公开(公告)号：CN118761407A

公开(公告)日：2024-10-11

申请号：CN202410736390.2

申请日：2024-06-07

Applicant: 中南大学

Inventor： 黄端 ,  胡海洋 ,  王蓉 ,  许浩淇 ,  张玲 ,  石金晶 ,  施鹤远 ,  邓晓衡 ,  谭真

IPC: G06F40/211 ,  G06F40/284 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/0464

Abstract: 本发明公开了一种文档级中文事件关系检测方法，包括获取现有的中文文档；进行句法语义依存分析图的构建；进行中文事件的抽取；进行事件对的构建；进行事件要素信息的嵌入；构建BERT关系分类器并进行训练得到事件关系预测模型；采用得到的事件关系预测模型进行文档级中文事件的关系检测。本发明还公开了一种实现所述文档级中文事件关系检测方法的系统。本发明根据句法语义依存分析图的构建、中文事件的抽取和事件对的构建，保证了事件关系判断的基础，并同时根据BERT关系分类器实现文档级中文事件的关系检测；而且本发明的可靠性更高，而且精确度更高。

公开(公告)号：CN116740706A

公开(公告)日：2023-09-12

申请号：CN202310535357.9

申请日：2023-05-12

Applicant: 中南大学

Inventor： 刘书宁 ,  沈煜恒 ,  施鹤远 ,  陈慧珍 ,  刘荣凯 ,  陈世俊 ,  梁锴 ,  胡超 ,  龙军

IPC: G06V20/69 ,  G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464

Abstract: 本公开实施例中提供了一种基于协同检测的显微图像生物体识别方法，属于图像处理技术领域，具体包括：提取显微图像对应的不同尺度的三层图像特征；修改图像特征尺度与第三层图像特征一致；将处理后的第一层图像特征、处理后第二次图像特征和第三层图像特征采用预设方法进行融合，得到融合特征；将融合特征输入边框检测模块得到边框检测图，得到中心点密度图，生成高斯密度图；根据高斯密度图中包含的中心点坐标信息结合边框检测图中包含的边框信息，将中心点坐标与边框检测图中的边框坐标逐个比对，筛选出重合的边框信息并保留，删除其余边框，优化识别结果，得到边框检测结果。通过本公开的方案，提高了识别适应性和精准度。

公开(公告)号：CN116069672B

公开(公告)日：2023-07-04

申请号：CN202310288727.3

申请日：2023-03-23

Applicant: 中南大学

Inventor： 施荣华 ,  彭瑞康 ,  施鹤远 ,  胡超 ,  梁锴 ,  陈世俊

IPC: G06F11/36

Abstract: 本发明公开了一种操作系统内核定向模糊测试的种子变异方法，包括获取目标操作系统的数据信息；构建函数调用图和控制流图；得到过程间控制流图；得到内核代码相对目标位置的距离度量；评估现有种子并得到符合设定条件的种子；对得到的种子进行质量评分和能量分配，得到具有不同能量的测试例种子；对测试例种子进行自适应变异，完成对应的种子变异。本发明还公开了一种包括所述操作系统内核定向模糊测试的种子变异方法的测试方法。本发明方法不仅能够让优质种子优先变异执行，实现了种子变异的高可靠性高、高效率和优秀的变异效果，而且也能够使得后续的测试过程的资源花费较少，测试时间缩短，测试效率更高。

公开(公告)号：CN115878823B

公开(公告)日：2023-04-28

申请号：CN202310195620.4

申请日：2023-03-03

Applicant: 中南大学

Inventor： 胡超 ,  夏方尚元 ,  施鹤远 ,  刘荣凯 ,  梁锴

IPC: G06F16/51 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06F16/55 ,  G06F16/583

