-
公开(公告)号：CN119251139A
公开(公告)日：2025-01-03
申请号：CN202411114986.5
申请日：2024-08-14
Applicant: 湖南大学
Abstract: 本申请涉及一种中晚孕期胎儿超声小脑标准切面图像并行识别与测量方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取中晚孕期胎儿超声图像、以及小脑标准切面识别的深度学习模型，深度学习模型基于多节点并行技术加速训练得到；将中晚孕期胎儿超声图像输入至深度学习模型中，以识别小脑切面中各个结构的检测框以及对应的置信度；基于检测框以及对应的置信度对识别出的小脑切面中各个结构进行筛选，得到小脑切面中结构识别结果；根据小脑切面中结构识别结果，确定小脑中线；根据小脑中线，测量小脑横径。整个方案可以实现高效、且准确的中晚孕期胎儿超声小脑标准切面图像并行识别与测量。
-
公开(公告)号：CN118133172A
公开(公告)日：2024-06-04
申请号：CN202410078179.6
申请日：2024-01-19
Applicant: 湖南大学
IPC: G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06F40/30 , G06V20/40 , G06V40/16 , G10L25/63
Abstract: 本发明公开了一种基于多视角交互表征的多模态情感分类方法，其特征在于，包括：获取待分析的多模态数据，包括多个文本、多个音频和多个视频，对待分析的多模态数据进行预处理，以得到预处理后的多模态数据，对预处理的多模态数据进行数据格式规范化处理，以得到每个文本的id列表和掩码模板，以及每个音频的规范化数据和每个视频的规范化数据，将文本的id列表和掩码模板、以及音频和视频的规范化数据输入预先训练好的基于多视角交互表征的多模态情感分类模型中，以得到多模态数据对应的情感标签。本发明能够解决现有基于深度学习的多模态情感分类方法由于忽略了模态在不同交互状态下的多视角情感线索，而导致重要的情感信息无法被捕捉的技术问题；以及由于对跨模态间的情感信息交互不够充分，导致多模态情感分类任务精度不高的技术问题。
-
公开(公告)号：CN116245066A
公开(公告)日：2023-06-09
申请号：CN202310024383.5
申请日：2023-01-09
Applicant: 湖南大学
IPC: G06F30/392 , G06F30/394 , G06T17/00
Abstract: 本申请涉及一种3D场景中的芯片划分放置模拟方法、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：对要放置的网表以及网表中的标准化单元的参数进行预处理，得到以标准化单元为节点，以标准化单元间的连接线为超边的超图；基于超图的节点权重，对超图中的节点进行节点分级收缩和划分，得到初始的划分结果；根据初始划分结果对超图中的收缩后节点进行节点撤销，并在撤销过程中，通过针对于3D放置场景所设计的增益函数，对在进行节点撤销时的标准化单元进行调优，得到最终的划分网表；将划分网表输入到放置模型中，得到3D放置模拟结果。该方法，提升了放置模拟结果的放置效果。
-
公开(公告)号：CN112306696B
公开(公告)日：2023-05-26
申请号：CN202011345926.6
申请日：2020-11-26
Applicant: 湖南大学
IPC: G06F9/50
Abstract: 本发明公开了一种节能高效的边缘计算任务卸载方法，包括：获取用户任务数据信息，以及覆盖该用户的边缘服务器集合以及该边缘服务器集合中每台边缘服务器的处理速度；计算该边缘服务器集合中每台边缘服务器对用户的当前可用处理速度；针对该边缘服务器集合中的每台边缘服务器，计算其对用户的成本因子，并按成本因子从小到大对边缘服务器集合中的边缘服务器进行排序；根据排序后的边缘服务器序列，首先确定边界边缘服务器，对于排列在边界边缘服务器之前的所有边缘服务器，从第一台边缘服务器开始依次确定卸载至每台边缘服务器的任务量以及任务的频率选择因子。采用本方法确定的任务卸载策略，能够满足用户体验质量的同时使边缘服务器节省能耗。
-
公开(公告)号：CN115510488A
公开(公告)日：2022-12-23
申请号：CN202211207841.0
申请日：2022-09-30
Applicant: 湖南大学
IPC: G06F21/62 , G06V30/148 , G06V30/19 , G06V10/82 , G06T11/60
Abstract: 本申请涉及一种医学图像敏感信息处理方法、装置、计算机设备、存储介质和计算机程序产品。该方法获取待处理的医学图像；对医学图像进行文字检测，得到文字区域图像；基于条件生成对抗网络，根据文字区域图像相邻区域图像的像素填充文字区域图像，得到脱敏图像；将文字区域图像中的文字进行加密、并嵌入脱敏图像中，得到目标图像。整个方案首先获取医学图像的文字区域，基于条件生成对抗网络，填充医学图像的文字区域，去除文字后的图像更加真实合理，能够保留更多的原始图像特征，再将文字进行加密并嵌入脱敏图像中，合法用户可以根据需求查看包含文字的目标图像，在保证医学图像中文字信息的安全的同时，还可以合法获取医学图像中包含的信息。
