-
公开(公告)号：CN110175953A
公开(公告)日：2019-08-27
申请号：CN201910439532.8
申请日：2019-05-24
Applicant: 鹏城实验室 , 清华大学深圳研究生院
Abstract: 本发明提供一种图像超分辨方法和系统，该方案包括：将待处理图像作为卷积神经网络超分模型的输入，卷积神经网络超分模型由四个依次连接的执行模块构成；第一执行模块对待处理图像进行处理，得到第一处理图像；第二执行模块对第一处理图像进行处理，输出包含第二处理图像；第三执行模块对第二处理图像进行处理，输出第三处理图像；第四执行模块对第三处理图像进行处理，输出超分辨率图像。基于本发明，卷积神经网络超分模型为待处理图像设置加权特征，通过对加权特征的学习，确定待处理图像中的重要特征，并依据重要特征进行超分辨处理，从而提高卷积神经网络超分模型的特征表达能力，使得超分辨处理后所得到的超分辨率图像的细节质量大大提高。
-
公开(公告)号：CN112149681B
公开(公告)日：2024-11-26
申请号：CN202011040208.8
申请日：2020-09-28
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院
Abstract: 本发明公开了一种面向场景文本识别的数据增强方法、系统及终端，所述方法包括：将输入样本输入到数据增强器，所述数据增强器根据所述输入样本自适应地选择形变类型；所述数据增强器根据选择的形变类型对所述输入样本进行形变处理以生成增强样本；将所述输入样本和所述增强样本输入到场景文本识别器进行识别，所述场景文本识别器根据识别结果输出损失函数，并反馈给所述数据增强器；所述数据增强器根据所述损失函数生成增强样本。本发明通过数据增强器根据输入样本的性质和场景文本识别器的能力自适应地生成合适的增强样本，实现了数据增强器和场景文本识别器的联合优化，通过数据增强方法来平衡样本的多样性和亲和性。
-
公开(公告)号：CN112434704B
公开(公告)日：2024-09-24
申请号：CN202011205903.5
申请日：2020-11-02
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院
Abstract: 本发明公开了一种基于高阶统计量的特征图处理方法、终端及存储介质，方法包括：分别计算待处理特征图的各个通道对应的统计量数值，其中，统计量包括至少一个高阶统计量；将待处理特征图输入至预先训练完成的第一神经网络，通过第一神经网络获取第一参数集合，其中，第一参数集合中包括多个第一参数，每个第一参数为待处理特征图分别与各个统计量的相关性分数；根据各个第一参数和统计量数值分别获取待处理特征图的各个通道的注意力权重；根据各个注意力权重对待处理特征图的各个通道进行处理，获取目标特征图。本发明通过包括高阶统计量在内的多个统计量数值能够捕获更丰富的统计信息，能够提升通道注意力权重的准确性，提高神经网络的表示能力。
-
公开(公告)号：CN112115317B
公开(公告)日：2024-05-14
申请号：CN202010841276.8
申请日：2020-08-20
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院
IPC: G06F16/903 , G06F21/62
Abstract: 本发明公开了一种针对深度哈希检索的有目标攻击方法及终端设备，所述方法包括步骤：提供具有标签t的样本集合，将所述样本集合中的所有样本输入深度哈希检索模型中，生成相应的哈希码；采用位投票算法获得代表哈希码ha；指定超参数α的大小为0到1，并设计损失函数；利用梯度下降的方法计算x′的梯度并利用所述梯度更新x′；将生成的对抗样本x′投影，使得x′满足无穷约束和图像空间；判断是否达到预设的更新次数，如果是，得到对抗样本x′；将所述对抗样本x′输入到所述深度哈希检索模型中，返回期望类别的样本。本发明在设计深度哈希检索模型时采用此种攻击方法，有利于提高模型的安全性和鲁棒性，并且产生的对抗样本能够使检索模型返回攻击者期望的类别样本。
-
公开(公告)号：CN116664958A
公开(公告)日：2023-08-29
申请号：CN202310927246.2
申请日：2023-07-27
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本申请涉及人工智能技术领域，提供了一种基于二值神经网络模型的图像分类方法以及相关设备，基于二值神经网络模型的图像分类方法利用全精度神经网络模型对属于相同网络结构的第一神经网络模型进行逐层知识蒸馏得到的第二神经网络模型，能够使得第二神经网络模型充分学习到全精度神经网络模型的知识，之后再将第二神经网络模型的权重参数固定为1比特得到二值神经网络模型，能够极大程度地减少模型推理过程中占用的存储空间以及计算资源，利用该二值神经网络模型能够在诸如嵌入式设备或移动设备等存储空间和计算资源有限的微型设备上实现准确高效的图像分类。
-
Patent Agency Ranking