Abstract: 本发明公开了一种基于图卷积网络的深度哈希方法，包括获取训练图像；对图像数据进行数据增强；构建视觉转换器模块；将视觉转换器模块的输出数据输入到图卷积网络中进行相关性优化；将图卷积网络的输出图像经过全连接层和激活函数映射得到哈希码；构建综合损失函数优化哈希过程；根据最终的优化结果完成实际的深度哈希过程。本发明还公开了一种包括所述基于图卷积网络的深度哈希方法的交通数据检索方法。本发明保证低维汉明空间与原始图像高维空间一致的相关性关系，生成更加高效、紧凑的二进制哈希码，提高大规模图片检索的有效性，而且可靠性高、有效性好且简单方便。

公开(公告)号：CN115878823A

公开(公告)日：2023-03-31

申请号：CN202310195620.4

申请日：2023-03-03

Applicant: 中南大学

Inventor： 胡超 ,  夏方尚元 ,  施鹤远 ,  刘荣凯 ,  梁锴

IPC: G06F16/51 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06F16/55 ,  G06F16/583

Abstract: 本发明公开了一种基于图卷积网络的深度哈希方法，包括获取训练图像；对图像数据进行数据增强；构建视觉转换器模块；将视觉转换器模块的输出数据输入到图卷积网络中进行相关性优化；将图卷积网络的输出图像经过全连接层和激活函数映射得到哈希码；构建综合损失函数优化哈希过程；根据最终的优化结果完成实际的深度哈希过程。本发明还公开了一种包括所述基于图卷积网络的深度哈希方法的交通数据检索方法。本发明保证低维汉明空间与原始图像高维空间一致的相关性关系，生成更加高效、紧凑的二进制哈希码，提高大规模图片检索的有效性，而且可靠性高、有效性好且简单方便。

公开(公告)号：CN115761263A

公开(公告)日：2023-03-07

申请号：CN202211581109.X

申请日：2022-12-09

Applicant: 中南大学

Inventor： 胡超 ,  刘荣凯 ,  施鹤远 ,  夏方尚元 ,  余瑞实 ,  罗京

IPC: G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请适用于图像检索技术领域，提供了一种深度哈希方法，该方法通过提取图像数据的局部特征数据和全局表示数据；对局部特征数据和全局表示数据进行融合，得到融合特征数据；对多个融合特征进行聚类，得到多个簇；将最大簇融合特征的数量作为所有超边的最大阶数，根据所有阶超边的权重构建总关联矩阵；根据总关联矩阵构建融合特征数据超图；利用超图卷积神经网络对融合特征数据超图进行处理，得到融合特征数据对应的优化特征数据；对优化特征数据进行处理，得到图像数据的初始哈希码；利用初始哈希码和损失函数构建模型优化函数，并根据模型优化函数得到最终哈希码。本申请可以提高深度哈希方法检索的准确率。

公开(公告)号：CN115081627A

公开(公告)日：2022-09-20

申请号：CN202210893350.X

申请日：2022-07-27

Applicant: 中南大学

Inventor： 湛誉 ,  黄亮 ,  胡超 ,  施鹤远

IPC: G06N3/08 ,  G06N3/04 ,  G06F16/532 ,  G06F16/583 ,  G06F16/51 ,  G06F16/332 ,  G06F16/33 ,  G06F16/383 ,  G06F16/31

Abstract: 本发明公开了一种基于生成式网络的跨模态数据哈希检索攻击方法，包括利用重构跨模态数据与请求跨模态数据构造重构函数，然后基于重构跨模态数据的特征向量与sign函数构造量化函数。通过对比重构跨模态数据的哈希码与跨模态检索数据库中哈希码之间的汉明距离，获得积极跨模态数据和消极跨模态数据用于构造对抗性三元组函数，并通过请求跨模态数据哈希码构造基于相对的对抗性三元组函数。最后通过构造训练函数并通过ADAM优化器获得对抗性生成器的最佳参数，接着获得可快速生成对抗性样本的对抗性生成器，降低了传统的基于迭代式攻击获取对抗性样本时会消耗大量算力的缺点，节省算力且精度高。