公开(公告)号：CN105912684B

公开(公告)日：2019-07-26

申请号：CN201610235578.4

申请日：2016-04-15

Applicant: 湘潭大学

Inventor： 唐欢容 ,  欧阳建权 ,  徐竟达 ,  汤陈蕾 ,  王中涛

IPC: G06F16/953 ,  G06F16/583

Abstract: 本发明针对互联网海量异构数据之间错综复杂的关系的公开了一种基于视觉特征和语义特征的跨媒体检索方法，主要包括以下几个步骤：第一步，使用二次开发的分布式网络爬虫对目标数据源的数据进行抓取；第二步，针对不同数据源，分别编写不同的模板，对网页进行基于模板的信息提取，对数据进行解析去噪，并存入数据库中；第三步，对图片提取特征值并建立索引，建立语义关联图；第四步，使用SVM支持向量机和已经训练过的模型，对内容进行分类；第五步，根据提取出的视觉特征和语义特征，计算不同类型数据之间的相似距离，分析不同类型数据之间的关联性。采用本方法，可以较有效地挖掘出不同类型数据之间的关联性。

公开(公告)号：CN110047077A

公开(公告)日：2019-07-23

申请号：CN201910307569.5

申请日：2019-04-17

Applicant: 湘潭大学 ,  赛尔网络有限公司

Inventor： 欧阳建权 ,  尹家俊 ,  唐欢容

IPC: G06T7/10 ,  H04L9/32 ,  H04N1/44

Abstract: 一种用于以太坊共识机制的图像处理方法包括以下步骤：将待处理图像转换为灰度图像；对生成的灰度图像进行过度分割，并输出分割图像作为最初分割图像；计算最初分割图像的MDL值；将分割图像中相邻区域进行两两合并，计算合并后图像的MDL值，将产生最小MDL值的合并后图像作为最新分割图像；输出MDL值最小的最新分割图像作为最优分割图像；以太坊的共识机制判断最优分割图像的MDL值与最初分割图像的MDL值的比值是否符合要求；将最优分割图像作为随机数进行哈希运算，完成以太坊共识机制剩余要求。本发明提供的图像处理方法充分利用了以太坊上各节点用于投入生成随机数的算力对图像信息进行处理，从而达到提高算力资源的利用率及加强区块链安全性的目的。

公开(公告)号：CN109493303A

公开(公告)日：2019-03-19

申请号：CN201910018682.1

申请日：2019-01-09

Applicant: 湘潭大学

Inventor： 唐欢容 ,  王海 ,  欧阳建权

IPC: G06T5/00 ,  G06N3/04

Abstract: 一种基于生成对抗网络的图像去雾方法，该方法包括：1)获取样本数据；2)样本数据中的真实有雾图像作为第一生成器的输入数据，第一生成器生成一次无雾图像；样本数据中的真实无雾图像作为第二生成器的输入数据，第二生成器生成一次有雾图像；第一判别器将一次有雾图像与真实有雾图像之间的误差反馈给第二生成器，第二判别器将一次无雾图像与真实无雾图像之间的误差反馈给第一生成器，第二生成器和第一生成器减小误差，提高生成图像的真实度；生成器和判别器进行反复对抗训练，得到最优去雾网络模型；3)图像去雾。本发明采用生成对抗网络结构及损失函数，网络训练不需要同一场景的有雾-无雾匹配图像，同时保证去雾前后图像的颜色不失真。

公开(公告)号：CN108520282A

公开(公告)日：2018-09-11

申请号：CN201810330974.4

申请日：2018-04-13

Applicant: 湘潭大学

Inventor： 欧阳建权 ,  方昆 ,  唐欢容

IPC: G06K9/62

Abstract: 生成对抗网络(GAN)在图像生成和半监督学习中显示出极大的发展前景，已发展为三生对抗网络(Triple-GAN)。但基于Triple-GAN的分类方法仍存在两个需要解决的问题：基于KL散度分布构造容易产生梯度消失，出现训练不稳定情况；由于Triple-GAN手动对样本进行标记标签，会造成手动标记工作量过大及标记不均匀等情况。本发明基于此，拟利用随机森林(RandomForests)对真实样本进行分类，将叶子节点自动标记标签，同时利用最小二乘生成对抗网络(LSGAN)的思想构造损失函数，避免梯度消失。

公开(公告)号：CN106203511A

公开(公告)日：2016-12-07

申请号：CN201610544248.3

申请日：2016-07-11

Applicant: 湘潭大学

Inventor： 欧阳建权 ,  唐欢容 ,  陈纯玉

IPC: G06K9/62 ,  G06T5/00

Abstract: 一种图像相似块评估方法，包括以下步骤：图像块SA，SB；(2)计算图像块SA中每个像素点对应的梯度值tAi，并保存在矩阵DSA中；计算图像块SB中每个像素点对应的梯度值tBi，并保存在矩阵DSB中；(3)计算第i个点的权重weight1，weight2；(4)计算图像块中相同位置的Ai，Bi两点的测地距离；(5)计算SA，SB之间的测地距离；(6)比较d(SA,SB)与预定义阈值T的大小，判断图像块SA，SB是否相似。基于测地距离的相似块衡量方法，能有效提高相似块组的准确率，用于基于图像块的去噪算法中，能提高去噪效果。(1)取冷冻电子显微镜图像中两个大小为K*K的

公开(公告)号：CN102299901A

公开(公告)日：2011-12-28

申请号：CN201010208893.0

申请日：2010-06-25

Applicant: 湘潭大学

Inventor： 唐欢容 ,  李勇周 ,  王辉 ,  李宇 ,  欧阳建权

IPC: H04L29/06

Abstract: 本发明涉及网络安全技术领域，具体涉及一种基于二叉树检测来判定UDPFlood攻击和防御的方法，包括以下步骤：1、构建二叉树结构，对UDP数据包及相关信息进行存储和查询；2、对UDP数据包及其相关信息进行预存储；3、查找二叉树，对已存入二叉树的信息与当前分析的信息进行循环比较，判定是否为UDP Flood攻击；4、调用操作系统防火墙程序过滤发送UDP Flood的主机IP，拒绝接收数据包。本发明可以达到如下的有益效果：对大型DDoS类型的UDP Flood攻击采取基于二叉树的循环检测方式，通过二叉树来预存储UDP数据包和搜索二叉树来匹配及循环检测，检测迅速高效，精确度很高，有着优秀的防御效果。