-
公开(公告)号：CN117892317A
公开(公告)日：2024-04-16
申请号：CN202410108773.5
申请日：2024-01-25
Applicant: 上海交通大学
IPC: G06F21/57 , G06N3/0464 , G06N3/08 , G06F18/241
Abstract: 本发明提供了一种基于对抗攻击的深度学习模型弱标签漏洞挖掘方法及系统，使用任意对抗攻击算法挖掘人工智能分类模型的漏洞标签，并使用其他对抗攻击方法对漏洞标签进行目标对抗攻击的成功率变化验证模型漏洞性。包括：选取任意对抗攻击方法进行变幅度对抗样本攻击，根据攻击结果提取易转移标签与脆弱标签，更换其他对抗攻击算法对两类标签进行攻击。本方法创新性提出并验证使用任意一种对抗攻击算法得到的结果在使用其他攻击算法时具有迁移性，在公开模型上进行了实验，验证了本方法能有效提取模型漏洞标签，是一种全流程的挖掘模型漏洞挖掘方法，具有通用性、效果好、可解释性强等优势特点，在人工智能分类领域具有实际应用价值。
-
公开(公告)号：CN111144248B
公开(公告)日：2024-02-27
申请号：CN201911293709.4
申请日：2019-12-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于ST‑FHCD网络模型的人数统计方法，包括：信息获取步骤：获取教室中的图片；检测步骤：在图片中检测人脸位置框，输出框数目；融合步骤：对框数目进行融合，得到人数信息；存储步骤：将人数信息存储数据库中。本发明通过对于不同尺度图片的检测，弥补了算法对于目标大小的检测差异，降低了漏检率；通过一定时间内的检测结果融合，可以提升被阻挡目标的检测率，减少漏检率；通过预先对于座位区域的划分，降低了人数的误检率，提升了算法效率。
-
公开(公告)号：CN113965744B
公开(公告)日：2023-02-07
申请号：CN202111211591.3
申请日：2021-10-18
Applicant: 上海交通大学
IPC: H04N17/00 , H04N19/114 , H04N19/44
Abstract: 本发明提供了一种基于运动矢量残差的HEVC视频双压缩取证方法及系统，涉及视频重压缩检测技术领域，该方法包括：步骤S1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息；步骤S2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列；步骤S3：通过投票算法对所述特征序列进行分析，定位异常帧位置；步骤S4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；步骤S5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度。本发明能够考虑HEVC针对快速变化场景设计的自适应编码模式，具有鲁棒性高，检测效率高的特点。
-
公开(公告)号：CN111767804A
公开(公告)日：2020-10-13
申请号：CN202010512980.9
申请日：2020-06-08
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于人工智能的可回收垃圾图像分类方法及系统，包括：步骤S1：部署硬件环境，建立摄像头、开发板主体和外接显示设备之间的联系；步骤S2：摄像头检测垃圾后拍摄图片；步骤S3：对图片进行预处理，按照预设的清晰度判别标准，对拍摄的图片进行清晰度比较，筛选出清晰度最高的一张图片；步骤S4：对筛选出的图片进行背景分割，分割出图片中包含的物体；步骤S5：将分割出的物体图片放入到卷积神经网络中进行图片分类，输出对应的概率分布；步骤S6：对概率分布进行判别并做出对应措施。本发明提升了使用者对垃圾分类的效率，从而提升了垃圾正确分类的概率。
-
公开(公告)号：CN109284738B
公开(公告)日：2020-08-04
申请号：CN201811252816.8
申请日：2018-10-25
Applicant: 上海交通大学
IPC: G06K9/00
Abstract: 本发明提供一种不规则人脸矫正方法和系统，识别图像中的人脸，采用基于CRF‑RNN的图像分割技术进行提取人脸；采用Inception模型进行图像分类，将侧脸按照角度分类；训练每个角度的Pix2Pix‑GAN网络模型，将侧脸图像按照角度输入到对应的网络模型中以生成正脸；采用软对称算法进行优化调整得到的正脸图像；训练超分辨率网络SRGAN，将得到的正脸图像超分辨率处理，从而得到一个高清的正脸。将生成对抗网络技术应用于侧脸的规则化研究，通过对抗学习实现单张侧脸到相应正脸的转化，同时将侧脸规则化方法与超分辨率重建技术结合，实现多姿态、不同光照条件下的侧脸人像到高质量正脸视图的端到端映射。
