-
公开(公告)号：CN117994852B
公开(公告)日：2024-11-12
申请号：CN202410229510.X
申请日：2024-02-29
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/44 , G06N3/0464 , G06N3/0455 , G06N3/098
Abstract: 本发明提供一种基于查询的人体行为感知方法、装置及程序产品，所述方法包括：获取预先训练的人体行为感知模型，人体行为感知模型包括视频编码器和动作解码器；视频编码器用于提取视频数据对应的视觉特征；动作解码器用于将视觉特征作为查询键值对，与至少一个预设查询进行关联，优化至少一个预设查询并输出查询任务对应的结果；将视频数据输入所述人体行为感知模型，得到人体行为感知结果。本发明能够实现跨任务联合优化，完成人体行为感知领域的多个任务，提高通用性和可拓展性。
-
公开(公告)号：CN118262264B
公开(公告)日：2024-09-17
申请号：CN202410128441.3
申请日：2024-01-30
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V40/20 , G06V10/82 , G06N3/0464 , G06V10/84
Abstract: 本申请提供一种视频动作分割与评估方法，所述方法包括：采用骨架网络对包含多个动作的目标视频进行特征提取，得到视频特征；将所述视频特征输入用于提取时间置信度特征的第一卷积网络以得到时间置信度图；将所述视频特征输入用于提取边界置信度特征的第二卷积网络以得到边界置信度图；基于所述时间置信度图和边界置信度图对所述目标视频进行分割，得到多个子动作视频特征；基于全连接层和softmax层得到各个所述子动作视频特征各自对应的特征得分集；基于高斯函数和各个所述特征得分集确定各个所述子动作视频特征的动作评估得分。本申请能够有效提高视频动作分割的普适性、准确性差以及提升分割效率。
-
公开(公告)号：CN118535988A
公开(公告)日：2024-08-23
申请号：CN202410991750.3
申请日：2024-07-23
Applicant: 北京邮电大学
IPC: G06F18/2413 , G06F18/213 , G06F18/23 , H04L9/40
Abstract: 本发明提供一种基于插值谱的流量分类方法、装置、存储介质及程序产品，涉及计算机技术领域，方法包括：获取待分类流量数据；待分类流量数据包括从边缘计算网络中接收到的至少一类流量数据，每一类流量数据中包括至少一个数据点；获取预先训练的流量分类模型，流量分类模型包括特征提取层和流量分类层；特征提取层用于基于各个数据点，分别插入预设数量的插值，并集成得到插值谱作为提取的数据特征；流量分类层用于基于数据特征，将待分类流量数据分类；将待分类流量数据输入流量分类模型，得到待分类流量数据对应的流量分类结果；能够解决流量分类准确性较低的问题；能够避免基于高维数据点距离计算所引起的误差，提高流量分类的准确性。
-
公开(公告)号：CN118314601A
公开(公告)日：2024-07-09
申请号：CN202410416836.3
申请日：2024-04-08
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于实例解耦和多特征点融合的多人解析方法及装置，所述方法包括：获取待测图像，将所述待测图像输入至训练好的特征金字塔网络中得到多个特征图，将获取到的多个所述特征图进行连接得到特征总图；将所述特征总图输入至训练好的多特征融合模型，基于所述多特征融合模型对实例中心进行特征提取得到中心特征，对各实例的各部位中心与对应实例的实例中心之间的偏移进行特征提取得到偏移特征，以及将所述中心特征和所述偏移特征进行特征融合得到各实例特征；将所述特征总图和所述实例特征输入至训练好的全局解耦模型，基于所述全局解耦模型得到实例感知图，基于所述实例感知图得到各实例的热图。本发明能够提高多人解析结果的准确性。
-
公开(公告)号：CN117994852A
公开(公告)日：2024-05-07
申请号：CN202410229510.X
申请日：2024-02-29
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/44 , G06N3/0464 , G06N3/0455 , G06N3/098
Abstract: 本发明提供一种基于查询的人体行为感知方法、装置及程序产品，所述方法包括：获取预先训练的人体行为感知模型，人体行为感知模型包括视频编码器和动作解码器；视频编码器用于提取视频数据对应的视觉特征；动作解码器用于将视觉特征作为查询键值对，与至少一个预设查询进行关联，优化至少一个预设查询并输出查询任务对应的结果；将视频数据输入所述人体行为感知模型，得到人体行为感知结果。本发明能够实现跨任务联合优化，完成人体行为感知领域的多个任务，提高通用性和可拓展性。
-
Patent Agency Ranking
公开(公告)号：CN117640252B
公开(公告)日：2024-03-26
申请号：CN202410097556.0
申请日：2024-01-24
