-
公开(公告)号：CN112101087B
公开(公告)日：2024-02-02
申请号：CN202010725766.1
申请日：2020-07-24
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/088 , G06F21/62
Abstract: 本发明实施例公开了一种面部图像身份去识别方法，方法包括：从获取的原始图像中提取每个预先选定的面部所在区域中的内容，得到原始面部图像；对于每个原始面部图像，利用预先训练的生成模型，获得该原始面部图像的原始身份特征和原始非身份特征；确定用于代替原始身份特征的目标身份特征；利用生成模型结合原始非身份特征和目标身份特征，得到该原始面部图像对应的目标面部图像；分别用每个目标面部图像的内容，替换该目标面部图像对应的目标区域的内容，得到替换完成的目标图像。应用本发明实施例能够实现在面部图像的身份去识别的同时，完整地保留该面部图像的非身份属性，使得新生成的面部图像能够用于后续的效用。
-
公开(公告)号：CN112101609B
公开(公告)日：2023-08-01
申请号：CN202010725692.1
申请日：2020-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种关于用户还款及时性的预测方法，第一客户端获取目标用户的第一标识数据和第一特征数据组；利用对偶模型预测第一特征数据组在第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发给第二客户端；获得第一特征数据组的第一加密加权值并发给服务端；第二客户端利用接收到的加密数据确定目标用户在第二客户端的第二目标特征数据组，获得第二目标特征数据组的第二加密加权值并发给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到表征目标用户还款及时性的目标标签数据，并发给第一客户端；第一客户端为销售企业端或银行端之一，第二客户端为销售企业端或银行端之另一。
-
公开(公告)号：CN112078593B
公开(公告)日：2021-12-21
申请号：CN202010724471.2
申请日：2020-07-24
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于多种网络协同模型的自动驾驶系统和方法，其系统包括自动驾驶控制装置、图像采集装置、存储器和处理器，其中，图像采集装置采集道路实时图片，并在识别出目标图片时提出查询请求；存储器接收查询请求，并将目标图片输入至少三个预先训练的不同类型的网络模型；每个预先训练的网络模型对目标图片分类后输出各自的分类结果；处理器接收并汇总各自的分类结果，输出识别结果；自动驾驶控制装置根据识别结果控制车辆自动驾驶。本发明的方案基于多种网络模型协同判断，避免了单一模型会受到对抗样本欺骗的问题，目标信息不会受到污染，会被正确识别，对于自动驾驶来说，具有非常高的安全性和可靠性。
-
公开(公告)号：CN119584577A
公开(公告)日：2025-03-07
申请号：CN202411674747.5
申请日：2024-11-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高热导率BeO钝化的AlN基射频功率晶体管及制备方法，包括：自下而上依次层叠的衬底层、AlN成核层、GaN沟道层、AlN势垒层；源极和漏极，位于AlN势垒层上表面的两端；第一钝化层，位于源极和漏极之间的AlN势垒层的上表面；第二钝化层，位于第一钝化层的上表面；其中，第二钝化层为高热导率材料BeO；T型栅极，贯穿第二钝化层直至第一钝化层的上表面，以及搭接于部分第二钝化层的上表面，且靠近源极。本发明在提高热导率、提高器件耐压和功率密度、减小电流崩塌、降低器件工作温度和增强器件工作稳定性方面具有显著优势，预示着在高频、高功率领域的广阔应用前景。
-
公开(公告)号：CN118628944B
公开(公告)日：2024-10-22
申请号：CN202411105759.6
申请日：2024-08-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种事件流和事件帧融合的强化学习无人机避障方法，属于人机避障技术领域。本发明将事件相机产生的事件流和事件帧信息分别输入到不同的特征提取网络中，再通过特征向量融合的方式来获取事件流与事件帧的融合表征；使用在采集的离线数据流上预训练好的事件自分编码器作为模型的事件流特征提取网络，用于将具有时序性、异步性的事件流信息转换为特征信息，以提升无人机避障成功率；同时将强化学习训练过程解耦为两阶段，通过对比重建图像与真值图像进行预训练，事件帧卷积网络在智能体学习过程中进行训练，并有效利用融合特征补充智能体环境交互所需的状态信息。本发明用于搭载了事件相机的无人机，能获得良好的避障效果。
-
Patent Agency Ranking
公开(公告)号：CN112085159B
公开(公告)日：2023-08-15
申请号：CN202010724476.5
