公开(公告)号：CN108962267B

公开(公告)日：2019-11-15

申请号：CN201810742980.0

申请日：2018-07-09

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  史沧红 ,  吴锡 ,  吕建成 ,  王录涛 ,  郭峰 ,  伍贤宇 ,  罗超

IPC: G10L19/018

Abstract: 本发明涉及一种基于哈希特征的加密语音内容认证方法，其包括：输入原始语音后，通过Logistic映射和流密码RC4对原始语音进行加密以生成加密语音，对加密语音进行分帧并对每帧加密语音执行整数小波变换和离散余弦变换，通过比较低频DCT系数的均值和方差来计算哈希特征，利用差分扩展将哈希特征作为水印嵌入到IWT的细节系数的高位比特中；然后对IWT近似系数和含哈希特征的细节系数执行逆IWT变换来获得含水印的加密语音，从含水印的加密语音中提取哈希特征与重构的哈希特征进行对比来对加密语音进行内容认证。本发明提高了云计算中的语音内容认证的鲁棒性，可以准确定位篡改语音帧，在实际应用中适用范围更广。

公开(公告)号：CN110427928A

公开(公告)日：2019-11-08

申请号：CN201910652768.X

申请日：2019-07-19

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  伍贤宇 ,  史沧红 ,  吴锡 ,  何嘉

IPC: G06K9/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深卷积神经网络的自然场景图像文本检测方法，该方法具体包括以下步骤：制作数据集，将所有图片按照VOC格式制作成数据集，文件夹Annotation用于存放xml文件，每一个xml文件对应一张图像，并且每个xml文件中存放的是标记的各个目标的位置和类别信息。将自然图像通过ResNet网络从底层像素点获取更多的高级特征，然后利用BLSTM层提取字符序列的上下文特征，找到检测文本的边界框，有效地提高了文本检测的效果。本发明的有益效果：本发明使用自动学习，结合上下文特征替换人工定义的特征；本发明避免字符分割问题，实现端到端的无约束字符检测。提高了检测效率和精度，实现了对自然场景图像的文本检测。

公开(公告)号：CN109389584A

公开(公告)日：2019-02-26

申请号：CN201811083803.2

申请日：2018-09-17

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  罗超 ,  史沧红 ,  何嘉 ,  伍贤宇 ,  郭峰 ,  张宪 ,  刘书樵 ,  李俊良

IPC: G06T7/00 ,  G06T7/187

Abstract: 本发明涉及一种基于CNN的多尺度鼻咽肿瘤分割方法。包括以下步骤：收集若干例患鼻咽肿瘤的病例，采集其鼻咽部位MRI图像数据；对上一步骤收集的MRI图像数据的病变区域逐层进行人工边缘标注，作为标签数据；对上一步骤得到的标签数据进行标准化预处理并转成二维数据集；构建基于CNN的多层二维卷积神经网络，使用上一步骤中的二维数据集进行训练；对于待分割的鼻咽部位MRI图像数据，采集同部位同样模态的医学图像，对采集的图像进行标准化处理；通过训练得到的网络模型，对待分割的鼻咽部位MRI图像数据进行自动分割。本发明可以实现对于鼻咽肿瘤的自动分割，且与主流网络对比能取得较高的精度。

公开(公告)号：CN109325514A

公开(公告)日：2019-02-12

申请号：CN201810872957.3

申请日：2018-08-02

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  吴锡 ,  伍贤宇 ,  何嘉 ,  王强 ,  史沧红 ,  郭峰 ,  罗超

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于改进CNN的简单学习框架的图像分类方法，其包括：输入图像I；将图像I分为大小为m×m的图像块集合；将图像Ii输入到卷积神经网络中进行训练；通过三层全连接层处理得到一维的矩阵，使用dropout正则化操作以避免过拟合；将神经网络中的输出结果输入到分类器里，输出得到分类结果。本发明提出了一种基于卷积神经网络的简单学习框架，表示为Brief–Net，并将其应用于图像分类，减少了训练的时间同时也提高了分类的精度。Brief–Net包括三个卷积层和最大池化层，接着是三个全连接层。采用softmax分类器来识别图像分类。本发明的方法能够有效减少训练时间和存储成本，具有较高的识别精度。

公开(公告)号：CN109284765A

公开(公告)日：2019-01-29

申请号：CN201810789885.6

申请日：2018-07-18

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  伍贤宇 ,  吴锡 ,  吕建成 ,  吴琴 ,  王强 ,  史沧红 ,  郭峰 ,  罗超

IPC: G06K9/62

Abstract: 本发明涉及一种基于负值特征的卷积神经网络的自然图像分类方法，其包括以下步骤：S1输入一张图像I；S2将图像I分为大小为m×m的图像块集合，每一块用Ii(i＝1,2,…,n)表示；S3将Ii输入到卷积神经网络中进行训练，其包括：用大小为k×k的卷积核对图像Ii做卷积处理，然后将卷积之后得到的特征取反，再和原来的特征一起作用Leaky ReLU激活函数，再将得到的结果传递到下一层做池化采样；S4经过多次提取特征，最后通过全连接层，得到一维的矩阵；S5将神经网络中的输出结果输入到分类器里，最终得到分类结果。本发明能够增强有效特征的学习，从而提高图像分类的效果，并且对不同的数据有良好的泛化能力。