Applicant: 北京邮电大学
IPC: H04L9/40 , H04L43/026 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06N3/098
Abstract: 本发明提供一种基于上下文分析的加密流威胁检测方法及系统，所述方法的步骤包括：获取待检测的原始网络流文件中的多个数据包的长度特征值，将全部数据包的长度特征值构建为原始长度序列；基于所述长度特征值在原始长度序列中的出现频率对每个所述长度特征值映射为编码值，得到所述原始长度序列对应的长度编码序列；将所述长度编码序列输入到预设的编码器中，所述编码器包括嵌入层和循环层，所述嵌入层向循环层输出编码向量，所述循环层输出上下文向量，将所述上下文向量输入到预设的解码器中，得到注意力向量；基于所述注意力向量和编码向量计算上下文长度序列，将所述上下文长度序列输入到训练的检测器中，得到威胁检测结果。
-
公开(公告)号：CN117278332B
公开(公告)日：2024-02-13
申请号：CN202311555622.6
申请日：2023-11-21
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于网络架构搜索的网络流入侵检测方法和系统，所述方法包括：在边缘物联网设备上预先部署有网络流入侵检测模型，基于所述网络流入侵检测模型对经过边缘物联网设备的流量进行分类以实现网络流入侵检测；其中，所述网络流入侵检测模型利用网络架构搜索模型构造得到，网络架构搜索模型中输入的训练数据为带标签的网络流数据集，在预先定义的搜索空间中进行搜索，并对搜索到的网络流入侵检测模型架构进行评估，所述搜索空间中包含全部可选的网络流入侵检测模型架构。本发明能够基于网络架构搜索技术在搜索空间查找轻量级的网络流入侵检测模型架构，从而部署模型在边缘物联网设备上，进行网络流入侵检测。
-
公开(公告)号：CN117278332A
公开(公告)日：2023-12-22
申请号：CN202311555622.6
申请日：2023-11-21
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于网络架构搜索的网络流入侵检测方法和系统，所述方法包括：在边缘物联网设备上预先部署有网络流入侵检测模型，基于所述网络流入侵检测模型对经过边缘物联网设备的流量进行分类以实现网络流入侵检测；其中，所述网络流入侵检测模型利用网络架构搜索模型构造得到，网络架构搜索模型中输入的训练数据为带标签的网络流数据集，在预先定义的搜索空间中进行搜索，并对搜索到的网络流入侵检测模型架构进行评估，所述搜索空间中包含全部可选的网络流入侵检测模型架构。本发明能够基于网络架构搜索技术在搜索空间查找轻量级的网络流入侵检测模型架构，从而部署模型在边缘物联网设备上，进行网络流入侵检测。
-
公开(公告)号：CN114944926B
公开(公告)日：2023-12-22
申请号：CN202210211405.4
申请日：2022-03-04
Applicant: 北京邮电大学 , 中国电子科技集团公司第三十研究所 , 中电科网络空间安全研究院有限公司
IPC: H04L9/40 , G06N3/0495 , G06N3/043
Abstract: 本申请提供一种势变谱构造方法、网络流异常行为识别方法及相关装置，势变谱构造方法包括：通过预定义分析原子和原子学习两种方式得到超完备原子库；根据预设的基底筛选规则自超完备原子库中选取对应的原子以构成基底；基于基底生成用于识别目标网络流数据对应的网络流异常行为的势变谱，其中，势变谱为目标网络流数据的网络流映射表征集合。本申请能够自动学习网络流行为以得到精确且简练的网络流表达，并能够以更少的特征针对经稀疏表达后的网络流进行重新表达，使得针对不同业务类型的网络流能够具有更清晰的可解释性，并能够将网络流以直观、可视化的形式展现出来，进而能够有效提高恶意网络流识别的效率、便捷性、准确性及可靠性。
-
公开(公告)号：CN116758628A
公开(公告)日：2023-09-15
申请号：CN202310615495.8
申请日：2023-05-29
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V40/70 , G06V10/80 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种基于多模态融合的人体动作识别方法及装置，所述方法的步骤包括：在加速度数据中截取加速度数据段，并在通过深度相机采集到的关节点数据帧中截取对应时间段的关节点数据帧；将截取的加速度数据段构建为加速度参数矩阵，将所述加速度参数矩阵输入到预训练的第一模型中，所述第一模型输出第一特征向量；生成对应所述关节点数据帧中每个关节点的关节点热力图张量，采用时间聚合策略将每个关节点热力图张量处理为聚合张量；将全部聚合张量输入到预训练的第二模型中，所述第二模型输出第二特征向量；基于所述第一特征向量和第二特征向量，采用分类算法融合所述第一特征向量和第二特征向量，计算动作分类结果。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.041 seconds)