-
Patent Agency Ranking
公开(公告)号：CN110969107A
公开(公告)日：2020-04-07
申请号：CN201911165623.3
申请日：2019-11-25
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于网络模型鸟类种群识别分析方法及系统，包括：样本数据库建立步骤：建立训练图片样本数据库，得到用于训练GoogLeNet网络模型的样本数据库；目标检测网络训练步骤：使用开源预训练数据，得到Yolov3目标检测网络a；种类判别网络训练步骤：用不同种类图片样本训练GoogLeNet网络模型，得到精确判别鸟类种类GoogLeNet网络b；视频解帧步骤：对实时输入的待识别视频解帧成待识别图片流。本发明解决了现有方法中存在识别结果中噪声过多过杂问题，极大提高了利用深度学习模型进行鸟类种群识别的效果，识别准确率高，能实时输出、更新识别结果。
-
公开(公告)号：CN109525194B
公开(公告)日：2020-01-07
申请号：CN201811197191.X
申请日：2018-10-15
Applicant: 上海交通大学
IPC: H02S50/10
Abstract: 本发明提供一种光伏板故障光斑检测识别方法和系统，获取第一光伏板图像数据，对第一光伏板图像数据进行预处理，得到第二光伏板图像数据，所述第二光伏板图像数据的图片数据以帧为单位；识别第二光伏板图像数据的二维码锚点，解析二维码锚点，得到锚点位置信息、锚点方位角度信息；对第二光伏板图像数据进行形态学操作，剔除干扰区域，识别光伏板区域；结合锚点位置信息、锚点方位角度信息，定位光伏板区域；对光伏板区域进行高斯滤波，剔除干扰点，识别故障光斑；分别计算二维码锚点、光斑连线与光伏板区域边线的夹角，结合锚点位置信息、锚点方位角度信，定位故障光斑。采用无接触检测定位，灵活方便，操作简单，检测准确性高、检测效率高。
-
公开(公告)号：CN110414437A
公开(公告)日：2019-11-05
申请号：CN201910696017.8
申请日：2019-07-30
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于卷积神经网络模型融合篡改人脸检测分析方法和系统，建立融合人脸数据库，通过融合原始人脸图片生成融合篡改人脸图片；利用融合人脸数据库中的原始人脸图片和融合篡改人脸图片，训练卷积神经网络模型，得到用于判断是否为融合篡改人脸图片的卷积神经网络；对实时输入的待识别图片进行人脸检测和脸部区域截取，得到脸部区域图片；将得到的脸部区域图片，输入到卷积神经网络，判断是否为融合篡改人脸图片。本发明填补了利用深度学习网络模型进行融合篡改人脸检测识别的空白，识别准确率高，能实时输出、更新识别结果。
-
公开(公告)号：CN105574489B
公开(公告)日：2019-01-11
申请号：CN201510894936.8
申请日：2015-12-07
Applicant: 上海交通大学 , 上海神州数码有限公司
Abstract: 本发明提供了一种基于层次级联的暴力群体行为检测方法，其特征在于，包括：对原始监控视频进行预处理；对于预处理后的监控视频进行分块，对每一视频块提取时空不变性特征；选择特征量化的训练样本，训练获得视频字典；利用训练得到的视频字典，对待检测样本特征进行量化；选择量化后的特征作为支持向量机SVM分类器的训练样本，训练SVM分类器；利用训练完成的SVM分类器对待检测样本进行分类，判断待检测视频中是否包含暴力群体行为。本发明中的方法与其他同类方法相比，速度更快，准确率更高，特征更加具有区分性，此外在暴力群体行为的检测中能够区分大部分暴力行为和正常行为，有效提升了计算机辅助检测分析的能力。
-
公开(公告)号：CN104598933B
公开(公告)日：2017-12-15
申请号：CN201410640605.7
申请日：2014-11-13
Applicant: 上海交通大学
Abstract: 本发明公开一种基于多特征融合的图像翻拍检测方法，包括如下步骤：步骤1：对训练图像提取多组特征并对特征进行拼接；步骤2：利用分类器生成训练模型；步骤3：对待测图像提取多组特征并对特征进行拼接；步骤4：利用生成的训练模型及利用分类器对待测图像进行判别。本发明方法区别于现有技术中任何一种对图像翻拍进行检测的方法，是一种新的有效检测方法。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.031 seconds)
