-
公开(公告)号：CN106656470A
公开(公告)日：2017-05-10
申请号：CN201611185927.2
申请日：2016-12-16
Applicant: 南开大学
IPC: H04L9/06
CPC classification number: H04L9/0631
Abstract: 本发明公开了一种数据加密方法，该方法基于AES算法改进而成。通过创建新的S盒，将原本AES算法中每个轮函数中的字节代换(ByteSub)、行移位(ShiftRow)、列混合(MixColumn)的运算过程简化查表的过程，在没有过多增加内存使用量的基础上，大大减小了计算量，使其可以在微控制器上快速实现，同时没有改变算法原本的数学结构，使其安全性更高。
-
公开(公告)号：CN112507933B
公开(公告)日：2022-09-16
申请号：CN202011490199.2
申请日：2020-12-16
Applicant: 南开大学
Abstract: 本发明公开了基于集中式信息交互的显著性目标检测方法及系统，包括：获取待检测图像；将待检测图像，输入训练后的显著性目标检测神经网络，得到待检测图像中的显著性目标。改进了U型结构中自底向上和自顶向下的路径之间的联系，通过集中式信息交互手段使得从自底向上网络中提取的特征在不进行任何插值操作的前提下实现跨尺度的信息交互，这样可以突破现有显著性目标检测方法中跨尺度无信息交互的缺点，同时避免了插值操作带来的负面影响。
-
公开(公告)号：CN111598107A
公开(公告)日：2020-08-28
申请号：CN202010303705.6
申请日：2020-04-17
Applicant: 南开大学
Abstract: 本发明公开了一种基于特征动态选择的多任务联合检测方法，属于图像处理技术领域。大多数现有的检测模型都是每个不同的任务独立设计一个不同的模型来分别进行处理，需要花费大量的人工精力。本发明创造性地提出一种基于特征动态选择的多任务联合检测模型，该模型能够根据不同任务的特点自适应且动态地从共享的特征集合中选择各任务合适的特征；此外，该模型能够能够被端到端的训练，并且能够一次计算同时输出得到待检测图像的显著性物体检测结果图像、边缘检测结果图像以及骨架检测结果图像。本方法在一个网络模型中同时并且快速地完成了三种不同的图像处理任务，此方法具有结构简单、参数量小和运行速度快的优点，并且具有良好的检测准确率。
-
公开(公告)号：CN111598107B
公开(公告)日：2022-06-14
申请号：CN202010303705.6
申请日：2020-04-17
Applicant: 南开大学
Abstract: 本发明公开了一种基于特征动态选择的多任务联合检测方法，属于图像处理技术领域。大多数现有的检测模型都是每个不同的任务独立设计一个不同的模型来分别进行处理，需要花费大量的人工精力。本发明创造性地提出一种基于特征动态选择的多任务联合检测模型，该模型能够根据不同任务的特点自适应且动态地从共享的特征集合中选择各任务合适的特征；此外，该模型能够能够被端到端的训练，并且能够一次计算同时输出得到待检测图像的显著性物体检测结果图像、边缘检测结果图像以及骨架检测结果图像。本方法在一个网络模型中同时并且快速地完成了三种不同的图像处理任务，此方法具有结构简单、参数量小和运行速度快的优点，并且具有良好的检测准确率。
-
Patent Agency Ranking
公开(公告)号：CN108428238B
公开(公告)日：2022-02-15
申请号：CN201810173285.7
申请日：2018-03-02
Applicant: 南开大学
Abstract: 本发明公开了一种基于深度网络的多类型任务通用的检测方法，属于图像处理技术领域。包含如下步骤：a.分别选择上述三种任务所需要的训练图片；b.在相同的网络结构下设计完成需要的模型参数和网络初始参数；c.设计需要优化的损失函数，并利用深度预测模型和物体检测模型得到其具体表示；d.优化调整初始模型的参数，最终得到分别符合三种要求的具有统一结构的检测模型参数；e.利用训练好的模型对任意输入的自然场景图片得到显著性物体检测、骨架提取、边缘检测三种图像处理结果。本方法能够在一个统一的网络结构下完成三种截然不同的图像处理任务，此方法具有良好的通用性和可移植性，同时达到了良好的检测效果。
-
公开(公告)号：CN108428238A
公开(公告)日：2018-08-21
申请号：CN201810173285.7
申请日：2018-03-02
Applicant: 南开大学
Abstract: 本发明公开了一种基于深度网络的多类型任务通用的检测方法，属于图像处理技术领域。包含如下步骤：a.分别选择上述三种任务所需要的训练图片；b.在相同的网络结构下设计完成需要的模型参数和网络初始参数；c.设计需要优化的损失函数，并利用深度预测模型和物体检测模型得到其具体表示；d.优化调整初始模型的参数，最终得到分别符合三种要求的具有统一结构的检测模型参数；e.利用训练好的模型对任意输入的自然场景图片得到显著性物体检测、骨架提取、边缘检测三种图像处理结果。本方法能够在一个统一的网络结构下完成三种截然不同的图像处理任务，此方法具有良好的通用性和可移植性，同时达到了良好的检测效果。
-
公开(公告)号：CN111833363B
公开(公告)日：2023-10-24
申请号：CN201910311911.9
申请日：2019-04-17
IPC: G06T7/13 , G06T5/50 , G06T3/40 , G06V10/46 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了人工智能领域的一种检测方法及装置。涉及人工智能领域。具体涉及计算机视觉领域。该方法包括：获取待检测图像；将待检测图像输入到特征检测模型中，得到待检测图像的显著性检测图像和边缘检测图像。本申请的检测方法适用于显著性物体检测和边缘检测的应用场景，实现了在不明显增加模型参数的前提下，有效协同显著性物体检测和边缘检测，并提高了检测结果的精度。
-
公开(公告)号：CN112507933A
公开(公告)日：2021-03-16
申请号：CN202011490199.2
申请日：2020-12-16
Applicant: 南开大学
Abstract: 本发明公开了基于集中式信息交互的显著性目标检测方法及系统，包括：获取待检测图像；将待检测图像，输入训练后的显著性目标检测神经网络，得到待检测图像中的显著性目标。改进了U型结构中自底向上和自顶向下的路径之间的联系，通过集中式信息交互手段使得从自底向上网络中提取的特征在不进行任何插值操作的前提下实现跨尺度的信息交互，这样可以突破现有显著性目标检测方法中跨尺度无信息交互的缺点，同时避免了插值操作带来的负面影响。
-
公开(公告)号：CN111833363A
公开(公告)日：2020-10-27
申请号：CN201910311911.9
申请日：2019-04-17
Abstract: 本申请公开了人工智能领域的一种检测方法及装置。涉及人工智能领域。具体涉及计算机视觉领域。该方法包括：获取待检测图像；将待检测图像输入到特征检测模型中，得到待检测图像的显著性检测图像和边缘检测图像。本申请的检测方法适用于显著性物体检测和边缘检测的应用场景，实现了在不明显增加模型参数的前提下，有效协同显著性物体检测和边缘检测，并提高了检测结果的精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
