伪造视频多模态融合检测方法

[发明专利]全覆盖隐蔽定向对抗攻击方法-CN202310990193.9在审
发明人： 练智超;周宏拓;陈洲源 -专利权人：南京理工大学
申请日： 2023-08-08 - 公布日： 2023-09-05 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了全覆盖隐蔽定向对抗攻击方法，属于人工智能安全领域。本发明的全覆盖隐蔽定向对抗攻击方法，首先获得输入的模型和纹理信息等；应用每一轮训练的纹理在模型上；计算攻击损失和隐蔽损失；通过损失迭代优化形成最终的对抗纹理。本发明采用一个新颖的针对yolo模型的定向攻击损失函数，优于目前只能进行非定向攻击的攻击方法，发现了更大的人工智能安全领域漏洞，为以后的防御思路做出贡献。本发明用于安全性评估、防御方法改进、数据集增强以及异常检测与故障排除，可以提高检测模型的鲁棒性、安全性和可靠性，为人工智能安全领域的预防做出贡献，促进人工智能系统的发展与应用。
覆盖隐蔽定向对抗攻击方法

[发明专利]面向小样本的文本命名实体识别方法-CN202310596260.9在审
发明人： 练智超;周承琳;彭雪康 -专利权人：南京理工大学
申请日： 2023-05-24 - 公布日： 2023-08-22 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了面向小样本的文本命名实体识别方法，属于自然语言处理领域。包括使用两个独立的BERT编码器构建一种网络架构来利用标签名称中的语义信息为模型提供额外信息。其中，一个编码器负责编码文档及其单词；而另一个编码器则获取标签名称的表征；通过训练模型将编码器产生的单词表征和标签表征进行匹配，最终为单词分配与其相似度最高的标签名。本发明利用目标数据集中标签名称的语义对于检索先验知识的重要性，增强了对于标签名称变化的鲁棒性，能够区分语义上相似的标签，同时提高小样本命名实体识别的质量和效率。
面向样本文本命名实体识别方法

[发明专利]基于生物信号和时空信号的深度伪造视频检测方法-CN202310626199.8在审
发明人：杨璐嘉;王永佳;舒文晔;练智超 -专利权人：南京理工大学
申请日： 2023-05-30 - 公布日： 2023-08-22 - 主分类号： G06V20/40 文献下载
摘要：本发明公开一种基于生物信号和时空信号的深度伪造视频检测方法，属于人工智能安全领域。首先对视频进行人脸识别，将视频裁剪对齐生成人脸视频，从视频中提取视频帧和绿色通道的rPPG信号，将这两种数据分别输入到三维残差网络和二维卷积神经网络中训练基学习器，最后基于stacking策略构建多模态融合鉴伪的集成模型，输出鉴伪结果。本发明利用三维残差网络中的三维卷积核学习视频时序信息，用池化层学习空间信息，并提取视频中难以被伪造的生物信号，辅助鉴伪，增加视频鉴伪的准确率。充分的实验表明，所建立的融合模型能够较好地应对视频低分辨率情况，在各种伪造算法上的鉴伪效果好，具有良好的泛化性能。
基于生物信号时空深度伪造视频检测方法

[发明专利]一种面向小样本文本分析的统一提示调优方法-CN202310607594.1在审
发明人： 练智超;王书娟;王盼盼 -专利权人：南京理工大学
申请日： 2023-05-26 - 公布日： 2023-08-15 - 主分类号： G06N3/0895 文献下载
摘要：本发明公开一种面向小样本文本分析的统一提示调优方法，属于自然语言处理领域。包括通过一种新的统一范式POV，对训练样本进行数据增强；利用知识增强的选择性KSMLM进行自监督任务学习；最终对特定的下游任务，在小目标训练集上进行微调，来完成预训练语言模型面向小样本的各类文本分类任务。本发明提出了基于提示的统一调优框架，利用新的范式POV以及自监督的KSMLM，显式地从无目标数据集中捕获提示语义，既提高了预训练语言模型在小样本文本分析任务中的性能，又增强了泛化能力。
一种面向样本文本分析统一提示方法

[发明专利]基于特征注意力的迁移性人脸识别对抗攻击方法及装置-CN202310518841.0有效
发明人： 练智超;吕重仪;王玲 -专利权人：南京理工大学
申请日： 2023-05-10 - 公布日： 2023-07-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了基于特征注意力的迁移性人脸识别对抗攻击方法及装置，属于人工智能安全领域。包括获得对齐后的人脸图像；选择人脸识别模型多个迁移性中间层；通过特征融合手段得到集成特征图和集成特征注意力；计算特征图和特征注意力的L2范数距离，得到最终的对抗样本。本发明利用特征注意力的特点，来提取不同人脸识别模型的共有特征，并利用特征融合手段进一步扩大了不同人脸识别模型共有特征搜索范围，在对模型特征空间攻击时，不仅保证了原始白盒攻击能力，同时增强了人脸对抗样本在不同模型之间的迁移性，提高了人脸对抗攻击的黑盒攻击成功率。
基于特征注意力迁移性识别对抗攻击方法装置

