-
公开(公告)号：CN120014283A
公开(公告)日：2025-05-16
申请号：CN202510066890.4
申请日：2025-01-16
Applicant: 武汉理工大学
IPC: G06V10/30 , G06V10/764 , G06V10/82 , G06V10/84 , G06N3/0464 , G06N3/084 , G06N7/01 , G06V30/164 , G06V30/19 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供了一种基于去噪扩散概率模型的对抗净化方法，包括以下步骤：在去噪扩散概率模型的前向过程中，将噪声按T步逐渐加入到输入的图像中；利用去噪扩散概率模型的反向过程，采用与加入噪声过程的反向步骤相匹配的方法逐步去除噪声，得到净化后的图像。是一种即插即用的对抗净化方法，可以与现有的深度学习模型直接集成。在实际应用中，本发明作为预处理模块，在数据输入阶段对图像进行净化处理，帮助深度学习模型更好地应对对抗攻击。该方案的实现不需要对目标模型结构进行改动，因此在实际部署中具有较高的可操作性。
-
公开(公告)号：CN119500408A
公开(公告)日：2025-02-25
申请号：CN202411542233.4
申请日：2024-10-31
Applicant: 武汉理工大学
IPC: B03D1/01 , B03D101/02 , B03D103/02
Abstract: 本发明公开了一种羟肟酸‑季铵盐离子液体捕收剂及其制备方法和应用。该羟肟酸‑季铵盐离子液体捕收剂的结构式如式（Ⅰ）所示：#imgabs0#（Ⅰ）。本发明提供的羟肟酸‑季铵盐离子液体捕收剂与传统水杨羟肟酸捕收剂相比，对稀土矿具有良好的捕收性和选择性，且在不添加起泡剂的情况下仍能取得较好的捕收效果，具有广泛的应用前景。
-
公开(公告)号：CN118689740B
公开(公告)日：2024-12-03
申请号：CN202411157308.7
申请日：2024-08-22
Applicant: 武汉理工大学
IPC: G06F11/30 , G06F40/289 , G06F16/17 , G06N3/092 , G06N3/084
Abstract: 本发明提供了一种基于深度强化学习的实时日志异常检测方法，包括以下步骤：步骤S1：通过正则表达式将日志数据集中每条日志的参数进行替换得到日志文本，并提取数值型参数；步骤S2：将替换后的日志文本转化为语义向量，将数值型参数转化为数值参数向量，将语义向量和数值型参数向量进行拼接得到状态向量；步骤S3：将每条特征向量作为一种状态，所有进行替换后的日志作为动作集合，对深度Q网络进行训练；步骤S4：采用训练后的深度Q网络进行日志异常监测，得到日志异常监测结果。不仅可以提升日志分析的效果和准确性，而且帮助用户更好地理解和管理系统。
-
公开(公告)号：CN118689740A
公开(公告)日：2024-09-24
申请号：CN202411157308.7
申请日：2024-08-22
Applicant: 武汉理工大学
IPC: G06F11/30 , G06F40/289 , G06F16/17 , G06N3/092 , G06N3/084
Abstract: 本发明提供了一种基于深度强化学习的实时日志异常检测方法，包括以下步骤：步骤S1：通过正则表达式将日志数据集中每条日志的参数进行替换得到日志文本，并提取数值型参数；步骤S2：将替换后的日志文本转化为语义向量，将数值型参数转化为数值参数向量，将语义向量和数值型参数向量进行拼接得到状态向量；步骤S3：将每条特征向量作为一种状态，所有进行替换后的日志作为动作集合，对深度Q网络进行训练；步骤S4：采用训练后的深度Q网络进行日志异常监测，得到日志异常监测结果。不仅可以提升日志分析的效果和准确性，而且帮助用户更好地理解和管理系统。
-
公开(公告)号：CN118609141A
公开(公告)日：2024-09-06
申请号：CN202410759312.4
申请日：2024-06-13
Applicant: 武汉理工大学
IPC: G06V30/22 , G06N3/0495 , G06N3/092 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于轻量化网络模型的甲骨文测定方法，通过提取现有甲骨文字库文件中的字形文件，得到甲骨文字体图片库；利用甲骨文字体图片库，基于轻量化网络训练得到初级深度强化学习模型，并识别甲骨文字形图片；将现有甲骨文字典、词典进行对应，得到甲骨文字词关键信息建立甲骨文字词数据库，并将由深度强化学习模型的识别甲骨文字形图片，放入甲骨文字词数据库得到完整甲骨文信息。本发明能提升甲骨文系统性查找的速度，弥补了查找空缺，为甲骨文的科学研究提供了有效助力。
-
Patent Agency Ranking
公开(公告)号：CN115002471B
公开(公告)日：2024-08-09
申请号：CN202210593207.9
申请日：2022-05-27
Applicant: 武汉理工大学
IPC: H04N19/30 , H04N19/124 , H04N19/172 , H04N19/192 , H04N19/42 , H04N19/593
