-
公开(公告)号:CN119557710A
公开(公告)日:2025-03-04
申请号:CN202411758641.3
申请日:2024-12-03
Applicant: 四川大学
IPC: G06F18/24 , G06N20/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0442 , G06F18/25 , G06F18/213
Abstract: 针对大型工厂现有异常检测模型难以同时捕获复杂时序特征和维度间关系特征的问题,本发明设计了基于全域注意力机制与对比学习的异常检测算法GCAVE。首先本发明设计了全域自注意力机制以充分捕获多参数时序数据的单个维度内的时序特征及不同维度之间的关系特征。随后设计出结合对抗、对比学习的异常检测机制来提高模型对异常数据区分能力,同时预防模型在训练过程中可能出现的后验崩塌问题。最后,设计出时序集成梯度异常解释算法对异常传感器进行定位。
-
公开(公告)号:CN119272331A
公开(公告)日:2025-01-07
申请号:CN202411376768.9
申请日:2024-09-30
Applicant: 四川大学
Abstract: 本发明涉及一种基于零知识证明的链上交易隐私保护方案,具体包括:系统初始化:用于生成公共参数列表;创建账户初始化用户的账户,主要分为设置明文余额、设置隐藏余额、生成零知识证明凭证、生成签名;充值、提现操作:用户的明文余额与隐藏余额相互转换;通过隐藏余额进行发送、替换、存入代币凭证操作,通过替换代币凭证操作配合零知识证明与加密签名技术实现交易关系隐藏。本发明增强交易隐私保护方案交易的隐私性同时具备较低的计算成本和时间开销。
-
公开(公告)号:CN119625589A
公开(公告)日:2025-03-14
申请号:CN202411385265.8
申请日:2024-09-30
Applicant: 四川大学
IPC: G06V20/40 , G06V10/25 , G06V10/82 , G06V10/56 , G06V10/20 , G06V20/70 , G06N3/0464 , G06N3/0455
Abstract: 本发明提出了一种基于局部数据增强的ViT行李重识别方法,旨在提高自动化行李分拣中的识别准确性。传统的RFID技术成本高且易受干扰,因此引入计算机视觉技术成为新趋势。方法包括以下步骤:首先,构建包含1500个不同身份行李的数据集,每个行李有10张不同角度的照片,使用LabelMe和YOLOv5进行标注和检测;其次,在行李值机和分拣流水线上布置多个摄像头采集行李图像;然后,基于ViT模型,应用局部数据增强技术和位置激励模块,以提升模型对行李结构特征的关注和泛化能力;接着,通过多层视觉转换模块计算行李特征,并采用余弦距离进行身份比对;最后,使用身份损失、三元组损失和对比损失优化模型,以提升识别准确性。
-
公开(公告)号:CN119312944A
公开(公告)日:2025-01-14
申请号:CN202411430744.7
申请日:2024-10-14
Applicant: 四川大学
IPC: G06N20/00 , G06F18/211 , G06F18/241 , G06F21/62
Abstract: 本发明的目的在于提出一种基于两阶段特征蒸馏的联邦学习信息共享方法来解决联邦学习的数据异构性和模型精度问题。本发明通过两阶段特征蒸馏,最终分割出性能敏感的特征用于全局共享,并训练了一个分类器来预测目标,与原有的联邦学习方法相比,本发明能够减轻联邦学习的异构数据问题,同时,由于各个客户端只用给服务器非全量的特征,所以可以减少网络通信的成本,此外,由于性能鲁棒的特征保存到了本地,减少了信息共享的数量,所以本发明可以加快收敛速度。此外,由于共享的是信息敏感的特征,可以最大程度上反映出模型收敛的趋势,也能保证模型的精度。
-
公开(公告)号:CN119273893A
公开(公告)日:2025-01-07
申请号:CN202411376433.7
申请日:2024-09-30
Applicant: 四川大学
Abstract: 本发明针对现有行李重识别算法在行李重识别场景中的不足,提出了一种基于RGB‑D和注意力机制的跨模态行李重识别方法(CMAM‑ReID)。为了解决深度图像固有噪点对特征提取的影响,本发明引入了一种优化的中值滤波算法,有效去除噪声。针对RGB特征与深度特征的融合问题,设计了基于注意力机制的特征融合模块,使算法能够自适应地赋予不同特征以权重。为了解决全局特征与局部特征结合的问题,本发明还提出了基于ResNet‑50的多分支特征提取网络。此外,针对机场行李重识别的需求,创建了专用的数据集。该方法显著提升了行李重识别的效果,具有较强的实用价值。
-
公开(公告)号:CN119206278A
公开(公告)日:2024-12-27
申请号:CN202411371801.9
申请日:2024-09-29
Applicant: 四川大学
IPC: G06V10/762 , G06V10/25 , G06V10/82 , G06V20/40 , G06V10/774 , G06V10/40 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/088
Abstract: 本发明提出了一种基于动态队列深度聚类的完全无监督行李重识别方法,主要步骤包括:创建无身份标签的行李数据集LReID‑50tohsouand,使用YOLOv5进行目标检测,生成5000个不同身份的行李图像,总计50000张。搭建本地视频采集环境,获取行李值机图像和分拣线的视频数据。部署DynQueueViT行李重识别模型,采用先进先出的动态队列管理特征,降低显存需求,并利用时间约束减少伪标签噪声。模型将行李图像分解为全局特征、局部特征和混合特征,进行动态队列更新训练。重识别特征通过多层视觉转换模块与局部特征数据增强模块计算。最终,通过距离公式判断行李是否属于同一身份。该模型引入时间约束和正负样本匹配算法,提高重识别准确性,并通过计算余弦距离评估行李图像的身份相似度。
-
公开(公告)号:CN117294466A
公开(公告)日:2023-12-26
申请号:CN202311042639.1
申请日:2023-08-18
Applicant: 四川大学
IPC: H04L9/40 , G06F18/2415 , G06F18/213 , G06F18/10 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于WSDBN的DoH恶意隧道检测方法。针对基于有监督学习的DoH恶意隧道检测算法需要人工设计特征工程和大量有标签数据的问题,提出基于WSDBN的DoH恶意隧道检测模型。本章在深度置信网络模型(DBN)中引入权重不确定性(Weight Uncertainty)和半受限玻尔兹曼机(Semi‑RBM),缓解其过拟合问题并提高其数据重构能力,构建WSDBN新型网络模型。最后,在“CIRA‑CIC‑DoHBrw‑2020”数据集上对WSDBN‑FNN模型和对比对象进行大量实验,实验结果显示,本发明对DoH流量的检测率较高,误报率较低。
-
-
-
-
-
-