基于语义通信的智能网联汽车文本视频检索方法

    公开(公告)号:CN119884415A

    公开(公告)日:2025-04-25

    申请号:CN202411948775.1

    申请日:2024-12-27

    Abstract: 本发明涉及一种基于语义通信的智能网联汽车文本视频检索方法,属于智能网联汽车技术领域。该方法融合车辆终端、边缘服务器和云服务器,包括以下步骤:在车辆终端通过多语义交互编码器模块处理用户发起的搜索请求,并提取语义信息;将提取语义信息编码为符号流传输边缘服务器,由其解码恢复语义信息;在云服务器对其数据库中的视频进行语义信息提取,并将视频语义信息传输至边缘服务器;由边缘服务器将文本语义信息与视觉特征信息嵌入至相同维度进行相似度计算,完成细粒度匹配,并将匹配结果返回至车辆终端。本发明利用历史请求提高搜索请求的语义恢复精度,并为视频语义和文本语义中的词项赋予差异化的权重,提高了文本视频检索精度。

    一种基于编解码器架构的工业异常检测方法

    公开(公告)号:CN119863438A

    公开(公告)日:2025-04-22

    申请号:CN202411924348.X

    申请日:2024-12-25

    Abstract: 本发明涉及一种基于编解码器架构的工业异常检测方法,属于工业异常检测领域。首先使用图像处理算法将二维柏林噪声添加至MVTec数据集中的图像,从而引入人工模拟的异常得到缺陷样本图像,缓解了监督学习只能使用正常样本的不足。同时,引入语义通信思想,基于语义通信设计考虑工业异常检测任务特征的图像语义传输模型。此外,为了更有效地利用输入图像中的信息,设计了基于编码器‑解码器架构的多尺度特征融合模块,缓解了图像异常区域与正常区域面积不均衡的问题。本发明的异常识别种类多,检测精度高,可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。

    一种支持边缘异构设备接入的物联网中间件系统设计方法

    公开(公告)号:CN118368323A

    公开(公告)日:2024-07-19

    申请号:CN202410461871.7

    申请日:2024-04-17

    Abstract: 本发明涉及一种支持边缘异构设备接入的物联网中间件系统设计方法,属于边缘计算领域。本发明通过引入边缘计算思想,将数据处理任务下沉至边缘节点并通过建模方法优化能耗和计算时延,降低网络带宽的消耗和缓解云服务器的计算压力,同时支持不同类型设备的接入和管理。该系统包括数据接入、处理、缓存、消息队列和基础功能模块,通过统一管理和转换不同通信协议和数据格式,实现了对底层设备异构性的屏蔽,并提供实时数据推送等功能。通过此设计方法不仅为物联网在水利行业等领域的应用提供了有效的解决方案,而且具有重要的实践意义和经济价值。

    一种安全可靠的分布式学习方法
    7.
    发明公开

    公开(公告)号:CN116976468A

    公开(公告)日:2023-10-31

    申请号:CN202310968664.6

    申请日:2023-08-01

    Abstract: 本发明涉及一种安全可靠的分布式学习方法,属于机器学习领域,具体包括以下步骤:S1:在服务器收到客户端模型后,针对每个客户端的局部迭代轮次精度来分别与局部模型测试精度、临时全局模型以及上一个时期的全局模型进行比较,计算客户端模型的信誉分数,并把信誉分数进行保存;S2:延迟梯度平均更新:客户端不间断的进行本地更新,并通过梯度校正项来补偿梯度老化现象。本发明可提高全局模型的可靠性和稳健性。

    一种保护强度可调的隐私数据采集方法

    公开(公告)号:CN116975920A

    公开(公告)日:2023-10-31

    申请号:CN202310968056.5

    申请日:2023-08-01

    Abstract: 本发明涉及一种保护强度可调的隐私数据采集方法,属于信息安全领域,该方法包括差分隐私数据采集、志愿者选择、差分隐私方差计算、同态加密方差计算和隐私预算调整。本方法采用一种基于差分隐私的数据采集方案,通过借助同态加密方案为标准,可以根据二者统计后的误差动态调整隐私预算,减少了由于隐私预算设定困难而导致的数据可用性降低以及用户隐私泄露风险。同时,该方案隐私预算调整方式简单,抽样操作减少了时间成本且同态加密易于实现,适用于多种不同场景下的数据采集。

    一种带有隐私保护的关联规则学习方法

    公开(公告)号:CN116467751A

    公开(公告)日:2023-07-21

    申请号:CN202310457844.8

    申请日:2023-04-25

    Abstract: 本发明涉及一种带有隐私保护的关联规则学习方法,属于数据安全领域。该方法包括:用户分组:将用户分成三个小组,这三个小组的用户在频繁模式挖掘方面具有相似的贡献度;候选频繁1项集的构建:通过对第一组用户数据的采集,构建可能为频繁1项集的候选项集;频繁1项集的核对:通过对第二组用户数据的采集,筛选前一组用户得到的候选项集,完成频繁项集的核对;频繁模式挖掘:通过对前一组用户核对后的频繁项集,采用推测机制构建候选的频繁模式,并使用第三组用户完成候选频繁模式的核对,最终实现频繁模式的挖掘。本发明能够安全地使用数据,并且能够快速地挖掘数据中出现的频繁模式,从而实现了数据间关联规则的安全挖掘。

Patent Agency Ranking