-
Patent Agency Ranking
公开(公告)号：CN118396138B
公开(公告)日：2024-11-29
申请号：CN202410850920.6
申请日：2024-06-28
Applicant: 中国民用航空总局第二研究所 , 电子科技大学
Inventor： 王毅豪 , 宋洪庆 , 毛刚 , 李思霖 , 杜明谦 , 陈宇 , 何印 , 冯文飞 , 张斌 , 宋昊 , 余鸿儒 , 罗佳 , 杨怀 , 康琳 , 杨宇城 , 张奕凡 , 张译文
Abstract: 本发明提供了一种基于群签名的数据传递方法、程序、介质和设备以及联邦学习方法。所述一种基于群签名的数据传递方法用于联邦学习中本地节点向聚合服务器上传其训练得到的模型更新参数，所述方法包括以下步骤：S1、采用群证书、节点私钥来对模型更新参数进行签名，以得到节点签名；S2、向聚合服务器发送所述群证书、所述模型更新参数和所述节点签名；其中，共同参与联邦学习的多个本地节点构成群组，所述群组生成的群签名群组中包括群私钥，所述节点私钥为所述群私钥之一，所述群证书基于所述节点私钥生成。通过在数据传递过程中采用了群签名，根据本发明实施例的数据传递方法解决了现有技术中存在的联邦学习中数据源地址暴露的问题。
-
公开(公告)号：CN119919448A
公开(公告)日：2025-05-02
申请号：CN202411964503.0
申请日：2024-12-30
Applicant: 中国民用航空总局第二研究所
Abstract: 本发明涉及物流技术领域，尤其涉及一种行李辅助识别方法。本发明方法使用增强语义分割模型来对所有具有潜在识别需求的行李进行图像识别，提取其图像特征，建立每个行李图片的图像特征与其对应行李信息的映射，并将所有行李的图像特征分类别存储为特征库。遇到需要待识别的行李时，获取待识别行李的图像，使用增强语义分割模型来提取待识别行李的图像特征，再使用聚类模式识别模型来在特征库中对比查找与待识别行李的图像特征相同或相近的图像特征，最后基于查找到的图像特征，根据其对应的映射关系获取待识别行李图像的行李信息，起到对行李跟踪识别的作用。
-
公开(公告)号：CN119814270A
公开(公告)日：2025-04-11
申请号：CN202411876065.2
申请日：2024-12-19
Applicant: 中国民用航空总局第二研究所
Abstract: 本发明涉及区块链技术领域，尤其是一种基于延迟广播的区块链网络分叉控制方法，包括：比对新区块的区块高度和实时最优区块列表中最新的历史区块的区块高度；若新区块的区块高度大于实时最优区块列表中最新的历史区块的区块高度，则分析新区块的父区块是否在实时最优区块列表中，若在实时最优区块列表中，则分析新区块的父区块是否为实时最优区块列表中最新的历史区块，若是，则将新区块插入至实时最优区块列表中，若否，则当新区块的优先级高于实时最优区块列表中与新区块的区块高度一致的历史区块的优先级时，将实时最优区块列表中与新区块高度一致的历史区块替换为新区块。采用本方案，能够防止区块链网络分叉，以提升网络的安全性。
-
公开(公告)号：CN118396138A
公开(公告)日：2024-07-26
申请号：CN202410850920.6
申请日：2024-06-28
Applicant: 中国民用航空总局第二研究所 , 电子科技大学
Inventor： 王毅豪 , 宋洪庆 , 毛刚 , 李思霖 , 杜明谦 , 陈宇 , 何印 , 冯文飞 , 张斌 , 宋昊 , 余鸿儒 , 罗佳 , 杨怀 , 康琳 , 杨宇城 , 张奕凡 , 张译文
Abstract: 本发明提供了一种基于群签名的数据传递方法、程序、介质和设备以及联邦学习方法。所述一种基于群签名的数据传递方法用于联邦学习中本地节点向聚合服务器上传其训练得到的模型更新参数，所述方法包括以下步骤：S1、采用群证书、节点私钥来对模型更新参数进行签名，以得到节点签名；S2、向聚合服务器发送所述群证书、所述模型更新参数和所述节点签名；其中，共同参与联邦学习的多个本地节点构成群组，所述群组生成的群签名群组中包括群私钥，所述节点私钥为所述群私钥之一，所述群证书基于所述节点私钥生成。通过在数据传递过程中采用了群签名，根据本发明实施例的数据传递方法解决了现有技术中存在的联邦学习中数据源地址暴露的问题。
-
公开(公告)号：CN119445324A
公开(公告)日：2025-02-14
申请号：CN202411458790.8
申请日：2024-10-18
Applicant: 中国民用航空总局第二研究所
Inventor： 宋洪庆 , 李思霖 , 张斌 , 毛刚 , 杜明谦 , 刘勇 , 吴波 , 陈禹州 , 康琳 , 白玛容中 , 唐晓鸿 , 冯文飞 , 罗强 , 宋昊 , 朱科研 , 罗佳 , 张奕凡 , 陈宇 , 张正毅 , 许超平
IPC: G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/74 , G06V20/64 , G06V10/776 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种多尺度特征提取融合神经网络及基于该神经网络的端到端的单目视图3D目标检测方法，该多尺度特征提取融合神经网络包括：特征提取模块，用于提取输入数据的基础特征信息；编码器模块，用于对所述基础特征信息进行编码以获得深度编码信息和视觉编码信息；解码器模块，用于对所述深度编码信息与视觉编码信息进行解码处理以获得预测的目标信息；匹配模块，用于将预测的目标信息与真实目标信息进行二分匹配；损失函数模块，用于计算预测的目标信息与真实目标信息间的误差。其可以提高3D目标检测能力，适用于不同尺度目标的检测且不需要后处理方法。
-
-
-
-
Search Results
5
records
(took 0.031 seconds)