-
Patent Agency Ranking
公开(公告)号：CN113449153A
公开(公告)日：2021-09-28
申请号：CN202110720858.5
申请日：2021-06-28
Applicant: 湖南大学
IPC: G06F16/901
Abstract: 本申请涉及一种索引构建方法、装置、计算机设备和存储介质。所述方法包括：获取DAG图和DAG图的分区结果，将DAG图按照分区结果存储至预设分布式图计算系统，得到各DAG分区的图数据结构，对各DAG分区中的顶点进行排序，并行构建各DAG分区的内部点的2‑hop索引和边界点的2‑hop索引，重构各DAG分区的边界点的之间路径，根据各DAG分区的图数据结构和各DAG分区的边界点之间的路径，构建边界图，再基于边界图重构边界点的2‑hop索引，并将重构后的边界点的2‑hop索引划分至各边界点所在的DAG分区。采用本方法构建的索引进行分布式批量可达性查询，能够提高查询效率。
-
公开(公告)号：CN110289861B
公开(公告)日：2021-09-07
申请号：CN201910417842.X
申请日：2019-05-20
Applicant: 湖南大学
IPC: H03M7/30
Abstract: 本发明提供一种半精度压缩感知采样方法，包括如下步骤：对视频图像中的对象进行检测，确定对象在视频图像中的坐标位置；将视频图像的RGB三个通道划分为33×33的子图像块，并将子图像块转换为1089×1的矩阵；对子图像块按照矩阵方式进行编号和标识；使用随机高斯矩阵产生每个子图像块所对应的半精度测量矩阵；利用半精度测量矩阵运算得到不同压缩感知测量率的半精度测量值；将半精度测量值输入压缩感知重构模型进行重构，将重构后的子图像块拼接得到压缩感知重构图像；将压缩感知重构图像以左上角为起始点进行裁剪后得到实际重构图像；将RGB三个通道中的实际重构图像进行融合，得到半精度压缩感知重构图像。本发明的半精度压缩感知采样方法采样数据量小。
-
公开(公告)号：CN111046673B
公开(公告)日：2021-09-03
申请号：CN201911296950.2
申请日：2019-12-17
Applicant: 湖南大学
Abstract: 本发明公开了一种用于防御文本恶意样本的对抗生成网络及其训练方法，利用对抗生成网络框架中的生成模型(Generator)和判别模型(Discriminator)进行恶意样本的防御与生成。生成器部分由自编码器(Auto‑encoder)构成，将离散的文本数据映射到连续的高维隐藏空间中，由此生成器可以利用隐藏向量生成恶意文本。判别器即判别模型，用于识别数据。生成模型生成的恶意文本将被打上真实标签与真实样本同时输入判别模型中，来进行判别模型的训练。加入恶意样本训练的判别模型能够对文本数据准确高效的识别。生成模型利用判别模型对恶意样本的评估分数以及文本数据与恶意样本的差别进行训练，来生成攻击力更强的恶意样本。由于训练过程中恶意样本的加入和对抗性的网络训练过程，网络识别文本数据能力和抗干扰性、防御能力都大幅提升。
-
公开(公告)号：CN113065298A
公开(公告)日：2021-07-02
申请号：CN202110320249.0
申请日：2021-03-25
Applicant: 湖南大学
IPC: G06F30/31 , G06F30/392
Abstract: 本发明公开了一种用于将超大规模网表转换成DAG图的方法，包括：获取网表，从该网表中提取电路单元及其连线信息，以生成一个图，其以一个入边邻接表和一个出边邻接表存储起来，对图进行预处理，以得到预处理后的图，检测预处理后的图中的所有强连通分量，并识别根据所有强连通分量识别多个环，提取每个环中的节点序号、以及该环中每个节点所连接的边在入边邻接表和出边邻接表中的序号，根据每个环中节点和边在入边邻接表中的序号，对该环中符合预定条件的入边进行切割，以得到多个单向连通的子图，使用虚节点将多个单向连通图关联起来，从而得到目标DAG图。本发明能够克服现有然而现有对电路单元进行设计与分析的方法存在的适用性差的技术问题。
-
公开(公告)号：CN113037553A
公开(公告)日：2021-06-25
申请号：CN202110265232.X
申请日：2021-03-11
Applicant: 湖南大学 , 湖南匡安网络技术有限公司
Abstract: 本发明公开了一种基于IA‑SVM的IEC102协议通讯行为异常检测方法，包括：从工业控制网络获取包含多个IEC102协议通讯数据包的连接，并对每个IEC102协议通讯数据包进行解析，以获取该IEC102协议通讯数据包对应的功能码，将该连接中所有通讯数据包所对应的功能码按时间先后顺序进行排列，从而构成该连接对应的功能码序列，将得到的功能码序列输入训练好的IA‑SVM通讯行为异常检测模型中，以得到该连接的通讯行为检测结果。本发明由于采用了IEC102协议通讯数据包控制域字段中的功能码作为研究对象，并结合免疫算法和支持向量机模型，因此能够解决现有通讯行为异常检测方法存在的异常检测率低和无法对工业控制网络中的IEC102协议异常通讯行为进行检测的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
194
records
(took 0.027 seconds)
