-
公开(公告)号：CN115113875B
公开(公告)日：2024-10-18
申请号：CN202210691390.6
申请日：2022-06-17
Applicant: 华中科技大学
IPC: G06F8/41
Abstract: 本发明公开了一种基于COStream的数据流程工作量精细化估计方法，属于数据流编译器的任务工作量估计领域。包括：获取COStream数据流语言中不同数据类型的基础运算及基础操作的时钟周期数；将待测的程序语句结构生成语法分析树，遍历语法分析树中的所有节点，分别计算每个节点的工作量，待测的程序语句结构的工作量为所有节点工作量的总和；本发明以时钟周期作为单位，细粒度地估计程序语句的工作量，工作量估计方法更精准，并且在进行工作量估计时，考虑了COStream编译器经过优化后的实际执行路径，针对编译器优化后不会执行的程序语句，不会计算相应的工作量，进一步提高了COStream数据流语言中工作量估计的准确性。
-
公开(公告)号：CN112163114B
公开(公告)日：2024-03-22
申请号：CN202010947296.3
申请日：2020-09-10
Applicant: 华中科技大学
IPC: G06F16/583 , G06F16/55 , G06F16/538 , G06V10/28 , G06V10/46 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T9/00
Abstract: 本发明公开了一种基于特征融合的图像检索方法，属于图像检索领域，包括：训练特征提取网络；提取训练图像集中各图像的多层语义浮点描述符，并进行哈希学习生成旋转矩阵R；提取图像库中各图像的多层语义浮点描述符，利用R进行旋转之后进行二值化；利用分类网络对图像库中各图像进行分类；对应存储各图像的二值描述符和类概率向量；提取多层语义浮点描述符包括：提取图像的高层语义特征和底层图像特征，并进行融合；高层语义特征包括全局描述符，其提取方式为：将图像缩放至多个不同尺度，利用特征提取网络提取特征并融合；底层图像特征包括SIFT描述符，其提取方式为：提取图像的多个SIFT特征并聚合为VALD。本发明能够构建区分力强且占空间小的描述符。
-
公开(公告)号：CN117040943B
公开(公告)日：2023-12-26
申请号：CN202311305187.1
申请日：2023-10-10
Applicant: 华中科技大学
IPC: H04L9/40 , H04L101/659
Abstract: 本发明公开了一种基于IPv6地址驱动的云网络内生安全防御方法和装置，属于云网络安全技术领域，所述方法包括：在地址生成层，将云网络中的租户身份信息转换为网络唯一标识并与信息进行拼接、加密生成IPv6接口标识，再与网络前缀进行组合得到IPv6真实地址。在地址验证层，实时监测各个网络主机端口的流量和流表项数据，确定每个网络主机端口的状态转移情况；针对不同状态转移情况的网络主机端口，采用差异化的验证策略验证IPv6真实地址的合法性。在地址利用层，当监测到异常流量时从地址验证层获得异常流量对应的当前IPv6真实地址，对其进行身份的快速追溯，同时结合动态源地址验证方法，提高了云网络的内生安全防御能力。
-
公开(公告)号：CN116582507B
公开(公告)日：2023-10-03
申请号：CN202310851184.1
申请日：2023-07-12
Applicant: 华中科技大学
IPC: H04L49/111 , H04L49/50 , H04L49/20 , H04L49/25
Abstract: 本发明公开了基于可编程交换机的网络微突发流检测方法及相关设备，属于网络安全领域，包括：在数据包进入可编程交换机后，从包头提取出队列时的队列深度，若大于预设阈值，则判定其为微突发流数据包；利用BF和IBLT存储微突发流数据包中携带的流信息，BF和IBLT等长且初始值均为0；IBLT中，各槽位存储的信息包括：对应流的流id异或值、流计数以及包计数；按原始转发路径转发进入交换机的各数据包；每经过预设的时间间隔后，选取指定数量的数据包进行镜像，将当前IBLT中的内容嵌入镜像所得数据包的包头后，将这些数据包包头传输至控制平面。本发明能够在不影响可编程交换机的转发性能的情况下，实现网络微突发流的检测并提供微突发流信息。
-
公开(公告)号：CN116582507A
公开(公告)日：2023-08-11
申请号：CN202310851184.1
申请日：2023-07-12
Applicant: 华中科技大学
IPC: H04L49/111 , H04L49/50 , H04L49/20 , H04L49/25
Abstract: 本发明公开了基于可编程交换机的网络微突发流检测方法及相关设备，属于网络安全领域，包括：在数据包进入可编程交换机后，从包头提取出队列时的队列深度，若大于预设阈值，则判定其为微突发流数据包；利用BF和IBLT存储微突发流数据包中携带的流信息，BF和IBLT等长且初始值均为0；IBLT中，各槽位存储的信息包括：对应流的流id异或值、流计数以及包计数；按原始转发路径转发进入交换机的各数据包；每经过预设的时间间隔后，选取指定数量的数据包进行镜像，将当前IBLT中的内容嵌入镜像所得数据包的包头后，将这些数据包包头传输至控制平面。本发明能够在不影响可编程交换机的转发性能的情况下，实现网络微突发流的检测并提供微突发流信息。
-
Patent Agency Ranking
公开(公告)号：CN113553977B