公开(公告)号：CN114745170B
公开(公告)日：2023-08-18
申请号：CN202210362853.4
申请日：2022-04-07
Applicant: 鹏城实验室
Abstract: 本发明公开了一种物联网异常实时检测方法，包括：对途径交换机的数据流进行过滤，得到异常流ID，并将异常流ID报告给服务器防火墙，同时将包含异常流ID的镜像流量发送给服务器；服务器从镜像流量中分析异常流ID，并得到异常流的包序列；对得到的包序列进行高精度异常检测，并根据高精度异常检测结果进行判断，得到一个判断信息，根据判断信息更新交换机的黑名单；本发明提前将孤立森林转换成规则并部署在交换机上，实现了在交换机上通过无监督学习算法来对互联网进行恶意流量的检测，在交换机上设计使用了双哈希算法特征提取方案，降低了延迟和资源占用，设置非对称的自动编码器模型，在交换机初步检测流量后进一步检测，提高了检测高精度。
-
公开(公告)号：CN114785716B
公开(公告)日：2023-06-16
申请号：CN202210277722.6
申请日：2022-03-21
Applicant: 鹏城实验室
IPC: H04L43/0852 , H04L43/0882 , H04L43/12
Abstract: 本发明公开了一种基于自诱导拥塞和单向延迟的可用带宽测量方法，恢复时间预测值方法包括：获取自诱导拥塞负载队列的第一参数和恢复拥塞的检查队列的第二参数，并基于预设的算法，根据第一参数和第二参数，生成探测队列；通过发包器对探测队列进行一轮定时发送，并通过收包器测量一轮定时发送后的探测队列的接收时间，接着根据接收时间和定时发送时的发送时间获取单向延迟数组；基于预设的恢复定位算法和预设的去噪算法对单向延迟数组进行定位和去噪处理，得到恢复时间预测值和首个恢复的包的下标，并根据恢复时间预测值和首个恢复的包的下标，计算网络的可用带宽。本发明的方法在高带宽速率、快速变化的多跳现代网络中，能够高效、准确地测量网络的可用带宽。
-
公开(公告)号：CN113098973B
公开(公告)日：2022-05-20
申请号：CN202110395708.1
申请日：2021-04-13
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
IPC: H04L67/568
Abstract: 本申请公开了一种包级别网内数据传输方法、系统、存储介质及终端设备，所述方法包括当请求数据满足预设条件时，为所述请求数据分配缓存信息，并基于所述缓存信息以及所述请求数据生成第一数据包，并将所述第一数据包发送至网络侧，以使得基于所述缓存信息将所述请求数据存储于网络缓存内，并发送所述第一数据包。本申请当需要发送数据时，源端可以根据确定是否需要将请求数据缓存于网络侧缓存，这样可以消除网络中的冗余流量，提升网络传输效率。同时，为CDN和ISP提供了新的传输机制，能够促进CDN和ISP的合作，降低网络成本实现CDN和ISP双方共赢。
-
公开(公告)号：CN113127672A
公开(公告)日：2021-07-16
申请号：CN202110432335.0
申请日：2021-04-21
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种量化图像检索模型的生成方法、检索方法、介质及终端，所述生成方法包括：利用预设网络模型，确定预设样本集中的训练图像对应的预测量化向量；基于所述训练图像的文本标签确定所述训练图像对应的文本向量；基于所述文本向量以及所述预测量化向量对所述预设网络模型进行训练，以得到量化图像检索模型。本申请通过采用训练图像对应的文本标签作为弱监督标注，并且通过弱监督标注以及预测量化向量对预设网络模型进行训练，这样可以使得深度量化可以利用弱标注图片数据进行学习，解决了现有深度量化依赖高质量标注的数据的问题，这样可以降低量化图像检索模型所处的人工成本，从而降低量化图像检索模型的训练成本。
-
公开(公告)号：CN113098973A
公开(公告)日：2021-07-09
申请号：CN202110395708.1
申请日：2021-04-13
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
IPC: H04L29/08
Abstract: 本申请公开了一种包级别网内数据传输方法、系统、存储介质及终端设备，所述方法包括当请求数据满足预设条件时，为所述请求数据分配缓存信息，并基于所述缓存信息以及所述请求数据生成第一数据包，并将所述第一数据包发送至网络侧，以使得基于所述缓存信息将所述请求数据存储于网络缓存内，并发送所述第一数据包。本申请当需要发送数据时，源端可以根据确定是否需要将请求数据缓存于网络侧缓存，这样可以消除网络中的冗余流量，提升网络传输效率。同时，为CDN和ISP提供了新的传输机制，能够促进CDN和ISP的合作，降低网络成本实现CDN和ISP双方共赢。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.026 seconds)
