-
公开(公告)号：CN119232941A
公开(公告)日：2024-12-31
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN119149508A
公开(公告)日：2024-12-17
申请号：CN202411667232.2
申请日：2024-11-21
Applicant: 华侨大学
IPC: G06F16/176 , G06F40/295 , G06N5/04 , G06F16/36 , G06F21/10
Abstract: 本发明涉及数据处理领域，公开了一种基于区块链与知识图谱的知识共享方法及系统，方法包括以下步骤：智能合约对新增的知识图谱进行领域划分并整合到对应领域的知识图谱中，在收到智能合约的推理请求时通过预言机请求独立于区块链之外的外部推理服务；外部推理服务接收预言机请求，采用大语言模型推理并完善该领域的知识图谱，并将推理结果回传到智能合约；所述外部推理通过prompt模板挖掘知识图谱中的潜在规则，通过评分机制筛选出最终的逻辑规则，应用于知识图谱的推理；智能合约接收推理结果并更新区块链上该领域的知识图谱。本发明提高了知识图谱的应用价值，增加了数据安全，能够适应不同行业和领域的知识共享需求。
-
公开(公告)号：CN117439998A
公开(公告)日：2024-01-23
申请号：CN202210816115.2
申请日：2022-07-12
Applicant: 华侨大学
IPC: H04L67/1042 , H04L67/1095 , H04L9/40
Abstract: 本发明公开一种面向物联网的联盟链共识协议优化方法，针对物联网终端设备计算和存储能力弱的问题，让物联网网关等计算能力较强的边缘设备接入网络，利用信用积分机制证明节点的可靠性，并依据节点信任度划分节点类型，实现节点的动态调节；然后为了解决传统视图轮换协议的可靠性问题，引入了基于信用权重的主节点选举制度，保证主节点的可靠性；接着在原实用拜占庭容错(PBFT)的共识流程基础上，提出一种基于信用证明机制的改进拜占庭容错共识算法(CEBFT)，通过删除确认阶段节省通信开销，同时引入数据验证与同步流程，保证发生视图变更后各节点仍能保持一致性。本发明提高了面向物联网应用的联盟链系统性能。
-
公开(公告)号：CN117294894A
公开(公告)日：2023-12-26
申请号：CN202311150398.2
申请日：2023-09-07
Applicant: 华侨大学
Abstract: 本发明提供一种视频目标编辑方法、终端设备及存储介质，方法包括：获取视频信息、目标编辑操作、目标编号和视频目标参数；使用视频实例分割算法对视频中的帧图像进行目标分割，得到目标的像素级信息；输出对应操作和编号的相应图片列表，根据目标编辑操作，输出原帧列表、目标二值掩码列表、平移目标帧列表、平移目标二值掩码列表、缩放目标帧列表或缩放目标二值掩码列表；使用视频图像修复算法对视频画面进行修复，根据目标编辑操作，输出删除修复视频、平移修复视频列表或缩放修复视频。本发明能够更方便、高效及精确地实现视频目标编辑。
-
公开(公告)号：CN119149508B
公开(公告)日：2025-02-21
申请号：CN202411667232.2
申请日：2024-11-21
Applicant: 华侨大学
IPC: G06F16/176 , G06F40/295 , G06N5/04 , G06F16/36 , G06F21/10
Abstract: 本发明涉及数据处理领域，公开了一种基于区块链与知识图谱的知识共享方法及系统，方法包括以下步骤：智能合约对新增的知识图谱进行领域划分并整合到对应领域的知识图谱中，在收到智能合约的推理请求时通过预言机请求独立于区块链之外的外部推理服务；外部推理服务接收预言机请求，采用大语言模型推理并完善该领域的知识图谱，并将推理结果回传到智能合约；所述外部推理通过prompt模板挖掘知识图谱中的潜在规则，通过评分机制筛选出最终的逻辑规则，应用于知识图谱的推理；智能合约接收推理结果并更新区块链上该领域的知识图谱。本发明提高了知识图谱的应用价值，增加了数据安全，能够适应不同行业和领域的知识共享需求。
-
Patent Agency Ranking
公开(公告)号：CN119312813A
公开(公告)日：2025-01-14
申请号：CN202411837843.7
申请日：2024-12-13
Applicant: 华侨大学
IPC: G06F40/30 , G06F40/216 , G06F40/289 , G06N3/045 , G06F16/35 , G06F18/2411 , G06F18/25
