-
公开(公告)号：CN114826619B
公开(公告)日：2024-04-12
申请号：CN202210512075.2
申请日：2022-05-11
Applicant: 北京工业大学
Abstract: 本申请提供一种流式系统的数据完整性验证方法、电子设备及存储介质，该方法包括：获取系统数据处理模块的输入消息数据和输出消息数据，并获取预生成密钥；对输出消息数据进行预处理，得到与输出消息数据对应的验证标签；基于目标输入数据、验证标签以及预生成密钥进行数据完整性验证，目标输入数据为数据流标识符与验证标签一致的输入消息数据。本申请提供的方法能够解决现有技术中消息数据本身的完整性得不到验证的缺陷，实现流式实时数据完整性验证，保障流式消息数据在整个生命周期的全局完整性和一致性。
-
公开(公告)号：CN117422667A
公开(公告)日：2024-01-19
申请号：CN202311177533.2
申请日：2023-09-12
Applicant: 北京工业大学
IPC: G06T7/00 , G06T5/60 , G06N3/0455 , G06N3/0895
Abstract: 本发明提供一种高光谱图像特征表示方法、装置、电子设备及存储介质，涉及图像处理技术领域，方法包括：获取高光谱图像的多视角信息，多视角信息包括高光谱图像在空间维度的第一视角信息，和高光谱图像在光谱维度的第二视角信息；对多视角信息进行图像增强处理，获得图像增强处理之后的多视角信息，图像增强处理包括对第一视角信息进行随机裁剪操作，对第二视角信息进行随机抽样操作；将图像增强处理之后的多视角信息输入预先构建的多视角对比学习深度特征表示模型，获得多视角对比学习深度特征表示模型输出的深度特征表示。本发明实现了将高光谱图像特有的不同视角之间的互信息最大化，极大地提高了高光谱图像特征表示的性能。
-
公开(公告)号：CN114972903A
公开(公告)日：2022-08-30
申请号：CN202210393879.5
申请日：2022-04-14
Applicant: 北京工业大学
IPC: G06V10/774 , G06N3/04
Abstract: 本发明提供一种高光谱图像分类方法、装置、电子设备及存储介质，所述方法包括：针对高光谱图像的每个待分类像素，确定所述像素对应的空谱像素块；将所述空谱像素块输入到训练好的高光谱图像分类模型中，得到所述像素对应的分类结果；其中，所述训练好的高光谱图像分类模型包括级联的卷积层、深度自注意力变换网络模型的编码器和多层感知器分类头，所述级联的卷积层用于提取所述像素的空谱特征，所述编码器用于基于所述像素的空谱特征捕获所述像素的光谱序列特征，所述多层感知器分类头用于基于像素的光谱序列特征对所述像素进行分类。本发明能够很好地挖掘和表示光谱特征的序列属性，从而能够准确和精细地分类高光谱图像中的像素。
-
公开(公告)号：CN115953611A
公开(公告)日：2023-04-11
申请号：CN202211230087.2
申请日：2022-10-09
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/50 , G06N3/042 , G06N3/08
Abstract: 本发明公开一种基于区域信息融合的花粉图像分类方法，包括以下步骤：获取花粉图像；对花粉图像进行预处理，得到预处理图像；对预处理图像进行全局特征提取，得到全局图像特征；对预处理图像进行局部区域提取，得到局部区域图像；对局部区域图像进行特征信息融合，得到特征信息融合的局部区域图像特征；根据全局图像特征和特征信息融合的局部区域图像特征，本发明对花粉图像进行分类，得到分类结果。本发明还公开一种基于区域信息融合的花粉图像分类系统。对花粉图像的全局和重要局部区域进行特征提取，并通过图卷积网络对局部区域特征进行信息融合，以达到更好的分类效果。
-
公开(公告)号：CN114826619A
公开(公告)日：2022-07-29
申请号：CN202210512075.2
申请日：2022-05-11
Applicant: 北京工业大学
Abstract: 本申请提供一种流式系统的数据完整性验证方法、电子设备及存储介质，该方法包括：获取系统数据处理模块的输入消息数据和输出消息数据，并获取预生成密钥；对输出消息数据进行预处理，得到与输出消息数据对应的验证标签；基于目标输入数据、验证标签以及预生成密钥进行数据完整性验证，目标输入数据为数据流标识符与验证标签一致的输入消息数据。本申请提供的方法能够解决现有技术中消息数据本身的完整性得不到验证的缺陷，实现流式实时数据完整性验证，保障流式消息数据在整个生命周期的全局完整性和一致性。
-
Patent Agency Ranking
公开(公告)号：CN111429510A
公开(公告)日：2020-07-17
申请号：CN202010232752.6
申请日：2020-05-07
Applicant: 北京工业大学
