公开(公告)号：CN117094381A

公开(公告)日：2023-11-21

申请号：CN202311054007.7

申请日：2023-08-21

Applicant: 哈尔滨工业大学

Inventor： 胡睿晗 ,  王忠杰 ,  贺祥 ,  徐汉川 ,  于爽

IPC: G06N3/098 ,  G06N3/0895 ,  G06N3/045 ,  G06F18/214 ,  G06F18/241

Abstract: 一种兼顾高效通信和个性化的多模态联邦协同方法，所述方法首先在云端构建全局模型，全局模型采用了多模态模型，可以对多模态数据进行建模，并分别初始化全局模型的权重；将全局模型参数拷贝给边缘端，构建局部模型。局部模型为一个三玩家模型，分别是全局网络，切分网络和局部网络。在模型局部更新阶段，将切分网络划分为基础层和学习层，其中基础层的参数可以通过上传上行链路的形式传送给云端全局模型；基于误差压缩的梯度输出方法，计算边缘端模型参数梯度的积累量，并对参数梯度的积累量采用信号压缩，减少需要更新的量，达到提高通信效率的目的。

公开(公告)号：CN118606987A

公开(公告)日：2024-09-06

申请号：CN202410638597.6

申请日：2024-05-22

Applicant: 上海浦东发展银行股份有限公司 ,  哈尔滨工业大学

Inventor： 王忠杰 ,  原浩宸 ,  贺祥 ,  胡睿晗 ,  周骏 ,  冯云青 ,  刘瑞

IPC: G06F21/62 ,  G06F21/60 ,  G06N20/00 ,  H04L9/00

Abstract: 本发明公开了一种基于深度学习和因子分解机的纵向联邦服务推荐方法，属于服务计算与服务推荐技术领域。解决了现有技术中传统的纵向联邦因子分解机算法无法应用于双方用户数据一对一的场景的问题；本发明服务提供商引入可信第三方，采用隐私集合求交技术获取双方共同的用户空间并进行用户对齐；服务提供商使用本地深度学习模型处理用户样本数据并通过注意力模型和因子分解机模型提取深度数据特征，得到中间结果；服务提供商通过掩码技术对基于纵向联邦因子分解机算法得到的密文状态计算结果进行解密，得到实际的预测结果和前向梯度并更新本地深度学习模型和因子分解机模型的参数。本发明有效提升了服务推荐的效率，可以应用于服务推荐。

公开(公告)号：CN118606986A

公开(公告)日：2024-09-06

申请号：CN202410638595.7

申请日：2024-05-22

Applicant: 上海浦东发展银行股份有限公司 ,  哈尔滨工业大学

Inventor： 王忠杰 ,  原浩宸 ,  贺祥 ,  胡睿晗 ,  周骏 ,  冯云青 ,  龚乐诚

IPC: G06F21/62 ,  G06F21/60 ,  G06N20/00 ,  H04L9/00

Abstract: 本发明公开了一种基于纵向联邦多层感知机和持续学习的服务推荐方法，属于服务计算与服务推荐技术领域。解决了现有技术中传统的服务推荐算法无法充分利用同一用户在多个服务提供商中的全部数据的问题；本发明在出现推荐任务需要进行联邦学习训练或推理时，服务提供商通过协商引入可信第三方；服务提供商之间通过可信第三方采用隐私集合求交技术进行求交，获取双方共同的用户空间；基于共同的用户空间本地采用具有动态结构的多层感知机计算得到中间结果；服务提供商对中间结果进行加密，通过密文数据交互得到计算结果和回传梯度；最终服务提供商通过掩码技术获得实际的计算结果和回传梯度。本发明有效提升了数据应用的全面性，可以应用于服务推荐。

公开(公告)号：CN115965953B

公开(公告)日：2023-08-22

申请号：CN202310009003.0

申请日：2023-01-04

Applicant: 哈尔滨工业大学

Inventor： 于爽 ,  战永泽 ,  王忠杰 ,  王泽宇 ,  刘明义 ,  胡睿晗

IPC: G06V20/60 ,  G06V10/143 ,  G06V10/10 ,  G06V10/44 ,  G06V10/54 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于高光谱成像与深度学习的粮种品种分类方法，本发明属于粮种品种分类领域，包括：获取粮种的多通道高光谱图像，对多通道高光谱图像预处理得到预处理高光谱图像数据集，基于预处理高光谱图像数据集获得第一特征图；其中，预处理高光谱图像数据集包括若干拼接图像；构建粮种品种分类网络模型，其中，粮种品种分类网络模型包括粮种品种分类模块；基于粮种品种分类模块指导训练粮种品种分类网络模型，得到优化粮种品种分类网络模型；将拼接图像输入到优化粮种品种分类网络模型，得到粮种品种分类结果。本发明利用高光谱成像和深度学习技术，提出了一种简单、高效、无损、经济、自动化的粮种品种分类方法。

公开(公告)号：CN115965844B

公开(公告)日：2023-08-18

申请号：CN202310008956.5

申请日：2023-01-04

Applicant: 哈尔滨工业大学

Inventor： 于爽 ,  王泽宇 ,  王忠杰 ,  战永泽 ,  胡睿晗 ,  刘明义

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明公开了基于视觉显著性先验知识的多聚焦图像融合方法,包括以下步骤：获取显著性目标检测任务的数据集和自然图像的数据集，并基于所述自然图像的数据集，获取带有伪标签的伪多焦距图像；构建基于等距域变换的空域注意力模块和通道域注意力模块，并结合双分支结构网络构建基于视觉显著性先验融合模型；将所述显著性目标检测任务的数据集作为所述基于视觉显著性先验融合模型的预训练任务的输入，获得基于视觉显著性先验融合模型的预训练权重；通过所述带有伪标签的伪多焦距图像继续对所述基于视觉显著性先验融合模型进行下游任务的训练，获得融合图像。本发明采用显著性目标检测减少了预训练任务目标域与多聚焦图像融合任务目标域之间的差异。

公开(公告)号：CN115965844A

公开(公告)日：2023-04-14

申请号：CN202310008956.5

申请日：2023-01-04

Applicant: 哈尔滨工业大学

Inventor： 于爽 ,  王泽宇 ,  王忠杰 ,  战永泽 ,  胡睿晗 ,  刘明义

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明公开了基于视觉显著性先验知识的多聚焦图像融合方法,包括以下步骤：获取显著性目标检测任务的数据集和自然图像的数据集，并基于所述自然图像的数据集，获取带有伪标签的伪多焦距图像；构建基于等距域变换的空域注意力模块和通道域注意力模块，并结合双分支结构网络构建基于视觉显著性先验融合模型；将所述显著性目标检测任务的数据集作为所述基于视觉显著性先验融合模型的预训练任务的输入，获得基于视觉显著性先验融合模型的预训练权重；通过所述带有伪标签的伪多焦距图像继续对所述基于视觉显著性先验融合模型进行下游任务的训练，获得融合图像。本发明采用显著性目标检测减少了预训练任务目标域与多聚焦图像融合任务目标域之间的差异。