-
公开(公告)号：CN106603563A
公开(公告)日：2017-04-26
申请号：CN201611262952.6
申请日：2016-12-30
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04L29/06
CPC classification number: H04L63/0815 , H04L63/083 , H04L63/0861 , H04L63/10
Abstract: 本申请提供了基于生物特征识别的信息安全实现方法和系统，方法包括：采集用户信息，将所述用户信息与预采集并加密后存储到指定的服务器中的用户信息进行比对，完成认证登录过程；实时监控检测限定区域的情况，确保信息安全终端由通过认证的用户专一使用。上述方案能改进现有信息终端无法实时便捷地确保由通过认证的用户专一使用的问题。
-
公开(公告)号：CN103368968A
公开(公告)日：2013-10-23
申请号：CN201310307619.2
申请日：2013-07-22
Applicant: 厦门市美亚柏科信息股份有限公司
CPC classification number: Y02D50/10
Abstract: 本发明提供了一种数据传输方法和系统，用于在源数据存储装置和目标数据存储装置之间进行数据传输，源数据存储装置上设两个以上数据传输物理接口，目标数据存储装置上设网络接口，将源数据存储装置上的数据传输物理接口转换成网络接口，将源数据存储装置与目标数据存储装置的网络接口相连接，该方法包括：按预定时间获取源数据存储装置和目标数据存储装置上的网络接口参数；根据网络接口参数将源数据存储装置中的数据分配到不同的网络接口并发送出去；通过目标数据存储单元的网络接口接收数据；将接收的数据组装后进行存储。通过将多个数据传输物理接口转换成网络接口，并同时利用多个网络接口传输数据，以提高数据传输速度，节约数据传输时间。
-
公开(公告)号：CN102955673A
公开(公告)日：2013-03-06
申请号：CN201110250365.6
申请日：2011-08-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F3/06
Abstract: 本发明提供了一种RAID5智能重组方法和装置，所述方法包括：在第一磁盘的连续区域搜索所有具有记录特征的MFT记录，按其在磁盘内的地址排序，最中间的地址区间作为标准分析对象；在标准分析对象的0x2C偏移处提取一个32位无符号整数，与磁盘号一起组成一个键值对，并按键值升序排列；将每个键值对中的键值减去前一个键值，出现频率最高的差值作为块大小；确认校验盘，将校验盘移动到不同位置形成不同的组合方案；将分区表链和MFT数据簇流正确的组合方案作为最终方案。本发明基于MFT进行区域分析，利用文件系统的管理机制，提取特定区域的数据计算RAID5参数，重组速度快，准确率高，产生的组合方案少，重组成本低。
-
公开(公告)号：CN102567209A
公开(公告)日：2012-07-11
申请号：CN201010598171.0
申请日：2010-12-21
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F12/02
Abstract: 本发明提供了一种闪存芯片数据解析方法和装置，所述方法包括：创建用于保存数据解析结果的空容器文件；在整个镜像范围内搜索引导扇区页，在预设偏移地址处读取一16位无符号整数作为后续步骤的起始编号；在芯片镜像中以页为单位搜索读取一16位无符号整数，判断其是否与起始编号相同，若是，则计数器递增1，直至计数器递增至报数终点为止，并将搜索到的包含有起始编号的页写入容器文件；重复执行将起始编号递增1以及按上述方法搜索并写入容器文件的过程，直至递增后的起始编号不能在闪存芯片的镜像中搜索到为止。本发明基于引导扇区搜索、冗余数据分析和计数提取闪存芯片数据解析方法，可解决现有技术仅能对单一证据信息进行数据解析的问题。
-
公开(公告)号：CN116029366A
公开(公告)日：2023-04-28
申请号：CN202211692290.1
申请日：2022-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06N3/096 , G06V30/19 , G06N3/0455
Abstract: 本发明提出了一种基于重编码的文本识别模型压缩方法及系统，该方法包括以下步骤：S1、获取并整理原始样本，使用原始样本对第一文本识别模型进行训练；S2、对训练好的第一文本识别模型进行知识蒸馏，获得压缩后的第二文本识别模型；S3、保留第二文本识别模型的主干网络，重新搭建第二文本识别模型的分类层，获得第三文本识别模型；以及S4、对原始样本进行重新标注处理，获得待测样本，使用待测样本对第三文本识别模型进行训练，并且对训练好的第三文本识别模型进行网络性能验证。该方法能够对大字库模型进行充分压缩，避免对模型识别精度带来明显影响，提升模型推理速度，减小模型规模，使模型充分满足实际业务场景需求。
-
