一种基于自适应卷积的退化文档图像二值化方法和系统

    公开(公告)号:CN119444582A

    公开(公告)日:2025-02-14

    申请号:CN202411493584.0

    申请日:2024-10-24

    Applicant: 河南大学

    Abstract: 本发明公开一种基于自适应卷积的退化文档图像二值化方法和系统,该方法包括:步骤一:收集训练退化文档图像,对训练退化文档图像和对应的二值化标签图进行预处理;步骤二:将退化文档图像的预输入图像输入到自适应卷积网络模型中,得到退化文档图像的二值化图像;步骤三:计算得到对抗损失、分类损失、相似性损失、杰卡德相似系数损失和平均绝对值误差;步骤四:优化自适应卷积网络模型参数,得到最优自适应卷积网络模型;步骤五:将目标退化文档图像的预输入图像输入到最优自适应卷积网络模型,得到目标退化文档图像的二值化图像。本发明可以应用在各种形式退化的退化文档图像中,保证了二值化图像的高质量和高效性。

    一种基于异构量化的物联网隐私保护定位方法及相关设备

    公开(公告)号:CN118921655A

    公开(公告)日:2024-11-08

    申请号:CN202410957863.1

    申请日:2024-07-16

    Applicant: 河南大学

    Abstract: 本发明提供一种基于异构量化的物联网隐私保护定位方法及相关设备。该方法包括:步骤1:每个锚点测量自身与目标节点的距离和角度以计算自身对目标节点的位置更新信息;步骤2:对所有锚点的位置更新信息进行异构量化,得到各自对应的量化后的位置更新信息和量化误差;步骤3:目标节点根据每个锚点的量化误差为每个锚点分配权重以对所有锚点的位置更新信息进行加权聚合,得到目标节点的位置估计信息;步骤4:判断是否达到迭代停止条件,若是,则将本轮得到的目标节点的位置估计信息作为最终的位置定位结果,反之,则重复步骤1至步骤3。本发明在实现定位过程中的隐私保护的同时,保证了定位的精确性和高效性。

    一种基于Raft选举策略的稳定联邦学习方法及相关设备

    公开(公告)号:CN119647620A

    公开(公告)日:2025-03-18

    申请号:CN202411661162.X

    申请日:2024-11-19

    Applicant: 河南大学

    Abstract: 本发明提供一种基于Raft选举策略的稳定联邦学习方法及相关设备,涉及联邦学习领域。该方法包括:将所有参与联邦学习的设备分为多个集群,基于Raft算法选举出每个集群中的代理设备;判断代理设备是否在线,若在线,则继续训练,若离线,则重新基于Raft算法选举代理设备;服务器将上一轮聚合得到的全局模型下发至代理设备;代理设备将接收到的全局模型分发至集群内各设备,集群内的各设备进行本地训练,并将本地训练结果上传至代理设备;代理设备聚合集群内的本地训练结果,并将聚合得到的集群模型上传至服务器;服务器聚合各集群的集群模型,生成全局模型;重复上述训练过程直至达到停止条件。本发明可以有效提高联邦学习过程的稳定性和效率。

Patent Agency Ranking