-
公开(公告)号：CN113473460A
公开(公告)日：2021-10-01
申请号：CN202110632315.8
申请日：2021-06-07
Applicant: 西安电子科技大学
IPC: H04W12/0431
Abstract: 本发明公开了一种基于纠错码判决的无线物理层密钥协商方法，包括：目标用户分别获取待处理数据列，按照预设规则进行划分，得到多个第一分组后，确定每个第一分组的阈值，根据预设纠错码和当前待处理数据所属第一分组的阈值，对当前待处理数据进行判决，得到第一序列，将第一序列划分为多个子序列并进行解码，得到多个第二序列；第一用户将第一位置发送至第二用户，当第二用户在各第二子序列中检测到存在包含第一位置的第一预设数量个连续相同比特位时，将第二位置发送至第一用户；第一用户及第二用户根据第二位置确定密钥。该方法解决了低移动性环境下量化输出序列每比特熵值低、比特失配率高的问题，有效提高了无线物理层密钥的协商效率。
-
Patent Agency Ranking
公开(公告)号：CN113473460B
公开(公告)日：2022-07-01
申请号：CN202110632315.8
申请日：2021-06-07
Applicant: 西安电子科技大学
IPC: H04W12/0431
Abstract: 本发明公开了一种基于纠错码判决的无线物理层密钥协商方法，包括：目标用户分别获取待处理数据列，按照预设规则进行划分，得到多个第一分组后，确定每个第一分组的阈值，根据预设纠错码和当前待处理数据所属第一分组的阈值，对当前待处理数据进行判决，得到第一序列，将第一序列划分为多个子序列并进行解码，得到多个第二序列；第一用户将第一位置发送至第二用户，当第二用户在各第二子序列中检测到存在包含第一位置的第一预设数量个连续相同比特位时，将第二位置发送至第一用户；第一用户及第二用户根据第二位置确定密钥。该方法解决了低移动性环境下量化输出序列每比特熵值低、比特失配率高的问题，有效提高了无线物理层密钥的协商效率。
-
公开(公告)号：CN113568571A
公开(公告)日：2021-10-29
申请号：CN202110722552.3
申请日：2021-06-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于残差神经网络的图像去重方法，应用于服务器，包括：接收上传请求；根据第一精确匹配数据和第一感知哈希特征值，在数据库中对待处理图像进行相似性检测；当在数据库中检测到与待处理图像匹配的第一图像时，比较待处理图像与第一图像的图像质量得分；若待处理图像的图像质量得分高于第一图像的图像质量得分，则发送上传指令至客户端，并接收客户端上传的待处理图像。本发明通过比较第一精确匹配数据和第一感知哈希特征值，能够将具有相同视觉信息的图像判定为相似图像，具有良好的去重精度。此外，通过对待处理图像和第一图像的图像质量进行比较，并删除质量较差的冗余图像，能够获得良好的去重效果，并改善用户体验。
-
公开(公告)号：CN113568571B
公开(公告)日：2024-06-04
申请号：CN202110722552.3
申请日：2021-06-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于残差神经网络的图像去重方法，应用于服务器，包括：接收上传请求；根据第一精确匹配数据和第一感知哈希特征值，在数据库中对待处理图像进行相似性检测；当在数据库中检测到与待处理图像匹配的第一图像时，比较待处理图像与第一图像的图像质量得分；若待处理图像的图像质量得分高于第一图像的图像质量得分，则发送上传指令至客户端，并接收客户端上传的待处理图像。本发明通过比较第一精确匹配数据和第一感知哈希特征值，能够将具有相同视觉信息的图像判定为相似图像，具有良好的去重精度。此外，通过对待处理图像和第一图像的图像质量进行比较，并删除质量较差的冗余图像，能够获得良好的去重效果，并改善用户体验。
-
公开(公告)号：CN113536939B
公开(公告)日：2023-02-10
申请号：CN202110681087.3
申请日：2021-06-18
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/74 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于3D卷积神经网络的视频去重方法，通过将视频训练集以锚点视频、正视频、负视频的三元组形式来训练倒角相似度度量网络，使得倒角相似度度量网络具备良好的区分性，利于相似准确度的提升；对视频训练集进行时域降采样、灰度化等预处理操作，在消除视频冗余帧的同时，减小计算量；利用双流I3D网络提取视频特征，更好地对视频空间信息和时间信息进行充分提取；通过PCA操作对视频特征进行降维处理，以保证检测结果精准的同时降低计算复杂度；通过构建帧间相似矩阵，使得倒角相似度度量网络在学习过程中充分考虑区域到区域的相似性，对区域矢量进行加权计算，能够提取更细粒度的局部特征。
-
公开(公告)号：CN113536939A
公开(公告)日：2021-10-22
申请号：CN202110681087.3
申请日：2021-06-18
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种基于3D卷积神经网络的视频去重方法，通过将视频训练集以锚点视频、正视频、负视频的三元组形式来训练倒角相似度度量网络，使得倒角相似度度量网络具备良好的区分性，利于相似准确度的提升；对视频训练集进行时域降采样、灰度化等预处理操作，在消除视频冗余帧的同时，减小计算量；利用双流I3D网络提取视频特征，更好地对视频空间信息和时间信息进行充分提取；通过PCA操作对视频特征进行降维处理，以保证检测结果精准的同时降低计算复杂度；通过构建帧间相似矩阵，使得倒角相似度度量网络在学习过程中充分考虑区域到区域的相似性，对区域矢量进行加权计算，能够提取更细粒度的局部特征。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
