-
公开(公告)号:CN115879126B
公开(公告)日:2024-07-19
申请号:CN202211593668.2
申请日:2022-12-13
Applicant: 安徽大学
Abstract: 本发明公开了一种基于安全云存储的医疗信息共享方法、电子设备及存储介质,该方法步骤包括:1、医院生成患者的医疗信息;2、对患者隐私信息加密;3、将患者医疗信息嵌入医学图像;4、上传加密信息到云存储系统;5、医院从云存储系统检索相关医疗信息;6、医疗信息提取与数据恢复;7、患者身份识别与信息解密。本发明能实现对患者个人信息进行加密,并对医疗记录进行信息隐藏,使用深度学习进行医疗信息检索和图像匹配,在不泄露患者隐私信息的情况下共享医疗信息。
-
公开(公告)号:CN117726494A
公开(公告)日:2024-03-19
申请号:CN202311752035.6
申请日:2023-12-19
Applicant: 安徽大学绿色产业创新研究院
IPC: G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于Vision Transformer网络的图像隐藏方法,其步骤包括:1、训练集处理;2、隐藏器网络和提取器网络训练;3、构建损失函数;4、得到训练后的图像隐藏器和提取器,用于实现对输入图像的隐藏和提取。本发明可以确保在数据传输、存储或共享过程中隐私信息不被未授权者获取,在网络通信或数据交换中保障敏感信息的安全性;也可以用于图像的版权保护或身份验证,使得图像具有独特的标识,以防止盗版或非授权使用。
-
公开(公告)号:CN119313705A
公开(公告)日:2025-01-14
申请号:CN202411359137.6
申请日:2024-09-27
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/0499 , G06N3/0464 , G06N3/0455
Abstract: 一种基于Mamba架构的高效融合RGBT目标跟踪方法,属于深度学习技术领域,解决如何平衡多模态目标跟踪的性能和融合效率问题;本发明引入全局‑局部高效融合模块进行模态交互与融合,两模态特征通过奇偶索引的通道交换进行直接的信息交互,之后通过多路径Mamba进一步的交互;多路径Mamba设计四条路径对多模态数据进行关系建模,从全局视角进行模态级交互的前向路径和反向路径以及从局部视角进行token级和通道级交互的的混合前向和通道前向路径,在特征提取与关系建模主干中插入多个GLE模块以在不同阶段进行模板融合与搜索帧融合,并将相关信息反馈回主干网络;本发明通过Mamba架构设计的融合模块,拥有更少的参数和更高的计算效率,同时保持着较高的跟踪性能。
-
-
-
公开(公告)号:CN110503157B
公开(公告)日:2021-11-19
申请号:CN201910797717.6
申请日:2019-08-27
Applicant: 安徽大学
Abstract: 本发明公开了一种基于细粒度图像的多任务卷积神经网络的图像隐写分析方法,其步骤包括:1获取数据集,对数据集进行处理;2搭建多任务卷积神经网络模型;3训练多任务卷积神经网络;4利用训练好的网络模型对其他测试集图像进行隐写分析,以此判断图像是否为载密图像。本发明首次将显著性检测技术和隐写分析相结合,把提取的细粒度图像作为输入,采用并行训练的方式已达到共享数据源中的不同信息,同时通过修改卷积核的步长从而没有使用池化操作,从而避免了图像特征的丢失,提高了网络的检测精度。
-
公开(公告)号:CN115879126A
公开(公告)日:2023-03-31
申请号:CN202211593668.2
申请日:2022-12-13
Applicant: 安徽大学
Abstract: 本发明公开了一种基于安全云存储的医疗信息共享方法、电子设备及存储介质,该方法步骤包括:1、医院生成患者的医疗信息;2、对患者隐私信息加密;3、将患者医疗信息嵌入医学图像;4、上传加密信息到云存储系统;5、医院从云存储系统检索相关医疗信息;6、医疗信息提取与数据恢复;7、患者身份识别与信息解密。本发明能实现对患者个人信息进行加密,并对医疗记录进行信息隐藏,使用深度学习进行医疗信息检索和图像匹配,在不泄露患者隐私信息的情况下共享医疗信息。
-
公开(公告)号:CN110490265B
公开(公告)日:2022-04-15
申请号:CN201910785906.1
申请日:2019-08-23
Applicant: 安徽大学
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/46 , G06K9/62
Abstract: 本发明公开了一种基于双路卷积和特征融合的图像隐写分析方法,其步骤包括:1、构建图像隐写分析的深度学习网络框架;2、图像数据集的准备;3、网络的初始化;4、网络的训练及其验证。本发明能通过两路卷积神经网络自动提取更丰富、更精确的图像特征,根据特征判断图像是否存在隐藏信息,从而能以较高的准确率区分载体图像和载密图像。
-
公开(公告)号:CN111970507B
公开(公告)日:2022-02-18
申请号:CN202010868474.3
申请日:2020-08-26
Applicant: 安徽大学
IPC: H04N19/122 , H04N19/176 , H04N19/467 , H04N19/69 , H04L9/06
Abstract: 本发明公开了一种基于像素差值编码的密文域图像的可逆数据隐藏方法,其步骤包括:1、计算像素差值;2、图像加密;3、图像的密文域可逆数据隐藏;4、数据提取与图像恢复。本发明通过提出的图像编码方式提高对图像潜在冗余信息的利用率,从而能在保证图像安全性的同时获得较高的嵌入容量。
-
公开(公告)号:CN111970507A
公开(公告)日:2020-11-20
申请号:CN202010868474.3
申请日:2020-08-26
Applicant: 安徽大学
IPC: H04N19/122 , H04N19/176 , H04N19/467 , H04N19/69 , H04L9/06
Abstract: 本发明公开了一种基于像素差值编码的密文域图像的可逆数据隐藏方法,其步骤包括:1、计算像素差值;2、图像加密;3、图像的密文域可逆数据隐藏;4、数据提取与图像恢复。本发明通过提出的图像编码方式提高对图像潜在冗余信息的利用率,从而能在保证图像安全性的同时获得较高的嵌入容量。
-
-
-
-
-
-
-
-
-