Patent Agency Ranking
公开(公告)号：CN112348015B
公开(公告)日：2022-11-18
申请号：CN202011238231.8
申请日：2020-11-09
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V20/62 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于级联神经网络的文字检测方法、装置及存储介质，该方法通过收集样本，并对样本进行处理生成数据集；搭建第一全卷积网络，通过数据集对第一全卷积网络进行训练至网络收敛，并通过训练后的第一全卷积网络对数据集进行推理，获得回归结果；搭建第二全卷积网络，通过回归结果对第二全卷积网络进行训练至网络收敛；将待验证图片输入第一全卷积网络，若第一全卷积网络判断在滑窗范围内存在文字，则裁剪下滑窗范围内的区域做双线性插值尺度变换并输入第二全卷积网络，通过第二全卷积网络判断区域是否为文字区域。该方法具有更好的泛化性能，并能够在保证检测准确率与召回率的同时，降低模型大小，从而提升文字检测算法性能。
-
公开(公告)号：CN115205605A
公开(公告)日：2022-10-18
申请号：CN202210966666.7
申请日：2022-08-12
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提出了一种多任务边缘特征提取的深伪视频图像鉴定方法，该方法包括如下步骤：S1、构建并获取图像鉴定所需训练数据；S2、搭建网络框架对图像进行图像特征提取和边缘特征提取；S3、对提取的图像特征和边缘特征进行展平和拼接处理；S4、获得图像类别的预测结果。通过添加对边缘生成的任务，能够让网络获取到边缘特征，利用这些特征进行进一步的分类，本发明能够解决传统特征提取耗时慢、计算量大的问题，让神经网络具有可解释性的同时提高网络的预测性能。
-
公开(公告)号：CN115147908A
公开(公告)日：2022-10-04
申请号：CN202210879588.7
申请日：2022-07-25
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本申请提出了一种基于图像patch序损失的人脸鉴伪方法，包括：S1、获取包含训练图像及其标签信息的人像鉴伪数据集；S2、对所述人像鉴伪数据集进行数据处理，包括：对所述训练图像进行均匀切割并打乱所述训练图像的初始patch序列集合，得到所述训练图像的第一patch序列集合；对所述第一patch序列集合进行增强处理，得到第二patch序列集合；将不同所述训练图像的所述第一patch序列集合和所述第二patch序列集合中的patch块进行随机交换，从而得到处理后的人像鉴伪数据集；S3、利用所述处理后的人像鉴伪数据集训练得到神经网络分类模型；S4、将待检测图像输入到所述神经网络分类模型中。本申请的人像鉴伪方法极大的节约了训练成本和数据收集成本，并且具有较高的判别准确性。
-
公开(公告)号：CN113822328B
公开(公告)日：2022-09-16
申请号：CN202110894433.6
申请日：2021-08-05
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及防御对抗样本攻击的图像分类方法、终端设备及存储介质，该方法中包括：S1：采集原始图像和其对应的对抗样本；S2：构建图像分类模型，图像分类模型采用深度神经网络结构，并在深度神经网络中添加去噪模块，去噪模块包括非局部均值模块和自注意力机制模块；S3：将原始图片和对应的对抗样本混合后对图像分类模型进行训练；S4：采用训练后的图像分类模型对图像进行分类。本发明通过端到端的方式在卷积网络的中间层添加去噪模块来降低对抗图像的噪声扰动，去噪模块由非局部均值模块和自注意力机制模块相结合，能够达到去噪目的且能够与任意卷积层相衔接，从而提高模型的对抗鲁棒性，有效解决了对抗样本攻击深度学习系统存在的隐患。
-
公开(公告)号：CN113807392B
公开(公告)日：2022-09-16
申请号：CN202110896904.7
申请日：2021-08-05
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多预处理特征融合的篡改图像鉴别方法，其可包括以下步骤：S1、收集样本，构建训练集与验证集；S2、搭建多预处理特征提取模块；S3、将训练集中的每一张图像通过多预处理特征提取模块处理得到相应特征，并对同一张图像获取到的特征以通道维度合并，形成该图像的特征张量；S4、将特征张量输入神经网络模型进行训练直到损失收敛；S5、将验证集输入训练好的神经网络模型，获取输出结果，若输出结果大于预设阈值，则判定该图像为篡改图像。本发明通过提前提取先验特征的方式，使得模型更容易拟合到相关特征，更易于训练，能够实现对多种篡改方式进行同时鉴别。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.036 seconds)
