-
公开(公告)号：CN117635838A
公开(公告)日：2024-03-01
申请号：CN202311651131.1
申请日：2023-12-04
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司 , 北京邮电大学
Abstract: 本发明属于人工智能技术领域，公开了一种三维人脸重建方法、设备、存储介质及装置，本发明通过将待识别照片帧对应的三维地标与预设三维可变人脸模型进行拟合，获得人脸粗参数；基于可微渲染器对人脸粗参数进行参数优化，获得优化后的人脸参数；基于低分辨率局部金字塔纹理基对优化后的人脸参数进行多视图纹理融合，获得面部不同局部区域的局部拟合纹理参数；基于面部不同局部区域的局部拟合纹理参数重建三维人脸，获得目标三维人脸，相较于相关重建方案不能精准确定人脸纹理特征，导致重建效果差。本发明通过构建局部纹理金字塔，逐尺度融合不同视角的纹理信息，用低分辨输入指导高清纹理图生成，提高了生成人脸的质量和保真度。
-
公开(公告)号：CN116319714B
公开(公告)日：2023-07-21
申请号：CN202310589332.7
申请日：2023-05-24
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于模态转换的联邦学习方法及相关设备；方法包括：客户端将本地模态的特征数据发送至服务器端；服务器端对各特征数据进行解码，得到目标模态的解码数据，并聚合每个客户端的编码参数得到全局编码器，利用全局编码器将解码数据重建为本地模态的第一重建数据，并下发至客户端，通过交互第一重建数据和特征数据来训练全局编码器，并下发训练好的全局编码器至客户端；客户端将训练好的全局编码器的输出作为下游任务模型的输入，以进行有监督训练，将训练的第一模型参数发送至其他客户端；其他客户端对下游任务模型进行半监督次训练，并将训练的第二模型参数发送至服务器端聚合，得到完成二次训练的下游任务模型。
-
公开(公告)号：CN115412202B
公开(公告)日：2023-06-16
申请号：CN202210917842.8
申请日：2022-08-01
IPC: H04L1/00 , H04N19/149 , H04N19/169 , H04B17/391 , G06N3/04 , G06N3/08 , G16H30/20 , G16H30/40
Abstract: 本发明公开了一种基于医学图像的语义通信方法及相关设备，所述基于医学图像的语义通信方法包括：基于深度学习获取医学图像中的医学知识；将所述医学图像和所述医学知识输入到编码器神经网络，以获得第一联合语义特征，所述第一联合语义特征包括图像特征和知识特征，所述第一联合语义特征经过信道传输后，输出为第二联合语义特征；基于解码器神经网络对所述第二联合语义特征进行解码，获得所述医学图像和所述医学知识。本发明中通过编码器神经网络独立编码医学图像和医学知识，最大限度保留医学图像中的医学知识，使得接收端能够接收并恢复携带准确医学知识的医学图像，进而提高语义通信过程中接收端接收到的医学图像的准确性。
-
公开(公告)号：CN116029371A
公开(公告)日：2023-04-28
申请号：CN202310301957.9
申请日：2023-03-27
Applicant: 北京邮电大学
IPC: G06N3/098 , G06N3/045 , G06V10/82 , G06V10/764
Abstract: 本申请提供一种基于预训练的联邦学习工作流构建方法及相关设备，所述方法包括：获取本地数据集；根据本地数据集，确定目标训练集，根据目标训练集，确定目标计算任务及预训练模型；发起邀请其他参与方参与请求；响应于拒绝请求，根据目标训练集、目标计算任务、预训练模型，确定第一联邦学习模型；响应于接受请求，获取联盟成员的辅助训练集，根据目标训练集、辅助训练集、目标计算任务、预训练模型，确定第二联邦学习模型。所述方法将目标训练集与预训练模型应用到联邦学习中，来创建联邦学习模型，不受计算资源的限制，低图像输入限制，加速拟合复杂函数，减少模型训练时长，且以最小的通信开销实现全局模型的聚合，从而提高了模型性能。
-
公开(公告)号：CN116010944A
公开(公告)日：2023-04-25
申请号：CN202310295479.5
申请日：2023-03-24
Applicant: 北京邮电大学
Abstract: 本公开提供了一种联邦计算网络保护方法及相关设备，包括：检测联邦计算网络中是否存在恶意攻击行为；响应于存在恶意攻击行为，执行物理隔离手段、虚拟化逻辑隔离手段及加密手段中的至少之一进行保护，得到第一保护结果，根据预设的评估标准判断所述第一保护结果是否成功；响应于所述第一保护结果为保护失败，执行入侵检测手段、病毒查杀手段、沙箱手段及补丁手段中的至少之一进行保护，得到第二保护结果，根据所述预设的评估标准判断所述第二保护结果是否成功；响应于所述第二保护结果为保护失败，利用联邦学习防御模型进行保护。本公开受人体免疫机制启发，实现了对未知恶意攻击的防御，对联邦计算网络进行安全保护，保障联邦学习的网络安全。
-
Patent Agency Ranking
公开(公告)号：CN115412202A
公开(公告)日：2022-11-29
