公开(公告)号：CN115935306A

公开(公告)日：2023-04-07

申请号：CN202211534087.1

申请日：2022-12-02

Applicant: 上海大学 ,  上海大学温州研究院

Inventor： 张天行 ,  孙广玲 ,  陆小锋

IPC: G06F21/16 ,  G06N3/0455 ,  G06N3/0895 ,  G06T1/00

Abstract: 本发明涉及版权保护技术领域，且公开了一种面向自监督学习视觉模型的版权保护方法，包括以下步骤：步骤S1:水印生成前，首先需使用经过自监督学习预训练得到的编码器Eθ生成对抗扰动wadv并以此作为水印；步骤S2:水印嵌入，在生成wadv后，下一步是将wadv嵌入预训练编码器Eθ中；步骤S3:水印验证，当编码器版权拥有者验证可疑编码器是否侵犯了其带水印编码器的知识产权时，可以在白盒场景和黑盒场景两种场景下验证其版权。该面向自监督学习视觉模型的版权保护方法，与传统的针对端到端分类模型的水印算法不同，本算法不需要获得下游任务的先验知识；因此，本算法能够在白盒甚至是更严格的黑盒场景下验证编码器的所有权。

公开(公告)号：CN113627597B

公开(公告)日：2023-10-13

申请号：CN202110922756.1

申请日：2021-08-12

Applicant: 上海大学

Inventor： 胡浩棋 ,  孙广玲 ,  陆小锋 ,  张天行 ,  钟宝燕

IPC: G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明提供一种基于通用扰动的对抗样本生成方法及系统，属于机器学习领域，对抗样本生成方法包括：获取训练样本集；随机初始化一个与ViT模型的输出图像尺寸相同的初始扰动图像；ViT模型包括多个相同的单元，每个单元均包括多个注意力算子；根据训练样本集及ViT模型的各注意力算子，对初始扰动图像进行迭代优化，得到最佳通用扰动图像；将最佳通用扰动线性加在待训练样本集中的样本图像中，得到对应的终极对抗图像。在不影响视觉效果的前提下将正常的训练样本转化为对抗样本，采用最终的对抗样本对ViT模型进行训练，可以提高模型的抗干扰能力和鲁棒性。

公开(公告)号：CN113627597A

公开(公告)日：2021-11-09

申请号：CN202110922756.1

申请日：2021-08-12

Applicant: 上海大学

Inventor： 胡浩棋 ,  孙广玲 ,  陆小锋 ,  张天行 ,  钟宝燕

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于通用扰动的对抗样本生成方法及系统，属于机器学习领域，对抗样本生成方法包括：获取训练样本集；随机初始化一个与ViT模型的输出图像尺寸相同的初始扰动图像；ViT模型包括多个相同的单元，每个单元均包括多个注意力算子；根据训练样本集及ViT模型的各注意力算子，对初始扰动图像进行迭代优化，得到最佳通用扰动图像；将最佳通用扰动线性加在待训练样本集中的样本图像中，得到对应的终极对抗图像。在不影响视觉效果的前提下将正常的训练样本转化为对抗样本，采用最终的对抗样本对ViT模型进行训练，可以提高模型的抗干扰能力和鲁棒性。

公开(公告)号：CN115761179A

公开(公告)日：2023-03-07

申请号：CN202211264922.4

申请日：2022-10-17

Applicant: 上海大学

Inventor： 周繁 ,  张金艺 ,  张天行 ,  高友 ,  智绪壮

IPC: G06T17/20 ,  G06T15/20 ,  G06T19/00 ,  G06T19/20 ,  G06V10/40 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/64

Abstract: 本发明公开了一种基于神经特征场的目标三维构建和真实尺度估计系统与方法。其系统由多视角图片采集、特征信息提取、目标识别、标准神经特征场配准、虚拟神经特征场生成、可视化渲染及三维构建和目标真实尺度估计的单元组成；其方法步骤包括多视角图片采集、特征信息提取、标准神经特征场配准、虚拟神经特征场生成和目标真实尺度估计的流程。本发明不仅能极大地降低对目标三维构建设备的需求，还能进行新视图合成，极大地降低构建复杂度，节省重复构建资源消耗，具有更加快速、准确、个性化的目标三维构建能力和真实尺度信息感知能力。本发明系统结构简单，操作简便，性能优越，能适应各种目标三维构建任务，具有很强的使用价值，应用范围广阔。