公开(公告)号：CN119962571A

公开(公告)日：2025-05-09

申请号：CN202510048717.1

申请日：2025-01-13

Applicant: 河北工业大学

Inventor： 杨亮 ,  何振兴 ,  张华 ,  李林昊 ,  马子艺 ,  汪梦竹 ,  靳瑞勇 ,  卢金禹 ,  董纪悦

IPC: G06N3/042 ,  G06N3/0895 ,  G06N5/022 ,  G06F18/25 ,  G06F18/22

Abstract: 本发明属于自监督图网络表征技术领域，具体是一种基于子空间的自适应负样本调节的网络表征方法。首先，提取网络图中节点的属性信息及结构信息，得到网络图的属性矩阵和邻接矩阵；属性矩阵分别经过两个属性编码器，得到第一个视图和第二个视图的属性特征；邻接矩阵分别经过两个结构编码器，得到第一个视图和第二个视图的结构特征；将第一个视图的属性特征和结构特征进行拼接，得到第一个视图的节点特征；同理，得到第二个视图的节点特征；接着，利用两个视图的节点特征，构建亲和度矩阵；然后，基于自适应负样本调节的图对比学习，对属性编码器和结构编码器进行训练，根据对比学习损失函数计算训练损失；最后，将两个视图的节点特征进行融合，得到节点表征。在每轮训练过程中动态地为各个负样本对分配权重，权重越大越可能是假负样本对，以解决负样本中存在假负样本的问题，提高节点表征能力。

公开(公告)号：CN119338940A

公开(公告)日：2025-01-21

申请号：CN202411537210.4

申请日：2024-10-31

Applicant: 河北工业大学

Inventor： 杨亮 ,  吕泽鹏 ,  张华 ,  李林昊 ,  马子艺 ,  汪梦竹 ,  靳瑞勇 ,  卢金禹 ,  董纪悦

IPC: G06T11/00 ,  G06T5/50 ,  G06V10/764 ,  G06V10/40 ,  G06V10/28 ,  G06V10/82 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明属于图像生成技术领域，具体公开了一种基于扩散大模型的多模态场景融合方法。首先对扩散模型主干网络的权重矩阵进行奇异值分解，用于更新主干网络的权重矩阵；然后，将文本提示词输入到扩散模型中，生成文本条件图像；文本条件图像经过VAE解码和预处理，得到预处理的文本条件图像；将预处理的文本条件图像输入到预训练的视觉分类器中预测类别，得到预测标签；根据预测标签与真实标签计算更新损失，对扩散模型的参数进行更新，实现扩散模型的微调；最后，利用微调后的扩散模型生成场景融合图像；场景融合分为两个阶段，第一阶段是通过对背景图像和前景图像进行采样生成合并噪声图像，第二阶段是利用合并噪声图像迭代生成场景融合图像。该方法利用图像引导图像生成，实现前景图像与背景图像的无缝融合，同时利用控制信息引导图像生成，增强了场景融合的可控性。

公开(公告)号：CN119850792A

公开(公告)日：2025-04-18

申请号：CN202510058709.5

申请日：2025-01-15

Applicant: 河北工业大学

Inventor： 杨亮 ,  秦飞阳 ,  张华 ,  李林昊 ,  马子艺 ,  汪梦竹 ,  靳瑞勇 ,  卢金禹 ,  董纪悦

IPC: G06T11/60 ,  G06V30/19 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06F40/30

Abstract: 本发明公开一种基于扩散大模型的图像上文本的可控生成方法，该方法可以定制生成用户所需的图像。具体来说首先通过使用Transformer对用户输入的提示词进行语义提取，进而生成符合用户需求的字体布局图像，将字体布局图像连同用户提示词输入到控制网络以生成控制向量，通过指导逐步降噪过程达到可控生成的目的，并通过字符感知损失来加强可控生成的效果。此外，本发明方法提出一种有效的参数微调策略，来避免生成模型过拟合或者灾难性遗忘在仅更新不到总参数的3％的情况下实现了连贯的文本生成，显著加速了模型的收敛过程。最后，对于目标区域生成部分，为减少背景部分带来的影响，使用背景重建机制来保留原始图中非目标区域的部分，减少背景信息的损失。

公开(公告)号：CN119939421A

公开(公告)日：2025-05-06

申请号：CN202510001721.2

申请日：2025-01-02

Applicant: 河北工业大学

Inventor： 杨亮 ,  李振娜 ,  禚佳明 ,  马子艺 ,  汪梦竹 ,  贾永娜 ,  靳瑞勇 ,  卢金禹 ,  董纪悦

IPC: G06F18/2431 ,  H04L41/142 ,  H04L41/16 ,  G06F18/214 ,  G06F18/21 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明属于信息安全技术领域，具体是一种基于联合增广图对比学习的认知安全设备状态识别方法。首先，获取互联网的设备信息，将设备信息转换成图数据，提取图数据的邻接矩阵和节点属性矩阵；接着，将节点视为属性节点，利用图数据的节点属性矩阵和邻接矩阵生成属性插值图；对属性插值图进行谱增广，生成两个增广图；然后，构建状态识别模型，基于图对比学习对状态识别模型进行训练，将不同增广图的对应节点作为正样本对，其余所有节点作为负样本对，图对比学习的目标是最大化正样本对之间的相似性，同时最小化负样本对之间的相似性；最后，获取目标设备信息并转换为图数据，利用该图数据生成两个增广图并输入到训练后的状态识别模型中进行预测。在扰动过程中充分考虑节点属性与拓扑结构之间的关联性，保留了图数据中蕴含的深层语义信息，显著提升了图数据的完整性和表达能力，有效提高了识别准确率。