公开(公告)号：CN104932938A

公开(公告)日：2015-09-23

申请号：CN201510330093.9

申请日：2015-06-16

Applicant: 中电科软件信息服务有限公司 ,  电子科技大学

Inventor： 童晓渝 ,  赵华 ,  叶定松 ,  罗光春 ,  段贵多 ,  秦科

IPC: G06F9/48

Abstract: 本发明涉及一种基于遗传算法的云计算资源调度方法。包括：初始化各个服务器参数，接收用户提交的任务，采用改进的遗传算法得到资源调度的分配方案，即任务与服务器的映射关系，调度器根据分配方案进行资源调度。该方法在满足用户需要的同时，快速部署云任务，使得云服务提供商的运行成本最低。

公开(公告)号：CN101702229A

公开(公告)日：2010-05-05

申请号：CN200910216159.6

申请日：2009-11-06

Applicant: 电子科技大学

Inventor： 段贵多 ,  李建平 ,  黄添喜 ,  赵希 ,  黄源源

IPC: G06T1/00 ,  G06T9/00

Abstract: 本发明涉及一种含认证水印和恢复水印的图像生成方法和恢复方法。其生成方法，包括以下步骤：S1.图像分解；S2.树结构的形成；S3.认证水印的嵌入；S4.恢复水印的嵌入；S5.图像生成。其恢复方法，包括以下步骤：T1.图像分解；T2.树结构的形成；T3.认证水印提取；T4.恢复水印提取；T5.认证水印差图的获取；T6.图像篡改区域定位精确度的提高；T7.图像篡改区域的恢复。本发明的有益效果是：本发明利用WBCT变换的多尺度和多方向特性，不再采用分块和LSB技术即可实现图像篡改区域的检测和恢复，克服了这两种技术带来的“伪认证”问题和精确度较低的问题。

公开(公告)号：CN1725244A

公开(公告)日：2006-01-25

申请号：CN200510021291.3

申请日：2005-07-19

Applicant: 电子科技大学

Inventor： 佘堃 ,  彭静 ,  侯祥勇 ,  段贵多

IPC: G06T1/00 ,  G06F1/00 ,  H04L9/00

Abstract: 基于脆弱水印的电子印章的产生方法，包括嵌入电子印章的防伪标记水印步骤和嵌入文档特征水印步骤。基于脆弱水印的电子印章的验证方法，主要包括水印提取和判断真伪的步骤。其实质是利用小波变换对原始电子印章图像进行分解得到四个系数矩阵LL、LH、HL和HH，通过改变最高频系数矩阵HH中适当选取的系数来嵌入脆弱水印。依据本发明所得的电子印章，不仅嵌入了单位标识等防伪水印，还可以结合具体文档嵌入文档特征水印。嵌入水印后的图章可视效果很好；验证时，不需要原始图章；可嵌入两个或多个水印，其中防伪标记水印对印章图像加以保护，文档特征水印可以保障文档的合法性和真实性。本发明可应用于电子政务、电子商务中的电子文档，通过对电子文档中所加盖印章真伪性的鉴别，从而起到保障电子文档内容真实性和完整性的作用。

公开(公告)号：CN119129733A

公开(公告)日：2024-12-13

申请号：CN202411285247.2

申请日：2024-09-13

Applicant: 电子科技大学

Inventor： 段贵多 ,  何涛 ,  戴瑞婷 ,  李云灏 ,  董云睿 ,  朱玥

IPC: G06N5/025 ,  G06F18/25 ,  G06F18/2415 ,  G06V10/40 ,  G06F40/126 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于互注意力机制的自适应多模态关系抽取方法，涉及多模态关系抽取领域。首先通过金字塔模块提取图像的分层特征信息，然后利用这些信息生成自适应的特征向量；将提取的文本信息和最上层视觉信息进行去噪处理，并进行对齐；将处理后的两种模态信息通过多模态互注意力融合模块进行融合；计算损失函数，通过随机梯度下降法最小化损失来训练该模型；在执行多模态关系抽取任务时，在得到文本‑图像对后，通过分类器获得每个样本的原始分数，并将其归一化为概率分布得到概率，最后根据概率排序结果完成多模态关系抽取任务。本发明能够避免贡献价值较低的辅助图像对模型预测带来的负面影响，避免普通编码器可能造成的模态丢失问题。

公开(公告)号：CN118674622A

公开(公告)日：2024-09-20

申请号：CN202410730517.X

申请日：2024-06-06

Applicant: 电子科技大学

Inventor： 张东阳 ,  段贵多 ,  解修蕊 ,  罗光春 ,  柳佳池

IPC: G06T3/4053 ,  G06T3/4046 ,  G06F17/15 ,  G06V10/80 ,  G06T5/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种基于卷积核重参数化再校准的轻量级图像超分辨率方法，提出了一种新颖的内核重校准策略，将一个通道的内核与其他通道的参数相关联，允许内核重关注他们之前没有关注过的模型的其他部分，而不是只关注独立的输入渠道。基于该设计，我们提出了一种新颖的渐进式多尺度重校准块，以通过各种多尺度感受野捕获更多判别性特征。训练结束后，可以将内核重校准带来的参数重参数化，以与原始卷积对齐。最终生成的块保持与原始块相同的推理成本，但提供了改进的性能。引入了一种轻量级的SR网络，称为内核重校准引导网络，旨在实现性能和适用性之间的卓越平衡。本发明已通过综合实验验证了竞争结果。同时使用更少的参数。