[发明专利]基于神经元敏感性的白盒测试样本生成方法-CN202310420554.6有效
发明人： 练智超;田凤君;毛锐 -专利权人：南京理工大学
申请日： 2023-04-19 - 公布日： 2023-06-30 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了基于神经元敏感性的白盒测试样本生成方法，属于人工智能安全领域。包括获得模型的最小失真扰动；选择覆盖率指标对测试样本集进行更新，生成初步的测试样本队列；将神经网络预测结果反向传播，逐层计算神经元的重要性；通过神经网络验证技术，选择模型中对扰动变化敏感的神经元，生成最终的模型的测试样本集。本发明利用神经元边界对扰动变化不同的特点，来提取模型中边界变化大的神经元，定义为具有敏感性的神经元，选择覆盖率指标进行指导的同时，对样本集中图片添加固定区域扰动，即保证了神经元覆盖率不跌落，又提高了样本对扰动的敏感程度，提高神经网络的覆盖率。
基于神经元敏感性测试样本生成方法

[发明专利]一种基于图像的交通标志检测方法-CN202110654274.2有效
发明人： 练智超;潘陶嘉诚;陈墨 -专利权人：浙江澄视科技有限公司
申请日： 2021-06-11 - 公布日： 2023-03-24 - 主分类号： G06V20/58 文献下载
摘要：本发明涉及计算机视觉的深度学习技术领域，具体公开了一种基于图像的交通标志检测方法，所述方法包括对CCTSDB数据集进行数据增强，生成数据集中的正负样本；重新训练骨干网络ResNet‑101，提取卷积网络特征；根据递归FPN结构将FPN模块多尺度融合的特征图再次前向反馈到骨干网络中进行递归处理；基于注意力模块从通道注意力和空间注意力两个方面增强特征图的前景特征；基于Inhibition attention模块抑制SAM模块大目标特征，再进行二次特征提取和递归融合，生成特征图；基于transformer模块对特征图进行序列预测，生成目标框和目标类别。本发明极大的提高了检测精度和准确率，便于推广。
一种基于图像交通标志检测方法

[实用新型]一种教学过程中使用的疲劳检测报警装置-CN202221421070.0有效
发明人： 练智超;王玲;司明飞;朱晨 -专利权人：江苏远恒教育科技有限公司
申请日： 2022-06-08 - 公布日： 2023-03-14 - 主分类号： A47B19/10 文献下载
摘要：本实用新型公开一种教学过程中使用的疲劳检测报警装置，包括位于教室前端用于教师教学使用的多媒体讲台，所述多媒体讲台上端前侧设置有一储物槽，该储物槽的底部设置有一升降装置，该升降装置的升降杆上安装有升降板，升降板可在储物槽中上升或下降，所述升降板的前侧设置有一竖向的前侧板，且该前侧板的两端各嵌装有一学生用疲劳检测摄像模块，所述的学生用疲劳检测摄像模块面向讲台前方的学生，可拍摄采集学生的面部图像信息。本装置可同时检测学生和教师的疲劳状态，并且本装置是集成式安装在教室中的多媒体讲台上的，其安装位置非常的合理巧妙，不需要另外设置其他的安装结构，且位于前端，可基本上拍摄到所有的学生，十分的方便。
一种教学过程使用疲劳检测报警装置

[实用新型]一种防伪装视频检测装置-CN202222131919.7有效
发明人： 练智超 -专利权人：南京瑞易智能科技有限公司
申请日： 2022-08-12 - 公布日： 2023-02-07 - 主分类号： H04N23/60 文献下载
摘要：本实用新型提供一种防伪装视频检测装置，包括壳体，所述壳体的内腔设置有安装座，所述壳体内腔底部的一端设置有电机，所述电机的输出端设置有螺纹杆，所述螺纹杆的外侧壁套设有内螺纹套块，且内螺纹套块表面的一端和安装座表面一端相互连接，所述安装座的顶部设置有检测摄像头。本实用新型提供的防伪装视频检测装置通过两种散热的方式相互结合，可提高该装置的散热效果，保证该装置在长时间的使用时，其装置内部元件产生的热量可及时散发出去，从而避免装置过热，保证装置的正常使用，从而也避免导致装置内部元件过热而烧毁，进而提高了该装置的使用寿命。
一种伪装视频检测装置

[发明专利]一种基于局部区域正则化的人脸伪造检测方法-CN202211365584.3在审
发明人：刘思佟;练智超;肖亮 -专利权人：南京理工大学
申请日： 2022-11-03 - 公布日： 2022-12-30 - 主分类号： G06V40/16 文献下载
摘要：本发明公开一种基于局部区域正则化的人脸伪造检测方法，属于人工智能技术领域，对人脸区域图像进行缩放和分块后形成的图像块的排列次序进行随机打乱生成新图像，并记录排列次序；然后提取打乱次序生成的新图像的特征；在训练过程中，将提取到的打乱次序生成的新图像的特征输入位置重建分支得到图像块的排列次序，以此鼓励模型建模图像块的相关性；将提取到的打乱次序生成的新图像的特征输入分类器，得到最终的图像是伪造图像的概率。本发明通过对图像进行块级打乱并重建实现局部区域正则化，克服训练集和测试集分布偏差导致的过拟合，鼓励模型关注图像局部区域和建模图像块相关性，增强网络的检测和泛化能力，提高对折损数据的伪造检测性能。
一种基于局部区域正则伪造检测方法

1
2
3
4
下一页»
尾页
共 48 条