公开(公告)日：2023-02-10
申请号：CN202110870222.9
申请日：2021-07-30
Applicant: 国电汉川发电有限公司 , 华中科技大学
IPC: G06V20/40 , G06V10/762 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于改进YOLO V5的安全帽检测方法和系统，属于目标检测领域。包括：采用安全帽佩戴状态训练集训练改进YOLO V5，训练集中的训练样本为包含工作人员的图片帧，标签为工作人员安全帽佩戴状态，得到训练好的检测模型；将工业监控视频的每一帧输入至训练好的检测模型，得到安全帽检测结果。本发明对Prediction进行改进，新增检测头特征图尺度为160*160，专门用于检测微小目标。本发明对Neck进行改进，在模块十七提取特征并完成卷积操作之后，对提取到的特征图增加上采样操作，进一步扩大网络中特征图的尺寸；增加网络结构中的连接层，将提取得到的浅层特征信息与Backbone模块提取得到的深层特征信息进行拼接融合，增强YOLO V5算法模型多尺度特征提取能力。
-
公开(公告)号：CN114513340B
公开(公告)日：2023-02-07
申请号：CN202210070945.5
申请日：2022-01-21
Applicant: 华中科技大学
IPC: H04L9/40 , G06F18/2431
Abstract: 本发明公开了一种软件定义网络中的两级DDoS攻击检测与防御方法，基于控制器北向接口采集交换机流表数据并提取直接特征和派生特征，攻击检测采用序贯概率比检验(Sequential Probability Ratio Test，SPRT)和轻量级梯度提升机(Light Gradient Boosting Machine，LightGBM)设计两级攻击检测算法，SPRT一级攻击检测算法用于在攻击早期快速定位攻击端口，LightGBM二级攻击检测算法用于对攻击进行具体分类，攻击防御通过下发流表规则对攻击流量进行实时过滤，粗粒度规则用于对攻击的快速响应，保护控制器的安全，细粒度规则用于对特定类型的攻击进行防御，以防止对正常通信流量的过滤，能够在发生DDoS攻击时有效地保护SDN网络的安全。
-
公开(公告)号：CN114926764A
公开(公告)日：2022-08-19
申请号：CN202210532287.7
申请日：2022-05-09
Applicant: 国电汉川发电有限公司 , 华中科技大学
Abstract: 本发明公开一种工业场景下的遗留物检测方法和系统，属于工业监控视频的智能检测领域。包括：分别提取监控视频当前帧的特征图和背景帧的特征图，所述背景帧一旦发生变化需重新标定；使用负相关的相关性算子计算当前帧特征图和背景帧特征图的相关性，得到相关特征图；从相关特征图中检测得到当前帧不属于背景的所有前景目标的回归框及位置；对每个前景目标进行分类，得到前景目标的类别；根据当前帧中的前景目标的类别和位置，结合工业场景特性，输出遗留物检测结果。本发明采用负相关性算子计算得到当前帧与背景帧的相关特征，能够准确识别背景以外的所有前景目标，消除光线变化等干扰影响，降低遗留物检测的误判率和漏检率。
-
公开(公告)号：CN112163114A
公开(公告)日：2021-01-01
申请号：CN202010947296.3
申请日：2020-09-10
Applicant: 华中科技大学
IPC: G06F16/583 , G06F16/55 , G06F16/538 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06T9/00
Abstract: 本发明公开了一种基于特征融合的图像检索方法，属于图像检索领域，包括：训练特征提取网络；提取训练图像集中各图像的多层语义浮点描述符，并进行哈希学习生成旋转矩阵R；提取图像库中各图像的多层语义浮点描述符，利用R进行旋转之后进行二值化；利用分类网络对图像库中各图像进行分类；对应存储各图像的二值描述符和类概率向量；提取多层语义浮点描述符包括：提取图像的高层语义特征和底层图像特征，并进行融合；高层语义特征包括全局描述符，其提取方式为：将图像缩放至多个不同尺度，利用特征提取网络提取特征并融合；底层图像特征包括SIFT描述符，其提取方式为：提取图像的多个SIFT特征并聚合为VALD。本发明能够构建区分力强且占空间小的描述符。
-
公开(公告)号：CN107330918B
公开(公告)日：2020-08-18
申请号：CN201710491949.X
申请日：2017-06-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于在线多示例学习的足球视频球员跟踪方法，属于计算机视觉识别领域。本技术方案在目标特征提取方面，结合了全局特征和局部特征，提取场地主色和球员模板主色直方图；同时对粒子滤波运动模型进行粒子初始化，对前一帧目标球员位置的所有粒子进行状态转移，计算经过状态转移后的所有粒子与球员模板主色直方图的相似度，去除场地主色的影响，粒子权重按相似度值进行归一化，并用权值大的粒子代替，生成新的粒子集；获取集合图像的Haar‑like特征向量，输入多示例学习分类器中，计算得到当前帧目标球员位置。本发明技术方案能减少目标运动的不确定性，有效抑制跟踪中的漂移现象，提高跟踪结果准确性。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.025 seconds)
