一种基于多模态数据认证的自动驾驶可信监督方法及系统

    公开(公告)号:CN118397609A

    公开(公告)日:2024-07-26

    申请号:CN202410572792.3

    申请日:2024-05-09

    Abstract: 本发明提供了一种基于多模态数据认证的自动驾驶可信监督方法及系统。所述方法及系统包括:构建自适应聚类异常行为检测模型M,涵盖异常动作数据集采集与标注,深度学习模型构建与训练;车端使用预训练模型M计算各帧xi异常状态分类评分f(xi),根据策略T提取异常帧组Xe;使用基于帧间、帧内预测的组合算法G压缩Xe为比特流Be;使用平台公钥加密Be后上链;监管端与客户端索引解密数据;完整可信监督的事故定责。在本发明中,区块链的可溯源防篡改保证了数据的真实性;与传统监控上链方案相比,本方案大幅节省了账本存储空间,提高了区块链吞吐效率。

    基于关键点和质量标签辅助的ECG信号标注方法、软件工具及系统

    公开(公告)号:CN117235529A

    公开(公告)日:2023-12-15

    申请号:CN202311321973.0

    申请日:2023-10-12

    Abstract: 本发明提供了基于关键点和质量标签辅助的ECG信号标注方法、软件工具及系统。所述方法包括:对ECG信号进行标准化处理,形成待标注的数据集S0;将S0进行数据滤波降噪预处理;计算ECG信号的关键点(R‑Peak,P‑Peak和T‑Peak);训练质量评估模型,并基于此模型计算ECG信号的质量标签;搭建可视化标注平台,加载之前步骤计算出的关键点和质量标签到标注平台作为人工标注的辅助提示;人机交互标注R‑Peak、P‑Peak和T‑Peak,噪声等级和心律失常特征;标注结果进行标准化格式保存。本发明的方案可应用于复杂噪声环境中采集的ECG信号的质量评估,通过可视化标注工具和辅助标注信息,以人机交互的策略辅助构建ECG相关数据集,对ECG信号处理、医学信号智能分析算法等方向的研究具有重要意义。

    智能驾驶场景语义编码上链和多下游任务集成方法及系统

    公开(公告)号:CN118823641A

    公开(公告)日:2024-10-22

    申请号:CN202410915227.2

    申请日:2024-07-09

    Abstract: 本发明提供智能驾驶场景语义编码上链和多下游任务集成方法及系统,包括:构建智能驾驶场景下视频数据关键帧特征编码器Me,通过自监督重建任务进行编码器参数学习;根据区块链共享节点的业务需求设计安全员异常行为识别、场景重建、安全员人脸识别等多种下游任务解码器Di,通过多下游任务共同监督多个解码器Di的训练;搭建视频数据语义编码上链和下游任务应用框架,涵盖输入视频数据S、筛选关键帧Sf、获取关键帧语义编码信息Me(Sf)上链、多节点共识和编码信息共享、得到下游任务解码信息Di[Me(Sf)]。本发明通过语义编码上链实现海量复杂数据的高效表征和存证,满足区块链共享节点的多种下游任务需求,从而促进相关领域数据的高效可信存证和可信共享。

Patent Agency Ranking