本发明公开了一种生产用电机运行频率预测模型训练方法，通过采集烟草图像组并利用三维点云模型提取烟草图像特征，将其转换为烟草横截面面积变化序列后划分生产阶段，筛选出波动率符合要求的预选阶段信息；同步采集电机运行信息并匹配得到预选电机信息及其运行频率；采用高斯过程回归算法构建预测模型，通过多尺度特征提取获取趋势特征和局部波动特征作为输入，预选运行频率作为输出标签进行训练，优化超参数得到最终预测模型；建立的动态置信区间评估机制可实现模型增量训练。本发明根据烟叶实际状态动态调整电机运行频率，显著提升了烘干质量和批次稳定性。
📄 2025107665108
📂 G06V10_774
👤 龙岩学院
📅 2025-06-10
本发明提供了基于对抗回流的AIGC检测模型持续进化方法及系统，所述方法包括：预先构建的回流通道根据预测置信度从检测结果中筛选出高置信度误判样本和低置信度模糊样本，作为价值样本回流至样本库，并根据预测标签分别归入真实图像样本集合或生成图像样本集合；从样本库中选取真实图像样本与生成图像样本，通过语义分割提取对象区域，并进行跨样本重组，生成具有局部语义不一致性的混合增强样本；对所述混合增强样本添加对抗扰动，生成对抗样本，并注入动态对抗样本库；基于动态对抗样本库进行持续学习，对AIGC检测模型进行迭代优化，使AIGC检测模型在检测过程中不断进化。
📄 2026104009188
📂 G06V10_774
👤 南京信息工程大学
📅 2026-03-30
本发明公开了一种跨维度注意力聚合的云雪辩识方法、设备及存储介质，涉及图像处理技术领域，获取训练数据，然后构建跨维度特征注意力聚合网络；再训练跨维度特征注意力聚合网络，对训练数据中的图像进行数据增强处理，然后将图像与对应的标签转化为张量，然后输入到跨维度特征注意力聚合网络中训练；最后使用训练好的跨维度特征注意力聚合网络进行预测，输入一张彩色图片，经过训练好的权重提取特征进行编码解码操作后输出得到云和雪的掩膜图像；能够有效减少复杂背景的干扰，增强对云层边缘以及薄云的检测能力，精确区分出云雪区域，避免云雪相似的光谱特性对检测结果的影响，并且在分割其他物体方面也具有不错的效果，泛化能力优秀。
📄 2022107226249
📂 G06V10_774
👤 南京信息工程大学
📅 2022-06-20
本发明公开了一种基于神经元激活图的对抗样本检测方法和装置，获取图像数据集构建并训练深度模型；生成噪声样本并构造二元数据集XB；读取步骤(1)生成的深度模型f保存的检查点文件，并生成二元数据集XB相对应的映射权重集合WB；映射权重集合WB到图集合GB的映射；计算图集合GB相对应的加权度集合DB；训练得到对抗样本检测器；应用时，将待测图像样本输入至训练好的对抗样本检测器，经检查，输出待测图像样本属于干净样本或对抗样本，实现了对待测图像样本的检测。
📄 2022109768887
📂 G06V10_774
👤 浙江工业大学
📅 2022-08-15
本发明涉及一种基于生成对抗网络的布匹瑕疵数据增强方法，搭建生成对抗网络并训练后，对于输入的待数据增强的有瑕疵布匹图像，以多层卷积和实例正则化进行多尺度特征提取与风格编码，以空间自适应归一化构建上采样卷积模块，以并行的2个卷积支路解耦网络任务，分别对应瑕疵前景和瑕疵透明度的生成，配合透明度控制、瑕疵形态与空间约束，最终得到数据增强后的有瑕疵布匹图片。本发明针对现有数据集进行数据增强，通过平衡样本类别数量和扩充瑕疵样本来提升布匹瑕疵检测器的性能，也可以针对无瑕疵新布匹进行瑕疵叠加，快速生成足量新背景下的瑕疵数据集。
📄 2022105951949
📂 G06V10_774
👤 浙江工业大学
📅 2022-05-28
本发明公开了一种基于损失函数敏感度的深度学习样本测试方法与装置，获取图像数据集作为干净样本，构建深度学习网络；对图像数据集进行对抗攻击操作，得到对抗样本；并进行筛选，得到总样本集，划分为训练样本集与测试样本集；设定损失函数敏感度函数；建立粒子群优化模型，计算损失敏感度漂移值，进行迭代更新，选取正常样本与对抗样本两类最优漂移样本集；利用最优漂移样本集进行训练，得到损失敏感度分类器；将两类最优漂移样本集输入深度学习网络重训练，得到测试模型；将测试样本集输入测试模型迭代，寻找最优漂移噪声样本，计算最优漂移噪声样本的损失函数敏感度漂移值，利用损失敏感度分类器判别，完成样本的检测。
📄 2022101731511
📂 G06V10_774
👤 浙江工业大学
📅 2022-02-24
