-
Patent Agency Ranking
公开(公告)号：CN115879516A
公开(公告)日：2023-03-31
申请号：CN202310188408.5
申请日：2023-03-02
Applicant: 南昌大学
IPC: G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/82
Abstract: 本申请公开了一种数据取证方法，具体包括以下子步骤：获取原始电子数据；对原始电子数据进行处理；将处理后的原始电子数据输入取证网络，输出高质量图像数据；在视觉增强网络中对高质量图像数据进行重建，得到重建后的图像数据，完成数据取证。本申请在确保数据不可检测性的前提下，不仅能够保存数据的视觉质量，还提升了数据的视觉质量，从而能够生成具有高不可检测性和视觉质量的反取证图像数据。
-
公开(公告)号：CN114742212A
公开(公告)日：2022-07-12
申请号：CN202210659744.9
申请日：2022-06-13
Applicant: 南昌大学
IPC: G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开一种电子数字信息重采样率估算方法，包括：将待处理电子数字信息输入CNN模型，经灰度转换后进入METEOR层进行一级卷积，得到能量特征图；将能量特征图输入卷积层进行二级卷积操作，对能量特征图中的边缘和曲线特征进行分类；在CNN模型中引入ReLU激活函数，使CNN模型非线性化；经激活函数激活后，将上层得到的分类结果送入池化层，对输入的分类结果进行下采样处理；使用SOFTMAX层和精度层输出训练损耗和分类精度，对模型进行评估。本发明构建的CNN模型更加适合估计重采样率，提高估计精度。
-
公开(公告)号：CN115937994A
公开(公告)日：2023-04-07
申请号：CN202310015602.3
申请日：2023-01-06
Applicant: 南昌大学
IPC: G06V40/40 , G06V40/16 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本申请公开了一种基于深度学习检测模型的数据检测方法，具体包括以下子步骤：获取原始电子数据；将原始电子数据输入深度学习检测模型中，获取输出后的电子数据；响应于获取输出后的电子数据，确定深度学习检测模型的损失函数；响应于确定深度学习检测模型的损失函数，利用深度学习检测模型对输出后的电子数据进行优化。本申请通过提出的深度学习检测模型能够不需要纯化操作，直接检测反取证数据，使得反取证数据的检测过程更加直接和便利。
-
公开(公告)号：CN114757342B
公开(公告)日：2022-09-09
申请号：CN202210664838.5
申请日：2022-06-14
Applicant: 南昌大学
Abstract: 本发明公开一种基于对抗训练的电子数据信息反取证方法，将DeepFake生成的伪电子数字信息加入对抗性干扰后输入GAN网络的一级生成器，并使用鉴别器监督，输出一级电子数字信息；将一级电子数字信息输入GAN网络的二级生成器，并使用鉴别器监督，输出模仿原始伪电子数字信息的二级电子数字信息；将二级电子数字信息输入GAN网络的三级生成器，并使用三级鉴别器监督，将三级生成器生成的电子数字信息再度转换，输出最终电子数字信息，并根据第一损失函数、第二损失函数以及额外损失构建GAN网络的最终损失函数。本发明能够提高反取证能力与视觉效果。
-
公开(公告)号：CN207318391U
公开(公告)日：2018-05-04
申请号：CN201720645081.X
申请日：2017-06-06
Applicant: 南昌大学
IPC: G01N25/02
Abstract: 本实用新型提供一种热电偶和取样杯可重复利用的铸造铝合金热分析取样装置，其可以实现热电偶(测头)和取样杯的重复利用；包括检测温度用且由棒状热电偶构成的测头，测头通过补偿导线与外部的温度采集器连接；它包括一底板、设置于底板上的立柱、设置于底板上的取样杯；还包括设置于立柱侧部的滑动板，所述滑动板通过滑套与立柱连接，且所述滑动板通过滑套可在立柱上滑动及转动；所述滑动板的下端设有一金属保护套管，所述测头位于金属保护套管内。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
Search Results
65
records
(took 0.045 seconds)
