-
公开(公告)号：CN113220891B
公开(公告)日：2022-10-18
申请号：CN202110658282.4
申请日：2021-06-15
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/242 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 基于无监督的概念到句子的生成对抗网络图像描述算法涉及图像描述技术领域，解决了现有不能在没有成对数据集的情况下描述图像的问题，具体为：生成器根据离散概念计算离散概念中目标概念与关系概念之间的语义相关性，生成器根据离散概念计算离散概念中目标概念与属性概念之间的语义相关性，所述离散概念为通过提取图像中语义概念得到，离散概念包括目标概念、关系概念和属性概念，拼接两语义相关性得到语义关系信息，生成器将语义关系信息解码成句子。本发明利用一些预训练的目标检测模型及分类模型提取图像中包含的离散的概念信息，将这一模态的离散概念转换为同一模态的图像描述语句，实现了在没有成对数据集的情况下描述图像。
-
公开(公告)号：CN114065933A
公开(公告)日：2022-02-18
申请号：CN202111420523.8
申请日：2021-11-26
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于人工免疫思想的未知威胁检测方法，有效检测已知和未知威胁。预分类模块将卷积神经网络引入用于解决self集合的预收集以及检测中网络流量的预分类问题；阴性选择模块将基因库引入用于解决初始检测器的随机生成问题和针对未知威胁的特异性免疫问题，将层次聚类引入用于提高检测器的训练效率；克隆变异模块通过引入基于遗传算法的检测器优化算法，解决高亲和力检测器的重叠检测问题；同时引入基于LRU的记忆检测器消退机制，有效释放存储空间，提高检测效率；mRNA疫苗接种模块引入基于特征重要性排序的mRNA疫苗算法，将检测到的未知威胁按基因重要性分解并注入到基因库中，并生成相应的检测器，实现对该未知威胁及其变种的特异性免疫。
-
公开(公告)号：CN113469271A
公开(公告)日：2021-10-01
申请号：CN202110813222.5
申请日：2021-07-19
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于Echo State Network的图像分类方法，包括构建网络结构、训练中的数据传输和更新、输出训练和图像分类处理的步骤，其中，储备池的各个参数设置为：储备池光谱半径λ为1.25，储备池大小Nx为2000，储备池输入单元的尺度IS为1，储备池的稀疏度SD为1e‑8，泄漏率α为0.15，空转图像数量占10％。本发明提供的基于Echo State Network的图像分类方法，通过使用回声状态网络(ESN)进行图像的分类处理，解决了卷积网络在使用上复杂度高、速度较慢的问题。
-
公开(公告)号：CN113269259A
公开(公告)日：2021-08-17
申请号：CN202110598271.1
申请日：2021-05-31
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种目标信息的预测方法及装置，上述方法包括：获取目标信息在当前时间点之前的多个离散的时间点对应的目标历史信息；将目标历史信息输入预先训练的目标信息预测模型，获取目标信息在当前时间点后的变化趋势预测结果；RNN层，用于对输入的目标历史信息进行初始变化趋势特征提取，并将所提取的初始变化趋势特征输入GAN层；GAN层，用于基于初始变化趋势特征，确定目标信息在当前时间点后的变化趋势信息，作为目标信息的变化趋势预测结果。采用本发明实施例提供的方法，提高了预测出的目标信息在当前时间点后的变化趋势信息的精度。
-
公开(公告)号：CN112529929A
公开(公告)日：2021-03-19
申请号：CN202011418101.2
申请日：2020-12-07
Applicant: 北京邮电大学
Abstract: 本发明实施例提供的一种基于全卷积稠密网络的人像抠图方法，应用于信息技术领域，用以解决如何提高人像抠图的效果的问题，通过获取样本图像；将输入图和trimap图输入到待训练的GAN网络中的全卷积稠密网络中，得到全卷积稠密网络的第一输出结果；当全卷积稠密网络的第一损失小于第一预设阈值时，将全卷积稠密网络的第一输出结果输入到判别器中，得到判别器的第一输出结果；当判别器的第一损失小于第二预设阈值时，得到训练好的GAN网络。使得得到的训练好的GAN网络在对进行抠图时，可以提高人像抠图的效果。
-
Patent Agency Ranking
公开(公告)号：CN111340138A
公开(公告)日：2020-06-26
申请号：CN202010230084.3
申请日：2020-03-27
Applicant: 北京邮电大学
