一种用于单标签图像检索的标签表征构建方法

    公开(公告)号:CN115964527B

    公开(公告)日:2023-09-26

    申请号:CN202310011361.5

    申请日:2023-01-05

    Abstract: 本发明提供了一种用于单标签图像检索的标签表征构建方法,包括:基于全连接神经网络确定单标签图像的标签表征,并基于标签表征平衡损失以及量化损失反向优化全连接神经网络;基于卷积神经网络提取单标签图像的图像特征,并与对应的标签表征之间的中心相似性损失来优化卷积神经网络;基于卷积神经网络提取待检索单标签图像特征,并符号化为二进制码,并基于二进制码实现对单标签图像的检索。通过确定单标签图像的单标签信息,同时,通过全连接神经网络生成各个标签的表征向量,并鼓励标签表征相互之间保持最大的距离,从而增加标签表征之间的可辨别性,将标签表征作为所有同标签图像特征的类中心,为图像特征学习提供了极大便利。

    一种用于单标签图像检索的标签表征构建方法

    公开(公告)号:CN115964527A

    公开(公告)日:2023-04-14

    申请号:CN202310011361.5

    申请日:2023-01-05

    Abstract: 本发明提供了一种用于单标签图像检索的标签表征构建方法,包括:基于全连接神经网络确定单标签图像的标签表征,并基于标签表征平衡损失以及量化损失反向优化全连接神经网络;基于卷积神经网络提取单标签图像的图像特征,并与对应的标签表征之间的中心相似性损失来优化卷积神经网络;基于卷积神经网络提取待检索单标签图像特征,并符号化为二进制码,并基于二进制码实现对单标签图像的检索。通过确定单标签图像的单标签信息,同时,通过全连接神经网络生成各个标签的表征向量,并鼓励标签表征相互之间保持最大的距离,从而增加标签表征之间的可辨别性,将标签表征作为所有同标签图像特征的类中心,为图像特征学习提供了极大便利。

    一种基于数据挖掘的软件成分分析系统

    公开(公告)号:CN116841610A

    公开(公告)日:2023-10-03

    申请号:CN202310621243.6

    申请日:2023-05-29

    Abstract: 本申请提供一种基于数据挖掘的软件成分分析系统,包括:静态构件分析模块,对软件组成进行静态分析检测,通过提取软件中包含的信息与特征,得到软件的组件分布信息;漏洞扫描模块,基于预设开源漏洞数据库,对所述软件的组件分布信息进行漏洞扫描和匹配;开源代码许可证分析模块,用于检测分析软件中的开源代码许可证,以获取所述软件的许可证信息;快速部署模块,基于虚拟化部署、分布式部署、镜像部署,通过多个API接口与外部系统进行无缝衔接。本申请识别高效、准确:扫描速度快、效率高。支持代码组件、代码文件、代码片段级别的扫描和匹配,保障识别精准;覆盖范围广泛,能够同时进行软件成分构成、分析开源代码许可证、安全漏洞等分析。

    一种基于人工智能的数据安全风险监测追溯系统

    公开(公告)号:CN116821750A

    公开(公告)日:2023-09-29

    申请号:CN202310627695.5

    申请日:2023-05-30

    Abstract: 本申请提供一种基于人工智能的数据安全风险监测追溯系统,包括:数据采集模块,用于实时采集企业侧各类安全事件信息,所述各类安全事件信息包括流量、终端、数据库、应用,建立数据识别特征库;数据流转与分布监测模块,用于解析所述各类安全事件信息的规则与策略,发现数据资产保护对象,生成数据资产清单,并动态监测数据分布与流转,获取数据流转规则和访问控制规则;数据安全事件分析模块,用于智能分析识别数据在采集共享处理过程中的安全风险,对数据分类分级管理,根据数据识别特征库、数据流转规则和访问控制规则建立数据安全风险监测策略库;数据安全事件溯源模块,基于人工智能对实时安全事件进行溯源分析,并将安全事件和溯源信息进行及时上报。

    一种机器人人机交互系统及方法
    9.
    发明公开

    公开(公告)号:CN115562489A

    公开(公告)日:2023-01-03

    申请号:CN202211227096.6

    申请日:2022-10-09

    Inventor: 黄永军 金立志

    Abstract: 一种机器人人机交互系统,通过计数单元采集物品重量和/或体积变化信息,识别当前目的地的卸载物品数量和/或类型,通过取物主体识别系统采集取物主体静态或动态影像,当机器人识别出的当前卸载物品数量和/或类型与系统预设的卸载物品数量和/或类型不一致时,能够将采集到的取物主体静态或动态影像与系统预存的取物主体数据进行比对,判断取物主体是当前目的地对应的取物主体还是来自其余目的地的取物主体,并根据判断结果通过语音提示装置向取物方发出需要进行人机交互的语音提示,最终通过操作方的人机交互介入帮机器人识别到确切的异常取物信息。本发明通过实时人机交互,在工序化物品输送帮机器人识别异于设定程序的异常取物信息。

    一种基于决策树模型的机器人自主协同控制方法和系统

    公开(公告)号:CN115034335B

    公开(公告)日:2022-10-21

    申请号:CN202210950027.1

    申请日:2022-08-09

    Abstract: 本发明请求保护一种基于决策树模型的机器人自主协同控制方法和系统,目的是帮助网络找到更好的局部最小值,并且加快训练的过程。其主要方法是:获取多个机器人的待执行指令,对所述待执行指令进行预处理;对所述预处理后的待执行指令初始化,根据可控制性概率的计算方法确定每个机器人可控制的范围;在所述的范围内,对新机器人加入、机器人主动退出和机器人失效进行维护;基于多变量决策树模型的分布式大时序数据分类;基于聚类之后的待执行指令进行协同控制训练完成后将无障碍场景下训练的网络参数用于静态障碍物的场景,随后依次增加难度到动态障碍物和复杂场景下,使网络学到更加泛化的策略,且减少训练时间。

Patent Agency Ranking