Abstract: 本发明提供了一种基于鲁棒自适应DAC码的分布式视频编码及解码方法和系统。方法分为编码端和解码端，编码端将输入视频分为关键帧和WZ帧，关键帧采用帧内编码；WZ帧经过变换、量化得到比特面，再对比特面进行置乱以提高解码的鲁棒性，接着采用自适应信源概率DAC算法对其进行编码。解码端对关键帧采用帧内解码，已解码的关键帧经过运动补偿插帧生成边信息，边信息再经过置乱以辅助WZ帧解码；WZ帧采用相同的自适应方法估计信源概率，并从DAC解码树中选择与边信息最匹配的路径作为解码输出，最后将输出按置乱顺序逆序还原并重构完成全部解码过程。该方法在降低DAC编码开销的同时，提升了解码的鲁棒性，对基于DAC的分布式视频编码性能有一定提高。
-
公开(公告)号：CN112437300B
公开(公告)日：2022-04-15
申请号：CN202011318867.3
申请日：2020-11-23
Applicant: 武汉理工大学
IPC: H04N19/122 , H04N19/124 , H04N19/13 , H04N19/172 , H04N19/30 , H04N19/80
Abstract: 本发明提出了一种基于自适应区间重叠因子的分布式视频编码方法。在编码端，首先将输入的视频序列根据图像组的大小，分为关键帧和剩余帧。利用关键帧和剩余帧计算残差图像，经过图像分割、整数DCT变化、量化以及位平面定序后的残差图像由DAC编码器进行压缩。在解码端，首先利用关键帧生成辅助边信息。其次结合边信息以及相关噪声模型在DAC解码器上得到位平面上的DAC解码数据。最后，重构出解码的剩余帧并输出。分别计算DVC系统编解码端位平面数据流的信息熵，并结合幂函数模型，可以实现DVC系统编解码端的码率控制。本发明优点在于，对于不同运动程度的视频，可以实现DAC区间重叠因子的自适应估计，从而实现码率控制。
-
公开(公告)号：CN112437300A
公开(公告)日：2021-03-02
申请号：CN202011318867.3
申请日：2020-11-23
Applicant: 武汉理工大学
IPC: H04N19/122 , H04N19/124 , H04N19/13 , H04N19/172 , H04N19/30 , H04N19/80
Abstract: 本发明提出了一种基于自适应区间重叠因子的分布式视频编码方法。在编码端，首先将输入的视频序列根据图像组的大小，分为关键帧和剩余帧。利用关键帧和剩余帧计算残差图像，经过图像分割、整数DCT变化、量化以及位平面定序后的残差图像由DAC编码器进行压缩。在解码端，首先利用关键帧生成辅助边信息。其次结合边信息以及相关噪声模型在DAC解码器上得到位平面上的DAC解码数据。最后，重构出解码的剩余帧并输出。分别计算DVC系统编解码端位平面数据流的信息熵，并结合幂函数模型，可以实现DVC系统编解码端的码率控制。本发明优点在于，对于不同运动程度的视频，可以实现DAC区间重叠因子的自适应估计，从而实现码率控制。
-
公开(公告)号：CN119052477A
公开(公告)日：2024-11-29
申请号：CN202411189279.2
申请日：2024-08-28
Applicant: 武汉理工大学
IPC: H04N19/124 , H04N19/13 , H04N19/132 , H04N19/36 , H04N19/44 , H04N19/65
Abstract: 本发明提供了一种轻量级可变比特率多视图图像压缩方法及系统，涉及图像压缩技术领域。该方法包括：将单视图图像进行下采样、特征提取、特征缩放，获得对应目标比特率的潜在表示；对所述潜在表示进行量化和无损熵编码，以获得最终压缩比特流；随后执行无损熵解码和逆缩放，恢复为潜在表示；将不同视图恢复后的潜在表示进行特征融合和上采样，生成重建的压缩图像。该模型包括主编码器、特征缩放模块、量化模块、自回归熵模型、算数编码器、算数解码器、特征逆缩放模块、解码器。本发明能够在保留图像细节、保持图像质量的情况下，高效压缩图像数据、降低计算复杂度、减少存储空间的占用，为图像传输和存储提供更快的速度和更低的带宽需求。
-
公开(公告)号：CN118605431A
公开(公告)日：2024-09-06
申请号：CN202410539244.0
申请日：2024-04-30
Applicant: 武汉理工大学 , 敦和安全科技(武汉)有限公司
IPC: G05B23/02
Abstract: 本发明提供了一种工业自动化控制系统多阶段安全检测方法，包括以下步骤：步骤S1：通过布隆过滤器检测是否存在已知入侵；步骤S2：提取通信数据流特征以及物理设备特征的多维特征，通过密度聚类模型检测得到正常数据特征，判断所述多维特征是否在正常数据特征内，以检测是否存在未知入侵。用布隆过滤器能有效适应工业自动化控制系统边缘设备资源受限的难题，将已知的入侵威胁用于布隆过滤器的训练，能快速的检测已知入侵威胁。使用正常数据训练机器学习模型，使用密度聚类办法勾勒出正常数据的轮廓，有效地应对未知入侵行为难以检测的问题。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.062 seconds)
