一种基于卷积神经网络的两阶段图像检索方法

    公开(公告)号:CN111198959A

    公开(公告)日:2020-05-26

    申请号:CN201911396473.7

    申请日:2019-12-30

    Abstract: 本发明提出了一种基于卷积神经网络的两阶段图像检索方法,其步骤如下:在VGG16网络的卷积层和密集连接层之间添加特征提取层构建卷积神经网络模型;利用训练集和验证集对卷积神经网络模型进行训练,利用反向传播调整卷积神经网络模型的参数;将测试集输入训练好的卷积神经网络模型,利用哈希函数映射将特征向量映射得到二进制哈希码,利用softmax分类函数对密集连接层输出的向量进行分类,构建二级索引库;将待检索图像输入训练好的卷积神经网络模型,进行第一阶段的检索,进行第二阶段检索。本发明在相应的图像类别下进一步搜索,通过分类优化检索实现了图像的精确分类和快速检索,加快了相似特征的检索速度,提高了查询效率。

    基于互信息聚类的联邦学习无线流量预测方法

    公开(公告)号:CN117376971A

    公开(公告)日:2024-01-09

    申请号:CN202311312075.9

    申请日:2023-10-11

    Abstract: 本发明提出一种基于互信息聚类的联邦学习无线流量预测方法,包括构建客户端模型、模型聚类和模型聚合;首先,使用滑动窗口机制将本地的原始流量数据构造为临近型流量序列和周期型流量序列;然后,使用双LSTM模型分别学习这两个流量序列对应的临近性特征和周期性特征,并融合这两种特征,再通过一个线性层映射得到预测值;增强客户端模型学习能力以提高预测准确度。其次,使用基于互信息的谱聚类算法将客户端流量预测模型进行聚类,得到聚类集群;以捕获每个集群模型的个性化特征。最后,使用基于注意力机制的模型聚合算法对模型进行分层聚合得到用于流量预测的全局模型,提高了全局模型的泛化能力。本发明预测误差小,具有优秀的流量预测性能。

    一种用于图像边缘提取的智能图像处理仪

    公开(公告)号:CN111488889B

    公开(公告)日:2023-11-07

    申请号:CN202010292008.5

    申请日:2020-04-14

    Abstract: 本发明公开了一种用于图像边缘提取的智能图像处理仪,具体涉及图像处理领域,包括图像集获取模块和FPGA芯片,图像集获取模块的输出端电性连接有AD转换电路,AD转换电路的输出端电性连接有矩阵信息提取器,矩阵信息提取器的输出端电性连接有特征提取模块和原图像数据输出,特征提取模块的内部设有图像信息分析模块、深度神经网络、比对模块和图像分类输出。本发明设置人工智能尽心预先的图像分类,对待提取的图像进行大批量的分类,并将图像信息数据化,无需图像边缘提取算法进行图像识别和图像优化,且利用FPGA芯片作为处理电路,可提高图像的定位精度,同时减少图像后续处理中的数据量,方便图像边缘提取的有效快速运行。

    基于空间自适应全变差的CS迭代阈值图像去噪重建方法

    公开(公告)号:CN114255182B

    公开(公告)日:2023-05-23

    申请号:CN202111515665.2

    申请日:2021-12-13

    Abstract: 本发明提出了一种基于空间自适应全变差的CS迭代阈值图像去噪重建方法,步骤为:初始化重建图像和初始含噪观测值;对获得的重建图像进行迭代更新获得估计值;基于优化阈值软阈值算子进行轮廓波变换获得去噪估计值轮廓波稀疏系数;将获得的去噪估计值轮廓波稀疏系数输入到基于空间自适应全变差CS重建模型中获得重建图像轮廓波系数;使用基于轮廓波维纳滤波算子进行滤波获得重建图像轮廓波系数;将重建图像轮廓波系数进行轮廓波逆变换获得重建图像。本发明采用基于优化阈值软阈值算子的轮廓波变换进行稀疏变换,不仅能够将图像数据与噪声信息进行有效分离,同时能够有效去除隐藏在图像各层中的噪声信息获得高质量的图像稀疏系数,提高了去噪重建能力。