本发明公开了一种高效率头发图像生成方法，包括：在画布上建立直角坐标系并基于二维高斯分布函数生成头发的毛囊位置集和发旋位置；将各毛囊位置分别和发旋位置连接，获得对应头发的初始生长角度；对全部毛囊位置中所有头发的初始生长角度进行随机角度偏移获得对应头发的偏移角度；模拟所有头发的形状和粗细，并根据全部头发的偏移角度对应生成头发，获得掩码图像和全部头发的标签；将掩码图像和光头图像进行图像融合；将对应的掩码图像、融合图像和全部头发的标签形成的标签集作为数据对纳入头发数据集，循环执行直至获得预设数量的数据对形成头发训练集。能够高效模拟出大量训练数据，用于各类头发检测模型优化，提高头发检测的灵活性和准确性。
📄 2025104923131
📂 G06V10_774
👤 浙江工业大学
📅 2025-04-18
一种面向自动驾驶多维感知融合目标检测的测试方法，包括：通过实例分割提取各类交通场景中常见的实例，根据极端交通场景的设计将实例合理地插入到原始图像中，生成视觉效果更真实的极端样例；然后对生成的样例计算一组基于场景感知的轻量级测试指标，筛选出质量高的一组测试样例；最后送入自动驾驶的多维感知融合目标检测模型中进行测试。本发明提供一种面向自动驾驶多维感知融合目标检测系统的测试方法，该发明解决了现有自动驾驶测试生成样例真实性、多样性不足、极端场景难以覆盖的问题，提供了一种轻量级的自动驾驶目标检测的测试指标，感知场景，高效衡量测试样例的综合质量，提高了自动驾驶的测试效率。
📄 2023102765789
📂 G06V10_776
👤 浙江工业大学
📅 2023-03-21
本发明公开了一种基于粒子群算法的深度学习系统鲁棒性增强方法及装置，其中公开的方法的步骤为：获取图像数据集并整理分类为训练集和测试集；利用训练集进行对抗攻击预训练干净深度学习模型；构建鲁棒评估指标评估训练好的深度学习模型；构建零阶和一阶损失函数度量用于评估测试集与训练好的深度学习模型之间的关系；将一阶鲁棒性度量指标作为优化目标函数，从测试集中采集部分良性图像作为初始粒子并初始化粒子的位置和速度，以优化目标函数为最大目标采用粒子群优化算法对初始粒子的位置和速度进行迭代更新以生成测试样本；利用生成的测试样本与测试数据集重新训练深度学习模型获得鲁棒防御模型；对防御后模型受攻击的敏感性进行评估。
📄 2021107625935
📂 G06V10_774
👤 浙江工业大学
📅 2021-07-06
基于循环神经网络的红外目标检测模型频闪隐身方法，包括：1)生成训练模型所需要的2n组数据；2)对LSTM预测模型进行预训练；3)将LSTM预测模型与红外目标检测模型结合起来，构成集成模型，进行集成模型的主训练。本发明的红外目标检测模型频闪隐身方法受环境影响小，适用于多种环境当中，可以实现自我调整与反馈。
📄 2022113667592
📂 G06V10_774
👤 浙江工业大学
📅 2022-11-01
本发明公开了一种基于逆注意力支配的伪装防御数据生成方法，包括：选取原始图像数据集与其对应的深度学习模型；对原始图像数据集进行预处理，并训练深度学习模型；构建注意力机制得到注意图，对注意图进行离散化操作，以分散逆注意力区域，得到逆注意力区域分散损失Ld；通过设置目标区域抑制损失、置信度分数抑制损失和目标类损失函数构建防御目标损失Ln；构建局部扰动优化损失Le和像素平滑损失Ls；基于逆注意力区域分散损失Ld、防御目标损失Ln、局部扰动优化损失Le和像素平滑损失Ls修改深度学习模型的输入数据，生成伪装防御数据。本发明具有良好的迁移性和人语义可理解性，能够有效生成伪装防御图像，保障本地集群设备绕过深度学习模型侦察、识别。
📄 2022111754914
📂 G06V10_774
👤 浙江工业大学
📅 2022-09-26
本发明公开了一种基于对抗学习的去性别偏见的图像识别模型及应用,包括:(1)准备第三样本集,不包含性别标签的第一样本集,只有性别标签的第二样本集;(2)构建包含特征提取器和分类器的图像分类网络,以第一样本集来优化网络参数;(3)构建包括参数确定的特征提取器和对抗学习器的对抗学习网络,以第二样本集来优化对抗学习器的网络参数;(4)构建包括特征提取器、分类器、参数确定的对抗学习器的训练体系,(5)以分类器的目标任务损失和对抗学习器的去除性别偏见损失之和作为训练体系的总损失,根据第三样本集,利用该总损失对训练体系进行训练,当训练结束后,提取参数确定的特征提取器和分类器作为图像识别模型。
📄 2020106198581
📂 G06V10_774
👤 浙江工业大学
📅 2020-06-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台