Abstract: 本申请实施例提供的图像分类方法、装置、电子设备及存储介质，涉及数据处理技术领域，通过将全局卷积层和降噪块设置在预先训练的图像分类模型的特殊残差块网络中，所述待处理图像输入到所述预先训练的图像分类模型中进行处理时，全局卷积层用于将输入所述全局卷积层的特征图进行全局性融合处理，得到所述待处理图像细粒度特征图，通过降噪块对待处理图像细粒度特征图进行对抗性降噪，抑制了特征图中由于对抗样本的攻击产生的大部分噪声，从而增强了预先训练的图像分类模型处理不同特征图变换的能力，同时提高了图像分类模型对于对抗样本攻击的防御能力，从而提高了模型对于对抗样本攻击的鲁棒性。
-
公开(公告)号：CN108040191A
公开(公告)日：2018-05-15
申请号：CN201711388139.8
申请日：2017-12-20
Applicant: 北京邮电大学
IPC: H04N1/32
CPC classification number: H04N1/32272
Abstract: 本发明提供一种基于哈希链压缩感知的图像加密和解密方法。加密方法通过首先根据初始密钥生成第一哈希链和第二哈希链；分别根据第一哈希链和第二哈希链，获得测量矩阵和加密矩阵；然后通过测量矩阵对明文图像的稀疏表示矩阵进行压缩测量，得到测量结果矩阵；根据测量结果矩阵和加密矩阵，得到加密图像矩阵，整个加密过程中仅需要保存初始密钥，减少了对密钥的存储空间和通信能耗。同时，哈希函数的密钥灵敏度极高，初始密钥值的微小改变都会导致生成完全不同的哈希序列，在中继节点处不需要保存测量矩阵，也降低了在中继节点处数据被窃取的可能性，提高了数据传输的安全性。最终实现了在保证数据安全的同时，减少密钥的空间占用量。
-
公开(公告)号：CN107888370A
公开(公告)日：2018-04-06
申请号：CN201710995908.4
申请日：2017-10-23
Applicant: 北京邮电大学
IPC: H04L9/00 , H04L9/06 , H04N19/124 , H04N19/126 , H04N19/149 , H04N19/48
Abstract: 本发明提供一种图像加密方法及装置。该方法通过根据预设的正交稀疏基和明文图像的原始图像矩阵，获得稀疏表示的目标图像矩阵，降低了计算复杂程度。通过压缩感知模型对目标图像矩阵进行压缩测量，得到测量结果矩阵，其中，压缩感知模型是根据混沌矩阵和广义置换矩阵进行张量积处理得到的；压缩感知模型由两个混沌系统分别生成的矩阵进行张量积处理得到，具有足够小的互相关性，从而提高成功恢复可能性。对测量结果矩阵进行量化处理，获得量化处理后的量化矩阵；对量化矩阵进行正向扩散处理和逆向扩散处理，得到加密图像矩阵，加密图像矩阵对应密文图像，正向和逆向扩散处理能够使得图像能量分布更加均匀，进一步增强系统安全性和图像加密性能。
-
公开(公告)号：CN107659753A
公开(公告)日：2018-02-02
申请号：CN201710994191.1
申请日：2017-10-23
Applicant: 北京邮电大学
IPC: H04N1/32
CPC classification number: H04N1/32277 , H04N1/32272
Abstract: 本发明提供了一种图像的压缩加密方法，包括：对初始密钥进行T次哈希运算，得到T个哈希值，其中，每次哈希运算得到一个哈希值，每次哈希运算均针对前一次哈希运算得到的哈希值进行；T为大于1的整数；根据待加密图像，得到图像系数矩阵；根据所述T个哈希值，对所述图像系数矩阵进行置乱处理，得到置乱后矩阵；根据所述T个哈希值得到测量矩阵；根据所述置乱后矩阵得到列向量，并利用所述测量矩阵对所述列向量进行半张量压缩感知，以得到加密后图像。本发明可以具有较强的保密性。
-
公开(公告)号：CN105912726A
公开(公告)日：2016-08-31
申请号：CN201610319032.7
申请日：2016-05-13
Applicant: 北京邮电大学
IPC: G06F17/30
CPC classification number: G06F16/35 , G06F2216/03
Abstract: 本发明基于数据的密度中心性，提出了一种新的虚拟资产异常交易数据采样检测方法。其中采样方法包括以下两个步骤：将虚拟资产交易中的异常交易数据定义为少数类，依据改进的Density peaks Algorithm(密度峰值算法)对少数类样本进行中心选取，然后在数据中心的有效范围内进行数据添加，从而增加其样本数量；将虚拟资产交易中的正常交易数据定义为多数类，依据改进的Density peaks Algorithm对多数类样本进行中心选取，然后依据理想的样本容量以与中心点的距离为标准对数据进行采样，以减少其样本数量。本发明所给出的异常交易数据的采样检测方法可应用于各种虚拟资产异常交易采样检测当中，且具有计算速度快，检测准确率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.027 seconds)
