一种基于零知识证明的链上交易隐私保护方案

    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。

    一种基于局部数据增强的ViT行李重识别方法

    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

    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。

    一种基于两阶段特征蒸馏的联邦学习信息共享方法

    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

    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。

    一种基于RGB-D和注意力机制的跨模态行李重识别方法

    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。

Patent Agency Ranking