公开(公告)号：CN117371022A

公开(公告)日：2024-01-09

申请号：CN202311081717.9

申请日：2023-08-25

Applicant: 北京工业大学

Inventor： 王宏远 ,  祖宝开 ,  李亚芳 ,  朱婉婷

IPC: G06F21/62 ,  G06F16/27 ,  G06N20/00

Abstract: 本发明涉及数据处理技术领域，提供一种基于区块链的联邦学习信息隐私保护方法、装置及电子设备，包括：获取外部终端发送的采用第一公钥对局部模型参数加密后的第一密文，并基于第一密文进行聚合，得到对应于全局模型参数的第二密文，基于第二公钥和预设的第一参数对第一私钥进行重生成，得到重生成私钥和第二参数，将第二参数发送给各个外部终端，根据重生私钥对第二密文进行加密，得到第三密文，并将第三密文发送给第一终端，以使第一终端根据第二私钥和第二参数对第三密文进行解密，得到全局模型参数，实现采用同态加密和代理重加密构建出一个可抵御外部敌手的BFL隐私保护方案，能够保障BFL系统的外部隐私性，进而保障整体隐私安全。

公开(公告)号：CN119992542A

公开(公告)日：2025-05-13

申请号：CN202411929158.7

申请日：2024-12-25

Applicant: 北京工业大学

Inventor： 祖宝开 ,  李旭 ,  王宏远 ,  李亚芳 ,  句福娇

IPC: G06V20/69 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及目标检测技术领域，尤其涉及一种花粉目标检测方法、装置和电子设备。花粉目标检测方法包括：构建目标检测模型，目标检测模型包括骨干网络、Transformer编码器、双支路注意力的解码器和预测头；基于骨干网络，获取待检测图片对应的多尺度的特征图；将多尺度的特征图输入至Transformer编码器，获取增强后的特征图；将增强后的特征图以及查询输入至双支路注意力的解码器，获取解码器输出的目标查询；基于目标查询，由预测头输出目标检测结果。本发明有助于平衡自注意力和交叉注意力在训练过程中的影响，减少它们之间的不利相互作用，进而提高模型的检测性能。

公开(公告)号：CN115131607B

公开(公告)日：2024-07-26

申请号：CN202210681224.8

申请日：2022-06-15

Applicant: 北京工业大学 ,  中国电子科技集团公司第十五研究所

Inventor： 祖宝开 ,  李建强 ,  王宏远 ,  李亚芳 ,  白建川

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明提供一种图像分类方法及装置，其中图像分类方法包括：获取待分类图像，对待分类图像进行预处理得到嵌入输入向量序列；将嵌入输入向量序列输入至视觉Transformer模型的编码器，输出待分类图像对应的编码向量序列，编码器包括L个Transformer编码块，每个编码块包括残差多头自注意力层，第M个编码块的残差多头自注意力层对应的自注意力层输出图与第M‑1个编码块的残差多头自注意力层对应的自注意力图之间以残差方式连接；基于编码向量序列确定待分类图像对应的特征向量，将特征向量输入至视觉Transformer模型的分类器，得到待分类图像的分类结果。通过上述图像分类方法，能够提高图像分类的准确率。

公开(公告)号：CN117197600A

公开(公告)日：2023-12-08

申请号：CN202210583382.X

申请日：2022-05-25

Applicant: 北京工业大学

Inventor： 李亚芳 ,  王文博 ,  王宏远 ,  祖宝开

IPC: G06V10/774 ,  G06V10/762 ,  G06V10/82 ,  G06V10/74 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/084

Abstract: 本发明提供一种基于图聚类优化的孪生网络对比表示学习方法及装置，方法包括：获取原始图，并将所述原始图分别输入至训练好的在线网络模型和目标网络模型中，得到第一嵌入表示和第二嵌入表示；其中，所述在线网络模型和目标网络模型均是通过原始图样本获取第一增强图和第二增强图，并基于所述第一增强图和第二增强图进行无监督的训练得到的；所述目标网络模型的参数是通过动量更新机制更新在线网络模型的参数得到的；基于所述第一嵌入表示和第二嵌入表示获取最终学习到的节点嵌入表示，并基于所述节点嵌入表示进行节点分类、节点聚类以及可视化的下游任务。本发明不需要标签信息和大量负样本的同时，取得了较好的表示学习效果。

公开(公告)号：CN115131607A

公开(公告)日：2022-09-30

申请号：CN202210681224.8

申请日：2022-06-15

Applicant: 北京工业大学 ,  中国电子科技集团公司第十五研究所

Inventor： 祖宝开 ,  李建强 ,  王宏远 ,  李亚芳 ,  白建川

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种图像分类方法及装置，其中图像分类方法包括：获取待分类图像，对待分类图像进行预处理得到嵌入输入向量序列；将嵌入输入向量序列输入至视觉Transformer模型的编码器，输出待分类图像对应的编码向量序列，编码器包括L个Transformer编码块，每个编码块包括残差多头自注意力层，第M个编码块的残差多头自注意力层对应的自注意力层输出图与第M‑1个编码块的残差多头自注意力层对应的自注意力图之间以残差方式连接；基于编码向量序列确定待分类图像对应的特征向量，将特征向量输入至视觉Transformer模型的分类器，得到待分类图像的分类结果。通过上述图像分类方法，能够提高图像分类的准确率。