Abstract: 本发明涉及自然语言处理技术领域，公开了基于多模态特征融合与SVM分类的情感分析方法及系统，方法包括：构建数据预处理模块、特征提取模块和分类模块；数据预处理模块对待测文本进行预处理，获得符合输入需求的模型输入数据；特征提取模块采用多种方法对模型输入数据进行特征提取及融合，获得多模态融合特征；使用多模态融合特征训练支持向量机模型进行情感分类任务得到分类模块；基于数据预处理模块、特征提取模块和分类模块构建情感分析模型，实现对待测文本的情感分析。本发明融合多种特征提取方法，实现对文本情感的全方位表征；采用SVM作为分类器，有效提升情感分析的分类精度，在处理大规模、多类别数据时表现优异。
-
公开(公告)号：CN117459238A
公开(公告)日：2024-01-26
申请号：CN202311407415.6
申请日：2023-10-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于智能合约安全审计的共识方法、装置及可读介质，该方法包括：获取区块链网络中任务发布者发布的审计任务及其任务要求信息，获取服务提供商部署的深度学习模型并进行评估，确定能够作为审计工作者的深度学习模型，选择满足任务要求信息的审计工作者接收审计任务并提取审计任务中的智能合约进行审计，生成对应的审计报告成为共识候选节点并筛选出共识候选小组；通过共识候选小组中的共识候选节点执行一致性协议流程，完成一次共识活动后执行智能合约；智能合约根据每个节点在共识活动的表现情况以及任务发布者对审计工作者提供的审计报告的评分更新每个共识候选节点的信誉值并进行奖惩，提高智能合约的审计效率和质量。
-
公开(公告)号：CN117014610B
公开(公告)日：2023-12-29
申请号：CN202311280429.6
申请日：2023-10-07
Applicant: 华侨大学
IPC: H04N19/119 , H04N19/103 , H04N19/96
Abstract: 本发明公开了一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置，涉及视频编码领域，该方法包括：获取屏幕内容视频，将128×128大小的CTU直接划分为64×64大小的CU；构建多任务学习网络模型，多任务学习网络模型包括主干网络、第一子网络和第二子网络，主干网络用于提取CU特征，将CU特征输入第一子网络和第二子网络，得到CU划分类型和编码模式，可结合编码模式及其预测概率和临近CU的划分类型综合确定预测结果；将64×64大小的CU输入经训练的多任务学习网络模型，得到第一预测结果；若第一预测结果为划分，则进一步划分为4个32×32大小的CU，并输入经训练的多任
-
公开(公告)号：CN117118730A
公开(公告)日：2023-11-24
申请号：CN202311185094.X
申请日：2023-09-14
Applicant: 华侨大学
Abstract: 本发明提供一种具有抗伪装攻击的代理重加密数据共享方法及系统，涉及代理重加密技术领域，包括：设置多个代理节点作为代理重加密过程中的备选节点，其中每次代理重加密将随机选取其中一代理节点作为本次的重加密节点，而其余节点则负责传输重加密过程的其余信息。本发明的数据拥有者将所生成重加密秘钥进行拆分，仅将重加密过程所需的部分重加密密钥发送给加密代理节点，而其余部分重加密密钥则交由其余代理节点进行传输，能够在攻击者通过伪装使拥有者相信其身份信息的情况下，让攻击者也仅能获得部分重加密秘钥，无法解密获得明文数据，从而保证了共享过程中的数据安全。
-
公开(公告)号：CN117014610A
公开(公告)日：2023-11-07
申请号：CN202311280429.6
申请日：2023-10-07
Applicant: 华侨大学
IPC: H04N19/119 , H04N19/103 , H04N19/96
Abstract: 本发明公开了一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置，涉及视频编码领域，该方法包括：获取屏幕内容视频，将128×128大小的CTU直接划分为64×64大小的CU；构建多任务学习网络模型，多任务学习网络模型包括主干网络、第一子网络和第二子网络，主干网络用于提取CU特征，将CU特征输入第一子网络和第二子网络，得到CU划分类型和编码模式，可结合编码模式及其预测概率和临近CU的划分类型综合确定预测结果；将64×64大小的CU输入经训练的多任务学习网络模型，得到第一预测结果；若第一预测结果为划分，则进一步划分为4个32×32大小的CU，并输入经训练的多任务学习网络模型，得到第二预测结果，解决H.266VVC屏幕内容帧内编码复杂度高的问题。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.018 seconds)