申请日：2020-07-24
Applicant: 西安电子科技大学
IPC: G06N3/098 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06F18/243 , G06F21/60 , G06F21/62 , H04L9/40
Abstract: 本发明公开了一种用户标签数据预测系统和方法，第一客户端获取目标用户的第一标识数据和第一特征数据组，针对每个第二客户端，预测第一特征数据组在该第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发送给该第二客户端；利用训练得到的联邦学习模型参数，获得第一特征数据组的第一加密加权值并发送给服务端；每个第二客户端利用接收到的加密数据，确定目标用户在该第二客户端的第二目标特征数据组，利用训练得到的联邦学习模型参数，获得第二目标特征数据组的第二加密加权值并发送给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到目标用户的目标标签数据并返回给第一客户端。
-
公开(公告)号：CN109033636B
公开(公告)日：2022-04-22
申请号：CN201810839824.6
申请日：2018-07-27
Applicant: 电子科技大学
Abstract: 本发明属于电子对抗技术领域，具体涉及一种基于链路层比特流盲分析的链路层接入机制分析方法。本发明可以通过对链路层比特流盲分析，对链路层接入机制进行分析。本方法针对传统链路层接入机制识别方法进行改进，通过对链路层大量比特流数据统计聚类，实现对比特流数据盲分析，找到链路层协议同步头，分割比特流，统计帧长分布，根据帧长区分控制帧和数据帧。通过对物理层提供的时间以及节点的数据信息，分析部分网络拓扑，找到配对节点，再根据两个配对节点的链路层比特流信息数据，利用最长连续子串获得两个通信节点的控制帧和数据帧。根据获得的两个节点数据，根据控制帧与数据帧的时序关系与方向分析链路层接入机制。
-
公开(公告)号：CN112101404A
公开(公告)日：2020-12-18
申请号：CN202010725682.8
申请日：2020-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的图像分类方法、系统及电子设备。该方法包括：服务端获取待分类图像，对各个客户端发起判定请求；每个客户端根据判定请求，对自身状态参数判定后反馈响应信号给服务端；服务端根据响应信号，将待分类图像分发给可以参加分类任务的目标客户端；各个目标客户端将待分类图像输入各自预先训练的少样本网络模型进行分类，得到第一分类结果；服务端对第一分类结果汇总整理，输出第二分类结果。本发明通过采用生成对抗网络训练客户端的少样本网络模型，提高少样本网络模型的鲁棒性和分类精确度。
-
公开(公告)号：CN108966272B
公开(公告)日：2020-09-15
申请号：CN201810840119.8
申请日：2018-07-27
Applicant: 电子科技大学
IPC: H04W24/08
Abstract: 本发明属于电子对抗技术领域，具体涉及一种基于功率累积信息的无线网络通联关系识别方法。本发明提出的基于累积功率信息的通联关系识别方法，通过对目标功率谱在时间维度上采取不同时间分辨率下的积分，提取累积功率信息，通过KMEANS++聚类算法以及PCA主成分分析方法，完成网络通联关系的识别包括通信关系以及通信时间间隔等网络通联关系信息。并通过实际实验，实现IEEE802.11b无线传输协议和TCP/IP网络传输协议下，完成基于功率累积信息的无线网络通联关系识别方法，并验证了该方法的理论可行性。相比于传统无线网络通联关系识别方法，该方法仅需要无线通信网络的物理层信息，不需要通过对无线信号进行传统的解码，解密操作，来完成无线网络通联关系识别。
-
公开(公告)号：CN109033636A
公开(公告)日：2018-12-18
申请号：CN201810839824.6
申请日：2018-07-27
Applicant: 电子科技大学
CPC classification number: G06F17/5009 , H04L41/12 , H04W74/002
Abstract: 本发明属于电子对抗技术领域，具体涉及一种基于链路层比特流盲分析的链路层接入机制分析方法。本发明可以通过对链路层比特流盲分析，对链路层接入机制进行分析。本方法针对传统链路层接入机制识别方法进行改进，通过对链路层大量比特流数据统计聚类，实现对比特流数据盲分析，找到链路层协议同步头，分割比特流，统计帧长分布，根据帧长区分控制帧和数据帧。通过对物理层提供的时间以及节点的数据信息，分析部分网络拓扑，找到配对节点，再根据两个配对节点的链路层比特流信息数据，利用最长连续子串获得两个通信节点的控制帧和数据帧。根据获得的两个节点数据，根据控制帧与数据帧的时序关系与方向分析链路层接入机制。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.029 seconds)
