-
公开(公告)号：CN112766143B
公开(公告)日：2023-08-25
申请号：CN202110054794.X
申请日：2021-01-15
Applicant: 湖南大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多情绪的人脸老化处理方法，包括：获取一张原始图片和一张与该原始图片对应的目标图片；将获取的原始图片和目标图片分别输入训练好的第一网络模型的编码器Ee和EI中，以分别得到原始图片的关键特征和目标图片的关键特征；将获得的原始图片的关键特征、以及目标图片的关键特征输入训练好的第一生成网络的生成器GE中，以获得一张彩色图片；将彩色图片输入训练好的第二网络模型的生成器GA，以得到老化处理后的彩色图片；本发明利用多重损失保证CD‑Net在不丢失其它信息的情况下学习真实的图像，可以生成不同的情绪下逼真的面部衰老图像，并且这些情绪特征是特定的，不是随机的。
-
公开(公告)号：CN116452524A
公开(公告)日：2023-07-18
申请号：CN202310326303.1
申请日：2023-03-30
Abstract: 本申请涉及一种子宫附件超声图像处理方法、装置、子宫附件超声图像处理设备、存储介质和计算机程序产品。本方法基于子宫附件的超声切面图像，来获取对应的子宫附件轮廓，然后再确定子宫附件超声切面图像类型，其中，第一类型图像包括子宫纵切面图像以及子宫横切面图像，第二类型图像包括卵巢切面图像以及宫颈纵切面图像，根据子宫附件超声切面图像类型确定后续测量过程，对于第一类型图像，基于提取的骨架线以及子宫附件轮廓进行测量；对于第二类型图像，根据子宫附件轮廓进行测量，通过对不同类型图像的识别以及后续测量，得到对应的子宫附件测量数据更加准确。
-
公开(公告)号：CN116205808A
公开(公告)日：2023-06-02
申请号：CN202310088015.7
申请日：2023-02-02
Applicant: 湖南大学
IPC: G06T5/00 , G06V10/44 , G06V10/774
Abstract: 本申请涉及一种超声图像的处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：对超声图像进行预处理，得到预处理后的超声图像；将预处理后的超声图像输入预先训练好的图像降噪模型，基于图像降噪模型的至少两种尺度的卷积核，对预处理后的超声图像进行特征提取，得到至少两张特征图像，将至少两张卷积后的特征图像进行拼接，得到降噪后的超声图像；采用边缘提取算法，对预处理后的超声图像进行提取，得到超声图像的边缘细节信息；融合降噪后的超声图像和超声图像的边缘细节信息，得到边缘信息增强的超声图像。该方法，对超声图像进行去噪处理的同时保留了噪声图像的边缘细节信息，提高了超声图像的质量。
-
公开(公告)号：CN115439325A
公开(公告)日：2022-12-06
申请号：CN202211099570.1
申请日：2022-09-09
Applicant: 湖南大学
Abstract: 本申请涉及一种低分辨率高光谱图像处理方法、装置、计算机设备、存储介质和计算机程序产品，通过获取低分辨率高光谱图像的各分组图像的浅层特征，基于处理网络分别对各分组图像的浅层特征进行处理，并将各分组图像的浅层特征与处理后的各分组图像的浅层特征进行像素相加处理，得到各分组图像的全局深层特征；处理网络包括多个自注意力机制模型；对各分组图像的全局深层特征分别进行亚像素卷积处理，并将亚像素卷积处理后的各分组图像的全局深层特征进行第一卷积处理和级联处理后得到低分辨率高光谱图像的光谱特征，根据低分辨率高光谱图像的光谱特征，得到与低分辨率高光谱图像对应的高分辨率高光谱图像。采用本方法能够提高目标识别准确率。
-
公开(公告)号：CN115272771A
公开(公告)日：2022-11-01
申请号：CN202210959443.8
申请日：2022-08-10
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/25 , G06V20/40 , G06T7/00
Abstract: 本申请涉及一种胎儿超声图像处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，包括：获取胎儿超声图像的超声图像帧；若超声图像帧满足图像裁剪条件，对超声图像帧进行裁剪，获得裁剪后的超声图像帧；通过胎儿超声图像分类网络对目标图像帧进行分类处理，获得目标图像帧的类别标签，其中，若超声图像帧不满足图像裁剪条件，目标图像帧为超声图像帧，若超声图像帧满足图像裁剪条件，目标图像帧为裁剪后的超声图像帧；通过与类别标签对应的目标检测模型对目标图像帧进行处理，得到对应的检测结果。采用本方法能够提高胎儿检测结果的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114629967A
公开(公告)日：2022-06-14