公开(公告)号：CN118335295B

公开(公告)日：2024-08-30

申请号：CN202410750369.8

申请日：2024-06-12

Applicant: 电子科技大学

Inventor： 解修蕊 ,  段贵多 ,  罗光春 ,  杨雨宁 ,  曾诚 ,  彭国伟

IPC: G16H30/00 ,  G06T7/11

Abstract: 本发明公开了一种基于主动联邦学习的医疗图像分割方法，属于医疗图像处理技术领域。本发明包括：服务器获取医学图像数据并进行预处理，再划分给各已知客户端和未知客户端；已知客户端基于本地的训练数据集对图像分割模型执行一轮联邦学习；服务器采用主动学习方法对各已知客户端的训练数据集进行二次构建并下发给已知客户端执行一轮联邦学习；服务器基于当前联邦学习后的模型参数进行若干次蒸馏处理，将每次得到的模型参数下发给每个未知客户端进行模型测试，基于反馈的测试结果确定每次模型参数的最终测试结果；基于最优最终测试结果对应的模型参数得到图像分割模型的最优参数。本发明能够解决医疗图像分割隐私保护问题，并提高了模型的泛化性。

公开(公告)号：CN117150041A

公开(公告)日：2023-12-01

申请号：CN202311112645.X

申请日：2023-08-31

Applicant: 电子科技大学

Inventor： 解修蕊 ,  孙国林 ,  段贵多 ,  罗光春 ,  刘文泊 ,  田茂君 ,  曾诚

IPC: G06F16/36 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084 ,  G06N3/092 ,  G06N3/0985 ,  G06N5/04

Abstract: 本发明涉及知识图谱推理技术，其公开了一种基于强化学习的小样本知识图谱补全方法，解决现有技术存在的可解释性问题和知识图谱数据稀疏性问题，其包括：根据输入的头实体作为当前步的智能体、以智能体和关系作为决策网络的输入构建动作空间，其中，输入的头实体为上一步推理获得的尾实体，动作空间包括知识图谱中与其具有相同头实体和关系的已有动作空间，以及基于头实体和目标关系利用元学习网络推理获得的额外动作空间；接着，基于决策网络的策略函数，根据动作空间确定当前步的动作，进而获得当前步的推理结果，最后，判定推理结果是否符合要求，若符合则完成补全；若不符合，则继续迭代，根据当前步推理结果再次进行推理。

公开(公告)号：CN117076676A

公开(公告)日：2023-11-17

申请号：CN202311060015.2

申请日：2023-08-22

Applicant: 电子科技大学

Inventor： 段贵多 ,  解修蕊 ,  罗光春 ,  秦科 ,  郭锐 ,  张飞宇

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/295

Abstract: 本发明属于自然语言处理领域，具体提供一种基于实体结构编码与两次分类的文档级关系抽取方法，用以解决文档语料中实体之间的结构信息被忽视、实体对之间的语义依赖关系被忽视导致的部分潜在三元组难以抽取的问题。本发明设计了一种新的关系抽取框架，采用两次分类的方式分别对简单三元组和潜在三元组进行抽取；在对文档实体编码后，对拼接的实体对进行预分类，基于改进的自适应阈值损失函数抽取出容易分类的简单三元组；之后将预分类结果作为辅助推理信息增强实体表示并进行第二次分类，可以有效提升文档中潜在三元组的抽取效果；综上，本发明能够根据输入的文档对指定的实体之间的关系进行自动抽取。

公开(公告)号：CN116957076A

公开(公告)日：2023-10-27

申请号：CN202311063743.9

申请日：2023-08-22

Applicant: 电子科技大学

Inventor： 卢国明 ,  段贵多 ,  许毅 ,  罗光春 ,  宁成彧 ,  冯磊

IPC: G06N5/02 ,  G06F16/901

Abstract: 本发明公开了一种基于路径不确定性的图谱补全方法。该方法包括：确定待补全路径的知识图谱；知识图谱中包括多个待寻径头实体；将知识图谱输入至预先训练得到的路径补全模型中，得到与待寻径头实体相对应的至少一个待选择路径的奖励值；路径补全模型是基于路径编码模型、寻径模型和不确定性推导模型确定的；基于奖励值和预设路径筛选条件，确定目标路径；基于目标路径对知识图谱进行补全处理。解决了现有技术中基于模型概率预测进行图谱补全，导致实体信息挖掘不充分，图谱补全不全面，补全效果差的问题，实现提高图谱信息挖掘的全面性，提高补全后的图谱的完备性，进而提高图谱补全的效果。

公开(公告)号：CN113989326B

公开(公告)日：2023-08-25

申请号：CN202111240446.8

申请日：2021-10-25

Applicant: 电子科技大学

Inventor： 罗光春 ,  张栗粽 ,  康昭 ,  段贵多 ,  刘欣 ,  冯科

IPC: G06T7/246 ,  G06T7/73 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的轨迹预测方法，属于计算机视觉技术领域。本发明首先提取目标的位置序列；然后对每个目标利用长短期记忆网络编码获取目标轨迹特征表达，之后采用图注意力网络对目标轨迹之间的交互特征进行融合处理，并基于注意力机制得到目标轨迹各历史时刻之间的时序特征，最后将融合了交互特征与时序特征的目标轨迹特征作为长短期记忆网络的输入，解码并计算得到目标的预测位置。本发明基于对目标关系进行推理并通过注意力机制引入时序特征提高轨迹预测的准确率。