    一种基于残差自编码的图像深度去噪方法

    公开(公告)号:CN116051408A

    公开(公告)日:2023-05-02

    申请号:CN202310022026.5

    申请日:2023-01-06

    Abstract: 本发明提出了一种基于残差自编码的图像深度去噪方法,步骤如下:以噪声的标准差作为分级依据将噪声分级;通过数据增强策略扩充数据集中的图片数量得到训练集;构建图像去噪模型:图像去噪模型包括依次连接的编码模块、密集残差模块和解码模块;将训练集的图片分别添加步骤一中各个噪声等级范围内的高斯噪声得到含噪图像,将含噪图像输入图像去噪模型分别进行学习训练,获得训练好的不同噪声等级的图像去噪模型;在图像去噪应用时将含噪图片输入训练好的图像去噪模型,直接重构输出去噪后的图片。本发明在去除大部分噪声信息的同时能够有效的保留图像的局部细节特征和图像的边缘特征信息,获得高质量的重建图像;实现简单且轻量化,参数量少。

    一种基于深度强化学习的自适应服务功能链映射方法

    公开(公告)号:CN115037628A

    公开(公告)日:2022-09-09

    申请号:CN202210562305.6

    申请日:2022-05-23

    Abstract: 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法,步骤为:建立SFC映射模型,将SFC映射过程分为三层结构并进行抽象参数表示;搭建SFCR映射学习神经网络,并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值;构建经验回放池并对网络参数更新;基于经验回放池中数据,统计不同VNF的请求率、使用率及现有部署数量和未激活个数;设计VNF再部署策略,根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势,能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题;具有良好的自适应性,能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。

    智能晾衣架
    38.
    发明授权

    公开(公告)号:CN112647256B

    公开(公告)日:2022-06-03

    申请号:CN202011284514.6

    申请日:2020-11-17

    Abstract: 本发明涉及一种智能晾衣架,该智能晾衣架通过设置在室内天花板上的推送装置将晾衣杆推出窗外或拉回到室内,窗户为通过齿轮齿条驱动的自动推拉窗,当晾衣杆从室内伸出窗外进行晾衣时,齿轮驱动两齿条将两窗扇向内滑动,窗户打开,晾衣杆伸出窗外进行晾晒,在晾衣支架和横向推拉杆上设有对应的锁定装置,连续的推晾衣杆能够通过其两端的T形锁止头和两锁定装置锁定或解除锁定,实现了晾衣杆的自动固定;晾衣支架上设置有雨水和风力感应器,感应到雨水和大风时,会将信号传给推送装置来驱动晾衣杆收回到室内,并自动关闭推拉窗;该晾衣架实现了自动化的晾晒衣服,解决了下雨天不能及时收回衣服的难题,机构可靠、晾晒效果好,适合在市场全面推广。

    一种基于填充曲线和相邻像素比特置乱的图像加密方法

    公开(公告)号:CN112714235B

    公开(公告)日:2021-10-26

    申请号:CN202011523251.X

    申请日:2020-12-22

    Abstract: 本发明提出了一种基于填充曲线和相邻像素比特置乱的图像加密方法,其步骤如下:将灰度图像变换为二维的图像矩阵;计算图像矩阵的哈希值,计算四维的超混沌系统的初始值;利用V型填充曲线置乱图像矩阵,图像矩阵转置进行第二次置乱;根据得到的初始值对超混沌系统进行迭代分别得到四个混沌序列;以一个混沌序列为起点、一个为步长,利用约瑟夫遍历图像矩阵的相邻像素的二进制位进行相邻像素比特置乱;利用混沌序列得到的序列矩阵分别对图像进行前向扩散和反向扩散,得到密文图像。本发明通过比特级与像素级的双重置换,打破了像素间的高度相关性,克服了选择/已知明文攻击及普通图像相关的统计攻击,具有较高的密钥灵敏度和抵抗差分攻击的能力。

    基于区块链的内容中心网络隐私保护方法

    公开(公告)号:CN113489733A

    公开(公告)日:2021-10-08

    申请号:CN202110788755.2

    申请日:2021-07-13

    Abstract: 本发明提出了一种基于区块链的内容中心网络隐私保护方法,其步骤为:可信属性授权中心执行初始化算法生成公共参数和主密钥;每个消费者和出版者生成其公钥和私钥;可信属性授权中心随机生成自己的公钥和私钥;互相通信计算出公钥;生成密文并上传给云服务提供商;交易上链阶段;解密阶段:当消费者想要获取感兴趣的内容时,在联盟链上找到内容的交易信息;消费者根据交易信息发送兴趣包,通过交易信息中的存储地址获取密文;联盟链根据消费者的访问信息生成访问交易,并以数据包发送给消费者,消费者在本地进行解密并在联盟链上验证。本发明实现了内容共享的机密性、抗合谋攻击和抗CSP攻击;实现了分布式访问控制且访问策略安全。

Patent Agency Ranking