葛琦
- 作品数：61 被引量：57H指数：5
- 供职机构：南京邮电大学更多>>
- 发文基金：国家自然科学基金江苏省“青蓝工程”基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学医药卫生更多>>
- 一种基于自注意力与卷积特征融合的语义分割方法
- 本发明属于图像处理分割的技术领域，公开了一种基于自注意力与卷积特征融合的语义分割方法，包括：采集复杂场景的图像数据，通过预处理构建数据集；基于自注意力与卷积特征融合构建语义分割网络模型；设置损失函数，并基于数据集训练语义...
- 王耀庆葛琦 李博洋
- 一种无人机小目标检测方法、电子设备及存储介质
- 本发明涉及图像处理目标检测领域，具体为一种无人机小目标检测方法、电子设备及存储介质，包括：获取图像数据集，对所述图像数据集中的各图像进行预处理，所述图像数据集由无人机拍摄的图像和相应图像的小目标验证数据组成；将预处理后的...
- 葛琦卢帅启
- 基于卷积神经网络的疲劳驾驶检测方法及系统
- 本发明公开了一种基于卷积神经网络的疲劳驾驶检测方法及系统，属于图像处理与模式识别技术领域。首先，采集驾驶员在驾驶状态下的二维面部图像，并按疲劳程度逐级分类，建立疲劳驾驶图像库；其次，构建一个含有数据层、卷积层、池化层、连...
- 孙超葛琦李海波柳毅
- 文献传递
- 两阶段目标类指引的行人检测对抗补丁生成算法被引量：2
- 2022年
- 针对缘于深度学习模型脆弱性的对抗样本攻击这一国内外热门研究课题,以无人驾驶等实际应用为背景,探讨了针对Yolo-v2行人检测系统的对抗攻击方法;基于Yolo-v2对行人目标的预测置信度和分类概率,提出基于两阶段目标类指引的行人检测对抗补丁生成算法。创新性地提出了目标类指引的攻击策略,通过先后实施目标类指引的对抗补丁生成和对抗补丁增强,有效引导了对抗补丁在训练生成过程中的收敛方向,以此逐步提升对抗补丁攻击行人检测系统的能力;在Inria数据集上实现了79个目标类指引的对抗补丁生成训练与测试。结果表明,算法以“teddy bear”为目标类生成了攻击效果最佳的对抗补丁,行人检测交并比(IOU)指标可达0.0435,显著优于对照算法的0.2448。
- 杨弋鋆邵文泽邓海松邓海松葛琦
- 基于图像语义特征进行点云筛选的3D目标检测方法
- 本发明提出了一种基于图像语义特征进行点云筛选的3D目标检测方法。包括以下步骤：首先2D语义分割方法对图像数据进行分割得到语义预测。将生成的语义预测通过已知的投影矩阵投影到LIDAR点云空间中，从而使点云中的每一个点都能获...
- 吴飞杨永光荆晓远葛琦季一木
- 一种自适应增强下多尺度感受野的低照度目标检测方法
- 本发明提供一种自适应增强下多尺度感受野的低照度目标检测方法，包括：步骤一：引入Global模块、RCSOBEL模块、LSKADCN模块优化yolov8目标检测算法，构建基于图像自适应增强和多尺度感受野的低照度目标检测模型...
- 葛琦丁寒雪
- 一种基于卷积神经网络的密集小型人脸检测方法及系统
- 本发明公开了一种基于卷积神经网络的密集小型人脸检测方法，包括采集图片数据集并标注人脸数据，对图片数据集进行预处理，增加图片中小型人脸的数量；对网络结构进行设计，具体为以MobilenetV3为基础，引入Ghost卷积和L...
- 李博洋葛琦王耀庆王科
- 一种利用时空照度图的低照度彩色视频增强方法
- 本发明公开了一种利用时空照度图的低照度彩色视频增强方法，首先计算视频帧的初始空间照度图，利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图，利用初始空间照度图和时间相似性照度图构造当前视频帧的结...
- 王力谦邵文泽葛琦闫静杰
- 文献传递
- 面向智能驾驶视觉感知的对抗样本攻击与防御方法综述被引量：5
- 2019年
- 现如今,深度学习已然成为机器学习领域最热门的研究方向之一,其在图像识别、目标检测、语音处理、问答系统等诸多领域都取得了巨大成功.然而通过附加经过特殊设计的细微扰动而构造出的对抗样本,能够破坏深度模型的原有性能,其存在使许多对安全性能指标具有极高要求的技术领域,特别是以视觉感知为主要技术优先的智能驾驶系统,面临新的威胁和挑战.因此,对对抗样本的生成攻击和主动防御研究,成为深度学习和计算机视觉领域极为重要的交叉性研究课题.本文首先简述了对抗样本的相关概念,在此基础上详细介绍了一系列典型的对抗样本攻击和防御算法.随后,列举了针对视觉感知系统的多个物理世界攻击实例,探讨了其对智能驾驶领域的潜在影响.最后,对对抗样本的攻击与防御研究进行了技术展望.
- 杨弋鋆邵文泽王力谦葛琦鲍秉坤邓海松李海波
- 关键词：目标检测智能驾驶
- 基于贝叶斯分类模型的双水平集算法的大脑图像分割被引量：2
- 2009年
- 针对大脑图像中灰质和白质边界结构的复杂性以及拓扑细长部分目标和弱边界目标分割存在的问题,提出了基于贝叶斯分类模型的双水平集分割算法。鉴于传统的水平集有分割过度、泄漏边界的缺点,可通过贝叶斯分类模型计算出水平集曲线位于边界的概率,并将此概率相关联的区域决策因子添加在水平集函数方程中,从而实现利用图像的区域信息提高水平集曲线识别边界能力的目的。将基于贝叶斯分类模型的双水平集算法应用到大脑图像的分割,通过内外两条水平集共同演化作用,得到了比贝叶斯分类模型的单水平集方法更完整的分割效果,并明显提高了分割效率。
- 葛琦张建伟
- 关键词：贝叶斯模型
