公开(公告)号：CN119205381A

公开(公告)日：2024-12-27

申请号：CN202411242955.8

申请日：2024-09-05

Applicant: 中南大学 ,  南开大学

Inventor： 李大元 ,  韩扬帆 ,  刘淼熙 ,  田莉 ,  张樑 ,  余天骄 ,  潘壮 ,  杨振杰

IPC: G06Q40/12 ,  G06Q20/38 ,  G06F18/2415 ,  G06F18/22 ,  G06F40/216

Abstract: 本发明公开了一种基于区块链的关联方对账方法、装置、设备及介质，包括：通过对关联方进行身份验证，在身份验证通过后，获取关联方的第一对账数据，对第一对账数据进行数据预处理，得到第二对账数据，将第二对账数据进行上链处理，在区块链上对第二对账数据进行对账差异处理，得到处理结果。采用本发明提高了关联方对账的效率和安全性。

公开(公告)号：CN118747827B

公开(公告)日：2025-02-11

申请号：CN202410967544.9

申请日：2024-07-18

Applicant: 中南大学

Inventor： 李大元 ,  戴开伟 ,  韩扬帆 ,  潘壮 ,  杨振杰 ,  连宇飞

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明提供了一种电子元器件极性标识的识别方法及相关设备，通过获取多个电子元器件图像数据、每个电子元器件的坐标标签和文字描述；将多个电子元器件图像数据、每个电子元器件的坐标标签和文字描述输入极性标识识别模型对极性标识识别模型进行训练，得到训练后的极性标识识别模型；将获取的目标电子元器件图像数据、该目标电子元器件的文本描述均输入训练后的极性标识识别模型进行分类和预测，得到目标电子元器件的分类结果和预测结果，基于目标电子元器件的分类结果和预测得到极性标识识别结果；提升了极性标识识别的准确率。

公开(公告)号：CN118747827A

公开(公告)日：2024-10-08

申请号：CN202410967544.9

申请日：2024-07-18

Applicant: 中南大学

Inventor： 李大元 ,  戴开伟 ,  韩扬帆 ,  潘壮 ,  杨振杰 ,  连宇飞

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明提供了一种电子元器件极性标识的识别方法及相关设备，通过获取多个电子元器件图像数据、每个电子元器件的坐标标签和文字描述；将多个电子元器件图像数据、每个电子元器件的坐标标签和文字描述输入极性标识识别模型对极性标识识别模型进行训练，得到训练后的极性标识识别模型；将获取的目标电子元器件图像数据、该目标电子元器件的文本描述均输入训练后的极性标识识别模型进行分类和预测，得到目标电子元器件的分类结果和预测结果，基于目标电子元器件的分类结果和预测得到极性标识识别结果；提升了极性标识识别的准确率。

公开(公告)号：CN118941668A

公开(公告)日：2024-11-12

申请号：CN202411057102.7

申请日：2024-08-02

Applicant: 中南大学

Inventor： 李大元 ,  戴开伟 ,  韩扬帆 ,  杨振杰

IPC: G06T11/00 ,  G06V30/19 ,  G06V30/18

Abstract: 本申请涉及图像重建技术领域，提供了一种石碑图像的数字化重建方法、装置、设备及介质。该方法包括：提取石碑图像的角点图和字符内容描述信息；根据石碑图像和石碑图像的角点图得到浅层特征，并对浅层图像特征进行深层特征提取得到深层特征；对深层特征进行预测得到预测字符，并获取预测字符的图像先验知识；利用融合模型对浅层特征、图像先验知识、字符内容描述信息进行融合得到最终特征；利用重建模型对最终特征进行重建得到重建图像；构建重建损失函数、像素损失函数和边界损失函数，对融合模型和重建模型进行优化；利用优化后的融合模型和优化后的重建模型进行重建得到最终重建图像。本申请的方法能够提高石碑图像的重建准确性。

公开(公告)号：CN118968183A

公开(公告)日：2024-11-15

申请号：CN202411153187.9

申请日：2024-08-21

Applicant: 中南大学

Inventor： 李大元 ,  戴开伟 ,  韩扬帆 ,  杨振杰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/44 ,  G06N3/0464 ,  G06F40/30 ,  G06V10/80 ,  G06V10/82 ,  G06F40/211 ,  G06F40/289 ,  G06N3/048

Abstract: 本公开实施例中提供了一种面向人工智能伦理的欺诈图像识别方法，属于图像识别技术领域，具体包括：按照标注体系对欺诈图像数据集中样本欺诈图像和内容描述信息进行标注；对样本欺诈图像和内容描述信息进行不同的预处理；利用残差模块和U‑Net网络提取样本欺诈图像的浅层视觉特征；利用视觉状态空间模块提取样本欺诈图像的深层视觉特征；利用文本状态空间模块提取样本欺诈图像的语义特征；集合通道注意力机制和交叉注意力机制融合深层视觉特征和语义特征，得到融合特征；结合融合特征和样本欺诈图像对应的标签训练识别模型；将目标欺诈图像输入训练好的识别模型，得到识别结果。通过本公开的方案，提高了识别效率、精准度和稳定性。