申请号：CN202210240002.2
申请日：2022-03-10
Applicant: 湖南大学
Abstract: 本申请涉及一种通信转化方法、装置和电子设备，应用于数字化变电站场景。方法包括：在第一时刻获取第一时间周期内的Modbus数据集合，Modbus数据集合中每个Modbus数据包括Modbus数据的起始地址以及地址域；在第二时间周期内接收第一数据请求，第一数据请求用于请求目标IEC618590数据，数据请求携带用于索引目标IEC618590数据的目标对象引用；根据目标对象引用，确定目标对象引用对应的目标起始地址以及目标地址域；根据目标起始地址以及目标地址域，从Modbus数据集合中确定目标Modbus数据；将目标Modbus数据转化后得到的目标IEC618590数据，发送至发出第一数据请求的客户端。采用本方法能降低数据交互的时间，提升在不同协议的装置之间进行通信的效率。
-
公开(公告)号：CN112988666B
公开(公告)日：2022-04-22
申请号：CN202110300026.8
申请日：2021-03-22
Applicant: 湖南大学 , 湖南匡安网络技术有限公司
IPC: G06F16/13 , G06F16/14 , G06F16/172 , G06F16/18
Abstract: 本发明公开了一种基于布谷鸟过滤器的分布式日志条件查询方法，包括：获取客户端发送的条件查询请求，根据该条件查询请求在预先构建好的热数据库中进行数据查询，并判断查询到的数据总量是否低于条件查询请求对应的数据量，如果是则对该条件查询请求进行处理，以得到标识字符串，将标识字符串作为键(Key)，在冷门条件缓存层进行数据查询，以判断冷门条件缓存层中是否存在该键对应的值(Value)，若不是则根据条件查询请求在预先构建好的冷数据库数据分表中执行查询操作，以得到条件查询结果，将条件查询数据结果处理生成JSON字符串，将标识字符串作为键、将JSON字符串作为值形成键值对，并将该键值对存储于冷门条件缓存层中。
-
公开(公告)号：CN112968906B
公开(公告)日：2022-02-18
申请号：CN202110316520.3
申请日：2021-03-25
Applicant: 湖南大学 , 湖南匡安网络技术有限公司
IPC: H04L9/40 , H04L41/142 , H04L41/14
Abstract: 本发明公开了一种基于多元组的Modbus TCP异常通讯检测方法，包括：从工业控制网络中获取连接，每个连接包含多个Modbus TCP数据包，按照单位时间对数据包流进行分割，得到多个数据包序列。对数据包序列中的每个Modbus TCP数据包进行解析，提取其中的多个功能码、线圈地址、数据长度。在一个数据包序列中，每个功能码对应多个数据包，将具有相同功能码的数据包归为一类，对于每一类数据包，取数据包中的数据长度进行累加求和取平均，每个功能码可以对应一个数据包平均数据长度，得到多元组C1；每个功能码对应多个线圈地址。本发明解决了现有技术只针对Modbus TCP的功能码和线圈地址这两个特征进行提取，导致流量特征提取不足，检测精度不高的技术问题。
-
公开(公告)号：CN112104639B
公开(公告)日：2021-06-15
申请号：CN202010950472.9
申请日：2020-09-11
Applicant: 湖南大学 , 湖南匡安网络技术有限公司
Abstract: 本发明公开了一种面向电力系统网络的攻击路径并行预测方法，采用并行模式根据反向DFS算法生成多个网络子攻击图，并且采用并行模式根据DFS算法计算所有子攻击图中各条攻击路径攻击成功的概率，从所有概率中选择最大值对应的攻击路径作为整个电力系统网络中最可能的攻击路径。本发明解决了无法针对风险大的0day漏洞进行攻击路径预测的问题，提升了攻击图生成效率，并解决整体攻击图容易出现状态爆炸的问题，同时减少了攻击路径预测的计算复杂度，提高攻击路径预测的计算效率。
-
公开(公告)号：CN112766315A
公开(公告)日：2021-05-07
申请号：CN202011630126.9
申请日：2020-12-31
Applicant: 湖南大学
Abstract: 本发明属于人工智能模型鲁棒性判定技术领域，并公开了一种在不知人工智能模型以及训练数据集情况下能有效地对未知模型进行攻击方法，包括以下步骤：原始数据集的浅层共享特征的捕获，并根据输入条件生成相应的目标样本。待测试人工智能模型用于预测目标样本的输出，该输出和正式的标签进行比对得到相应损失。同时生成的目标样本用于训练替代模型，并得到相应的输出，比较同一个样本在两个不同模型情况下的输出，得到比对损失，用于确保替代模型很好的学习待测试人工智能模型的全部功能。之后用一些成熟的攻击算法去攻击替代模型得到相应的对抗样本，并将这些对抗样本用于攻击未知的人工智能模型，进而判定人工智能模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.028 seconds)