Abstract: 一种基于自适应特征金字塔的花粉检测方法属于计算机视觉领域。特征金字塔采用逐像素相加的方式融合卷积网络不同层的特征，由于不同层的特征的感受野、分辨率存在差异，采用逐像素相加的融合方式，使得特征融合时存在非对齐匹配。本发明提出一种自适应特征金子塔网络，让特征金字塔不同层之间的特征通过可学习的方式自适应对齐，在消除冗余特征的同时，扩充了特征金字塔网络的感受野，使关键特征获得更大的响应，提升特征金字塔网络的性能。本发明使用深度卷积网络Resnet-50提取花粉图像特征，利用Resnet-50不同模块学习到的特征建立自适应特征金字塔网络，从而建立基于自适应特征金字塔的花粉检测网络。该方法可以精确地检测出花粉图像中的花粉颗粒的类别和位置。
-
公开(公告)号：CN119397591A
公开(公告)日：2025-02-07
申请号：CN202411486644.6
申请日：2024-10-23
Abstract: 本发明提供一种抵御内部不诚实参与者的隐私保护方法及装置，其中方法包括：获取参与者待上传的局部模型参数；基于承诺函数，对局部模型参数进行承诺计算，得到承诺函数值；将局部模型参数及其对应的承诺函数值发送至记账权矿工，以使记账权矿工将局部模型参数及其对应的承诺函数值写入BFL框架中的区块，并合成全局模型；分别基于各参与者对全局模型参数进行数据隐私增强，并将数据隐私增强后的全局模型参数写入BFL框架中的区块。实现了在区块链中写入基于承诺函数和盲签名的智能合约，在出现不诚实参与者抵赖或泄露模型的情况时，按照合约打开承诺或签名确定不诚实参与者，提升了内部不诚实参与者的抵抗与防御能力，保障隐私安全性。
-
公开(公告)号：CN117315336A
公开(公告)日：2023-12-29
申请号：CN202311186350.7
申请日：2023-09-14
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种花粉颗粒识别方法、装置、电子设备及存储介质，属于机器视觉技术领域，所述方法包括：获取待识别花粉颗粒图像；将所述待识别花粉颗粒图像输入至花粉类型识别联合模型，得到所述花粉类型识别联合模型输出的所述待识别花粉颗粒图像对应的花粉类型；所述花粉类型识别联合模型用于对所述待识别花粉颗粒图像进行图像超分辨率重建，并对重建得到的图像进行识别，确定所述待识别花粉颗粒图像对应的花粉类型；所述花粉类型识别联合模型是基于花粉颗粒图像样本及对应的花粉类型标签训练得到的。本发明可以有效识别出待识别花粉颗粒图像对应的花粉类型，无需人工介入，提升花粉颗粒识别效率的同时，也大幅提升了花粉类型的识别精度。
-
公开(公告)号：CN114972903B
公开(公告)日：2024-07-16
申请号：CN202210393879.5
申请日：2022-04-14
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0499
Abstract: 本发明提供一种高光谱图像分类方法、装置、电子设备及存储介质，所述方法包括：针对高光谱图像的每个待分类像素，确定所述像素对应的空谱像素块；将所述空谱像素块输入到训练好的高光谱图像分类模型中，得到所述像素对应的分类结果；其中，所述训练好的高光谱图像分类模型包括级联的卷积层、深度自注意力变换网络模型的编码器和多层感知器分类头，所述级联的卷积层用于提取所述像素的空谱特征，所述编码器用于基于所述像素的空谱特征捕获所述像素的光谱序列特征，所述多层感知器分类头用于基于像素的光谱序列特征对所述像素进行分类。本发明能够很好地挖掘和表示光谱特征的序列属性，从而能够准确和精细地分类高光谱图像中的像素。
-
公开(公告)号：CN111429510B
公开(公告)日：2024-04-02
申请号：CN202010232752.6
申请日：2020-05-07
Applicant: 北京工业大学
IPC: G06T7/70 , G06N3/08 , G06N3/0464 , G06N3/048
Abstract: 一种基于自适应特征金字塔的花粉检测方法属于计算机视觉领域。特征金字塔采用逐像素相加的方式融合卷积网络不同层的特征，由于不同层的特征的感受野、分辨率存在差异，采用逐像素相加的融合方式，使得特征融合时存在非对齐匹配。本发明提出一种自适应特征金子塔网络，让特征金字塔不同层之间的特征通过可学习的方式自适应对齐，在消除冗余特征的同时，扩充了特征金字塔网络的感受野，使关键特征获得更大的响应，提升特征金字塔网络的性能。本发明使用深度卷积网络Resnet‑50提取花粉图像特征，利用Resnet‑50不同模块学习到的特征建立自适应特征金字塔网络，从而建立基于自适应特征金字塔的花粉检测网络。该方法可以精确地检测出花粉图像中的花粉颗粒的类别和位置。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
