-
公开(公告)号：CN119691735A
公开(公告)日：2025-03-25
申请号：CN202411757407.9
申请日：2024-12-03
Applicant: 暨南大学
Abstract: 本发明公开了一种面向RISC‑V的硬件木马检测恢复方法、装置、介质与处理器，属于硬件安全技术领域，包括：在RISC‑V处理器执行输入指令，对写入到通用目的寄存器组的信息进行备份，获得备份信息；构建流水线架构，对一条或多条检测通路进行硬件木马检测，获得各条检测通路的木马检测结果；当任一条检测通路中存在硬件木马攻击时，暂停流水线架构操作，并对所有寄存数据进行重置；从备份信息中取回被硬件木马所篡改的原信息，并写回至通用目的寄存器组中的对应位置；利用流水线架构重新进行取指、译码和执行操作，利用写回信息将RISC‑V处理器恢复到正常状态。本发明提出的检测恢复结构，速度更快，功耗更低。
-
公开(公告)号：CN119557884A
公开(公告)日：2025-03-04
申请号：CN202510126306.X
申请日：2025-01-27
Applicant: 暨南大学
Abstract: 本发明公开了一种基于轻量级神经网络的硬件木马检测与恢复系统，包括RISC‑V处理器，硬件木马检测装置以及恢复装置；RISC‑V处理器包括：取指单元、译码单元、执行单元、通用目的寄存器组；取指单元、译码单元和执行单元构成三级流水线架构；硬件木马检测装置用于记录每条RISC‑V指令在RISC‑V处理器上的执行路径和时序特征，并基于时序特征利用构建的轻量级神经网络对相应的执行路径进行硬件木马检测；恢复装置用于对通用目的寄存器组的存储信息进行实时备份，并在检测出硬件木马时，将RISC‑V处理器恢复至正常状态。本发明提出的硬件木马检测与恢复系统，可靠性与灵活性更高，速度更快，功耗更低。
-
公开(公告)号：CN115457363B
公开(公告)日：2023-08-04
申请号：CN202210957661.8
申请日：2022-08-10
Applicant: 暨南大学
Abstract: 本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。
-
公开(公告)号：CN119718430A
公开(公告)日：2025-03-28
申请号：CN202411781910.8
申请日：2024-12-05
Applicant: 暨南大学
IPC: G06F9/38
Abstract: 本发明公开了一种低功耗单发射乱序执行RISC‑V处理器，包括七级流水线架构，依次分别为：取指单元、指令缓冲单元、译码单元、单指令发射的发射单元、物理寄存器堆、并行乱序计算的执行单元以及退休单元，所述取指单元作为RISC‑V处理器前端；所述译码单元、所述发射单元、所述物理寄存器堆、所述执行单元和所述退休单元所构成的五级流水线架构作为RISC‑V处理器后端；通过上述技术方案，本发明提供了一种在性能与功耗上更为均衡的微架构，来提高处理器内核在高计算需求和功耗敏感场景中的适用性。
-
公开(公告)号：CN114474053B
公开(公告)日：2023-01-17
申请号：CN202111661244.0
申请日：2021-12-30
Applicant: 暨南大学
IPC: B25J9/16
Abstract: 本发明涉及人工智能技术领域，提出一种机器人地形识别及速度控制方法及系统，其中包括以下步骤：获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到电压数据；将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行调整。本发明将低成本的压力传感器及低功耗的分类器应用于地形识别，能够在确保高准确率的地形识别同时，提高机器人的行进过程中的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN114067153B
公开(公告)日：2022-07-12
申请号：CN202111290845.5
申请日：2021-11-02
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于并行双注意力轻量残差网络的图像分类方法及系统，包括对残差网络的卷积核进行结构优化，并提取输入图像的特征信息矩阵；对并行双注意力轻量残差结构输出的特征信息矩阵进行全局平均池化，整合全层空间信息，然后将特征信息矩阵转换为一维特征信息矩阵；将一维特征信息矩阵输入全连接层，得到分类任务对应类别数的矩阵，输出图像分类结果。本发明在对残差网络进行压缩并采取双分支空间通道注意力机制，在保证精度的前提下，压缩了参数和计算量，提升了处理速度，从而提高了基于深度神经网络的目标分类识别的整体效率。
-
公开(公告)号：CN114474053A
公开(公告)日：2022-05-13
申请号：CN202111661244.0
申请日：2021-12-30
Applicant: 暨南大学
IPC: B25J9/16
Abstract: 本发明涉及人工智能技术领域，提出一种机器人地形识别及速度控制方法及系统，其中包括以下步骤：获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到电压数据；将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行调整。本发明将低成本的压力传感器及低功耗的分类器应用于地形识别，能够在确保高准确率的地形识别同时，提高机器人的行进过程中的稳定性。
-
公开(公告)号：CN114067153A
公开(公告)日：2022-02-18
申请号：CN202111290845.5
申请日：2021-11-02
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于并行双注意力轻量残差网络的图像分类方法及系统，包括对残差网络的卷积核进行结构优化，并提取输入图像的特征信息矩阵；对并行双注意力轻量残差结构输出的特征信息矩阵进行全局平均池化，整合全层空间信息，然后将特征信息矩阵转换为一维特征信息矩阵；将一维特征信息矩阵输入全连接层，得到分类任务对应类别数的矩阵，输出图像分类结果。本发明在对残差网络进行压缩并采取双分支空间通道注意力机制，在保证精度的前提下，压缩了参数和计算量，提升了处理速度，从而提高了基于深度神经网络的目标分类识别的整体效率。
-
公开(公告)号：CN119539001A
公开(公告)日：2025-02-28
申请号：CN202510097175.7
申请日：2025-01-22
Applicant: 暨南大学
IPC: G06N3/063 , G06F9/30 , G06F9/50 , G06N3/0464 , G06N3/0495 , G06N3/096 , G06F17/16
Abstract: 本发明公开了一种基于RISC‑V的神经网络扩展执行计算机系统，包括：基于乱序执行体系结构的RISC‑V处理器、神经网络硬件加速器、指令存储器、数据存储器和动态调度器；动态调度器用于根据当前计算负载，为计算机系统切换不同的工作模式，将待执行的计算任务分配给RISC‑V处理器或神经网络硬件加速器执行；所述工作模式包括：标准计算模式、神经网络加速模式和低功耗模式；所述计算任务包括通用计算任务和神经网络计算任务。通过上述技术方案，本发明提高了计算机系统的智能性，并在计算效率、资源消耗与功耗之间实现了较好平衡。
-
公开(公告)号：CN114742701B
公开(公告)日：2024-11-29
申请号：CN202210209804.7
申请日：2022-03-03
Applicant: 暨南大学
IPC: G06T3/4053 , G06N3/0464
Abstract: 本发明提出一种基于空洞残差稠密卷积的图像超分辨率重建方法及系统，包括构建包括特征提取层、非线性映射层和图像重建层的图像重建网络；非线性映射层包括由若干个依次稠密连接的空洞卷积层和标准卷积层组成的空洞残差稠密模块；将预处理后的待重建图像输入图像重建网络，待重建图像经过特征提取以及与高分辨率图像的映射，图像重建网络输出高分辨率图像。使用稠密连接的空洞卷积层和标准卷积层组成的残差结构，相比标准卷积层能够提取更多的图像的语境信息并且能够提高特征信息的重复利用率，增加前面卷积层提取的特征信息对最后图像重建的贡献率，充分利用图像的特征信息，降低网络的训练难度，实现图像重建的质量和效率的提高。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.025 seconds)
