-
公开(公告)号：CN117998086A
公开(公告)日：2024-05-07
申请号：CN202311797675.9
申请日：2023-12-25
Applicant: 武汉理工大学
IPC: H04N19/126 , H04N19/13 , H04N19/42 , H04N19/154
Abstract: 本发明提供了一种轻量级图像压缩方法，包括以下步骤：步骤S1：对图像数据集进行随机裁剪，并将裁剪后的图像转换为张量格式；步骤S2：构建图像压缩网络，通过深度可分离卷积提取下采样的特征图，并对特征图进行编码；步骤S3：使用比特率‑图像重建损失函数对所述图像压缩网络进行优化训练；步骤S4：将待压缩图像输入所述图像压缩网络进行压缩。深度可分离卷积将标准卷积操作拆分为深度卷积和逐点卷积两个步骤，减少了参数量和计算量。这使得压缩后的模型尺寸更小，占用更少的存储空间和计算资源。深度可分离卷积减少了模型中的冗余计算，降低了运算的复杂度。这导致在相同的计算资源下，可以处理更多的图像数据，提高了计算效率。
-
公开(公告)号：CN119988326A
公开(公告)日：2025-05-13
申请号：CN202510041436.3
申请日：2025-01-10
Applicant: 武汉理工大学
IPC: G06F16/16 , H04L12/28 , G10L15/26 , G06F16/31 , G06F16/334 , G06F16/335 , G06F16/338 , G06N3/08
Abstract: 本发明公开了一种基于大型语言模型的智能家庭助手系统实现方法，该方法包括以下步骤：S1）获取用户的信息、智能家居设置函数文件以及用户的智能家居个性化设置文件通过词嵌入模型进行向量化，将其转化为向量表示；S2）进行用户身份识别，将从向量数据库中读取相应的个性化设置；S3）接收用户的语音指令输入，通过语音识别将用户的语音输入转换为识别的文本；S4）将文本识别结果结合提示词发送给大语言模型；S5）大语言模型根据接收的文本识别结果结合提示词生成返回结果，解析大语言模型生成的结果，将其分为回复内容和可执行代码。本发明方法可以提升智能家居的个性化体验，增强用户满意度。
-
公开(公告)号：CN118551388A
公开(公告)日：2024-08-27
申请号：CN202410716700.4
申请日：2024-06-04
Applicant: 武汉理工大学
IPC: G06F21/57 , G06F16/33 , G06F40/211 , G06F40/284 , G06F40/126 , G06F18/22 , G06F18/23 , G06N3/126 , G06N3/045
Abstract: 本发明提供了一种大语言模型漏洞检测方法、装置及大语言模型检测设备，涉及人工智能安全检测技术领域，其方法包括；构建初始对抗语句，输入大语言模型得到响应语句；确定响应语句的目标回复损失，对初始对抗语句进行聚类改进遗传算法优化得到包括代表对抗语句和若干优化对抗语句的优化对抗语句簇；将代表对抗语句输入大语言模型得到新一轮响应语句，确定新一轮响应语句的目标回复损失，迭代生成优化对抗语句簇直到目标回复损失满足预设阈值或大语言模型输出目标回复。本发明通过聚类改进遗传算法进行对抗语句优化过程中，以每个优化对抗语句簇的代表对抗语句来对大语言模型进行攻击测试，大幅减少攻击轮次，提高对大语言模型的攻击效率。
-
公开(公告)号：CN115601764A
公开(公告)日：2023-01-13
申请号：CN202211283747.3
申请日：2022-10-20
Applicant: 武汉理工大学(CN)
Abstract: 本发明公开了一种基于轻量级卷积神经网络的古籍汉字识别方法。通过集成多个专家模型，在训练过程中将预测概率分布差异项加入损失函数，降低在全体类别上的预测偏差和方差，从而提高在所有类别上的识别精度，同时引入模型轻量化技术降低了集成模型的计算开销和参数量，实现轻量级的古籍汉字长尾样本识别模型。本发明得到的模型在样本严重不均衡的古籍汉字数据集上能够有效提升在生僻字样本集上的识别精度，并与常规轻量级模型的计算复杂度和参数量相近。
-
公开(公告)号：CN114140806A
公开(公告)日：2022-03-04
申请号：CN202111292553.5
申请日：2021-11-03
Applicant: 武汉理工大学
IPC: G06V30/413 , G06V30/148 , G06V30/146 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种端到端的实时习题检测方法，首先对输入的图片进行Mosaic数据增强，然后根据数据集标记，自动计算出数据集的最佳锚框值，在上述操作之后会对图片进行自适应缩放，将处理过后的图片送入物体检测网络进行物体检测，输出检测框的坐标位置以及置信度，然后将图片以及检测框的位置信息送入文字识别端进行题目的文字识别，最后输出图片中题目位置以及题目文字信息。
-