申请号：CN202210917842.8
申请日：2022-08-01
IPC: H04L1/00 , H04N19/149 , H04N19/169 , H04B17/391 , G06N3/04 , G06N3/08 , G16H30/20 , G16H30/40
Abstract: 本发明公开了一种基于医学图像的语义通信方法及相关设备，所述基于医学图像的语义通信方法包括：基于深度学习获取医学图像中的医学知识；将所述医学图像和所述医学知识输入到编码器神经网络，以获得第一联合语义特征，所述第一联合语义特征包括图像特征和知识特征，所述第一联合语义特征经过信道传输后，输出为第二联合语义特征；基于解码器神经网络对所述第二联合语义特征进行解码，获得所述医学图像和所述医学知识。本发明中通过编码器神经网络独立编码医学图像和医学知识，最大限度保留医学图像中的医学知识，使得接收端能够接收并恢复携带准确医学知识的医学图像，进而提高语义通信过程中接收端接收到的医学图像的准确性。
-
公开(公告)号：CN115239838A
公开(公告)日：2022-10-25
申请号：CN202210943208.1
申请日：2022-08-08
IPC: G06T11/00 , G06N20/00 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种医学图像的生成方法、装置、设备及存储介质，该方法包括：将获取到的待检测数据输入到预先训练完成的目标生成对抗模型中的目标生成器中；通过目标生成器，基于待检测数据和目标生成器中的至少两个数据仿射变换参数，确定至少两个待检测特征；获取目标生成器中与各数据仿射变换参数分别对应的目标生成网络层，并针对每个目标生成网络层，将与目标生成网络层对应的待检测特征输入到目标生成网络层中；将目标生成器中的最后一个生成网络层输出的待检测医学图像作为虚拟医学图像。本发明实施例解决了现有的生成对抗模型中的生成网络层无法精确控制语义特征的问题，提高了虚拟医学图像的分辨率。
-
公开(公告)号：CN114463825A
公开(公告)日：2022-05-10
申请号：CN202210363355.1
申请日：2022-04-08
Applicant: 北京邮电大学
Abstract: 本公开提供一种基于多模态融合的人脸预测方法及相关设备。该方法包括：获取带有纹理的3D人脸信息数据，将其划分为点云坐标和纹理图像，并将点云坐标处理成几何特征向量、纹理图像处理成纹理特征向量；将所述几何特征向量与所述纹理特征向量进行平衡处理后两两拼接，得到多个无序词向量；将多个所述无序词向量分别输入到多个预先构建的Transformer融合模型进行融合，得到多个融合特征向量；将多个所述融合特征向量输入至经过预训练的多层感知机进行预测，输出与所述3D人脸信息数据对应的预测结果。本公开提供的一种基于多模态融合的人脸预测方法及相关设备，将点云的空间几何信息与贴图的纹理图像信息融合，有效提高了人脸预测的精度。
-
公开(公告)号：CN116364224A
公开(公告)日：2023-06-30
申请号：CN202310157916.7
申请日：2023-02-23
Applicant: 北京邮电大学
IPC: G16H15/00 , G16H30/40 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种结构化医疗影像报告生成方法及相关设备，包括：接收医疗影像信息，将所述医疗影像信息输入至解剖结构定位网络，得到第一影像信息，所述第一影像信息包括第一目标框；将所述医疗影像信息输入至疾病定位网络，得到第二影像信息，所述第二影像信息包括第二目标框；将所述第二影像信息输入至细粒度属性预测网络，输出至少一个标签信息，所述标签信息为对病灶类型进行描述的信息；根据所述第一目标框、所述第二目标框及所述至少一个标签信息构建知识图谱，依据所述知识图谱生成结构化医疗影像报告。本公开实现了人工智能技术与实际医疗情况的结合，辅助医疗数据管理，减小不同医院不同医生书写医疗影像报告的差异性。
-
公开(公告)号：CN116362323A
公开(公告)日：2023-06-30
申请号：CN202310157917.1
申请日：2023-02-23
Applicant: 北京邮电大学
IPC: G06N3/096 , G06N3/098 , G06N3/0464
Abstract: 本申请提供一种基于联邦学习的局部模型的构建方法、装置及相关设备，所述方法包括利用每个客户端对教师模型进行迭代训练，直至教师模型收敛为止；利用每个客户端对第二学生模型进行训练，得到收敛的第二学生模型，并将收敛的第二学生模型的参数发送至服务器端；利用服务器端对聚合模型进行参数替换，对参数替换后的聚合模型进行迭代训练，直至参数替换后的聚合模型收敛为止；利用服务器端对第一学生模型进行训练，得到收敛的第一学生模型，并发送至每个客户端；利用每个客户端对收敛的第一学生模型进行参数调整，将调整后的第一学生模型作为每个客户端的局部模型，解决了现有技术中在联邦学习过程中服务器端与客户端的通信开销过高的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.062 seconds)