Patent Agency Ranking
公开(公告)号：CN112463640A
公开(公告)日：2021-03-09
申请号：CN202011476590.7
申请日：2020-12-15
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于联合概率域适应的跨项目软件老化缺陷预测方法，对源项目和目标项目中的数据进行预处理，采用主成分分析法进行降维处理，采用基于聚类的合成少数类样本法缓解类不平衡问题，使用机器学习分类器(逻辑回归等)进行预测。本发明考虑了软件老化缺陷数据集源项目和目标项目间的可迁移性(不同域同一类间的距离)以及可判别性(不同域不同类之间的聚类)，并进一步采用主成分分析法进行降维处理，减少特征冗余程度。本发明提高了传统跨项目软件老化缺陷预测方法的精度以及健壮性，有助于开发者在开发测试阶段发现软件老化相关缺陷并移除，一定程度上避免软件老化问题带来的损失。
-
公开(公告)号：CN119717765A
公开(公告)日：2025-03-28
申请号：CN202411868614.1
申请日：2024-12-18
Applicant: 武汉理工大学
IPC: G05B23/02
Abstract: 本发明提供了一种工业控制系统时序异常检测方法，包括以下步骤：构建时间序列，时间序列包括T个时刻的过程数据和时刻间隔内流经的字节数和数据包的数量；每个过程数据包括m个工业参数的值；通过滑动窗口对时间序列进行分片处理后，得到训练样本集；进行分片操作进行维度转换，得到分片间视角和分片内视角；将分片间视角和分片内视角依次经过时间卷积网络、通道注意力机制和自注意力网络处理后得到分片间表示分片内表示；将分片间表示和分片内表示进行维度统一后，通过利用KL散度计算两种表示的差异值，当差异值大于或等于阈值，则判定为异常。使深度学习模型能够同时从网络域和物理域两方面进行建模，使模型更加准确。
-
公开(公告)号：CN119520359A
公开(公告)日：2025-02-25
申请号：CN202411450406.X
申请日：2024-10-17
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于流量分析的工控协议范式语法自动生成方法及系统，所述方法包括以下步骤：捕获工控系统中的数据包序列，提取所述数据包序列的每个数据包中的协议名称、字段名称、字段类型和字段大小；为每个数据包构建数据模型：将数据包对应的协议名称作为根节点，将字段名称作为子节点，将字段类型和字段大小作为对应字段的字段名称的叶子节点；提取所有数据模型的共有部分，得到通用数据模型，遍历所述通用数据模型，得到工控协议的范式语法描述。本发明的方法可以自动生成工控协议的范式语法描述，减少因人为错误或疏忽而导致的语法错误和漏洞，提供了准确的协议规范。
-
公开(公告)号：CN118744151A
公开(公告)日：2024-10-08
申请号：CN202410889026.X
申请日：2024-07-04
Applicant: 武汉理工大学
IPC: B09B3/80 , B09B101/30
Abstract: 本发明公开了通过水力空化高效脱除垃圾焚烧飞灰中氯盐的设备及方法，设备包括飞灰料仓、搅拌桶、蠕动泵、两个空化管、蓄水箱、压滤机以及废水回用组件，方法包括以下步骤：S1、飞灰浆液制备；S2、水力空化参数拟合；S3、分段水力空化：S3‑1、最优质量浓度确定；S3‑2、最优空化流速确定；S4、连续水力空化；S5、后处理。本发明通过水力空化可有效促进可溶氯盐的溶解，大幅提高可溶氯盐去除率，进而还可降低工业耗水量，且回水可循环利用，成本低，氯盐去除效果好，飞灰除氯过程中不使用化学药剂，可对焚烧飞灰实现环保高效除杂。
-
公开(公告)号：CN115002471A
公开(公告)日：2022-09-02
申请号：CN202210593207.9
申请日：2022-05-27
Applicant: 武汉理工大学
IPC: H04N19/30 , H04N19/124 , H04N19/172 , H04N19/192 , H04N19/42 , H04N19/593
Abstract: 本发明提供了一种基于鲁棒自适应DAC码的分布式视频编码及解码方法和系统。方法分为编码端和解码端，编码端将输入视频分为关键帧和WZ帧，关键帧采用帧内编码；WZ帧经过变换、量化得到比特面，再对比特面进行置乱以提高解码的鲁棒性，接着采用自适应信源概率DAC算法对其进行编码。解码端对关键帧采用帧内解码，已解码的关键帧经过运动补偿插帧生成边信息，边信息再经过置乱以辅助WZ帧解码；WZ帧采用相同的自适应方法估计信源概率，并从DAC解码树中选择与边信息最匹配的路径作为解码输出，最后将输出按置乱顺序逆序还原并重构完成全部解码过程。该方法在降低DAC编码开销的同时，提升了解码的鲁棒性，对基于DAC的分布式视频编码性能有一定提高。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
