-
公开(公告)号：CN114266996B
公开(公告)日：2025-03-28
申请号：CN202111543179.1
申请日：2021-12-16
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06V10/764 , G06V10/84
Abstract: 本发明提出了一种基于Transformer的单目标跟踪方法，其步骤为：从视频的第一帧裁剪出目标区域，使用预训练的ResNet50网络进行特征提取；使用基于Transformer的特征融合方法将目标特征进行特征融合，输入回归模型生成器生成回归模型，将目标特征输入分类模型生成器生成分类模型；将搜索区域的提取特征使用基于Transformer的特征融合方法进行融合输入回归模型得到回归结果；将搜索区域的特征使用Transformer结合训练集进行特征增强输入分类模型得到分类结果；根据分类结果和回归结果对目标生成精确的包围框，进行目标跟踪。本发明将Transformer集成到跟踪框架中，在跟踪过程中充分利用了时间上下文和空间上下文提升了跟踪的精度。
-
公开(公告)号：CN118735959A
公开(公告)日：2024-10-01
申请号：CN202410859580.3
申请日：2024-06-28
Applicant: 郑州轻工业大学
IPC: G06T7/246 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/74 , G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/22
Abstract: 本发明提出了一种基于目标感知增强‑孪生记忆网络的单目标跟踪方法，包括以下步骤：S0：搭建跟踪器模型，包括骨干网络、目标感知模块、交叉注意力模块和预测头；S1：分别对记忆分支和和搜索分支进行特征提取，获取记忆分支特征图和搜索分支特征图；S2：目标感知模块将搜索分支特征图划分成多个划分区域，分别计算每个划分区域的特征向量，进行粗粒度区域级稀疏计算，进行细粒度自注意力计算，得到目标感知增强后的搜索分支特征；S3：将目标感知增强后的搜索分支特征与记忆分支串联特征图中的特征进行特征融合，得到融合后的特征图；S4：预测头根据融合后的特征图预测目标位置。本发明在搜索分支引入了基于动态双级稀疏注意力机制的目标感知模块，使网络集中注意力于目标周围的重要区域，提高跟踪器在面对目标被遮挡场景时的鲁棒性，从而能够准确预测目标的位置和状态。
-
公开(公告)号：CN114760146B
公开(公告)日：2024-03-29
申请号：CN202210481964.7
申请日：2022-05-05
Applicant: 郑州轻工业大学
IPC: H04L9/40 , G06F21/62 , G06F16/9535
Abstract: 本发明提出了一种基于用户画像的可定制位置隐私保护方法及系统，所述方法的步骤为：首先，构建去中心化通信网络，获得用户移动轨迹中的停留点位置，并利用去中心化通信网络向位置服务器查询位置的语义信息；其次，从用户基本属性和心理特性两方面进行用户画像，并通过用户特征量化用户隐私需求；最后，根据用户隐私需求，位置服务器对用户进行隐私强度推荐，本地端根据用户本地实时情景信息进行个性化动态调整。本发明可以实现对用户位置数据的定制化动态保护，解决了实际位置社交网络环境下，无法有效解决用户敏感位置信息的泄露问题，提升了用户的个性化体验。
-
公开(公告)号：CN116402849A
公开(公告)日：2023-07-07
申请号：CN202310197848.7
申请日：2023-03-03
IPC: G06T7/246 , G06N3/08 , G06V10/40 , G06N3/0464
Abstract: 本发明提出了一种基于多模态单流记忆网络的单目标跟踪方法，步骤为：将描述目标的文本输入语言模型提取描述感兴趣目标的语言特征；提取记忆器中的目标样本得到记忆特征，将语言特征、记忆特征和搜索区域特征输入多模态注意力网络生成多模态综合特征；使用预测头对多模态综合特征中的搜索区域特征进行解析得到跟踪结果；使用基于语言的跟踪结果对跟踪结果进行评估，将满足要求的跟踪结果存入记忆器。本发明基于自注意力机制同时利用视觉信息和文本信息可以获得更加完善的跟踪模型，从而提高对于目标变化的适应能力。本发明结合了多模态学习和单流网络结构的优势，利用文本信息的稳定性来弥补视觉信息的脆弱性，从而提升了跟踪的精度。
-
公开(公告)号：CN114266996A
公开(公告)日：2022-04-01
申请号：CN202111543179.1
申请日：2021-12-16
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06K9/62 , G06V10/764 , G06V10/84
Abstract: 本发明提出了一种基于Transformer的单目标跟踪方法，其步骤为：从视频的第一帧裁剪出目标区域，使用预训练的ResNet50网络进行特征提取；使用基于Transformer的特征融合方法将目标特征进行特征融合，输入回归模型生成器生成回归模型，将目标特征输入分类模型生成器生成分类模型；将搜索区域的提取特征使用基于Transformer的特征融合方法进行融合输入回归模型得到回归结果；将搜索区域的特征使用Transformer结合训练集进行特征增强输入分类模型得到分类结果；根据分类结果和回归结果对目标生成精确的包围框，进行目标跟踪。本发明将Transformer集成到跟踪框架中，在跟踪过程中充分利用了时间上下文和空间上下文提升了跟踪的精度。
-
Patent Agency Ranking
公开(公告)号：CN113489732A
公开(公告)日：2021-10-08
申请号：CN202110788443.1
申请日：2021-07-13
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种抵御串谋攻击的内容共享隐私保护方法，用以解决现有的内容共享隐私保护方法很少考虑防范串谋等网络攻击，无法抵抗串谋攻击的问题。本发明的步骤为：产生追责列表和自己的公私钥对；出版者制定LSSS访问策略，对内容进行加密生成密文；消费者请求内容，执行密钥生成算法产生私钥并在追责列表中进行审计和追责；密文云服务器对消费者身份进行验证后从云服务路由节点下载密文；属性授权中心审计泄露的私钥和追责列表，更新追责列表并删除秘密值；属性授权中心计算并更新密钥，消费者、出版者更新密文。本发明能够提升路由节点的缓存命中率，具有较低的缓存隐私风险和内容请求时延，减少了CCN能源消耗。
-
公开(公告)号：CN112910629A
公开(公告)日：2021-06-04
申请号：CN202110143470.3
申请日：2021-02-02
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种无线体域网下的病人与医生的匿名身份认证方法，其步骤为：注册中心对无线体域网进行初始化：无线体域网的医生和病人进行注册：医生与注册中心进行通信，注册中心为医生生成数字执照并预置到智能卡；注册中心向病人的手持终端中写入主密钥和公钥；医生登录无线体域网生成查询信息，利用智能卡生成消息发送给病人，病人利用双线性映射验证医生的合法性后发送给医生；病人生成消息并发送给医生，医生收到后通过双线性映射验证病人的合法性后接收生理数据。本发明保证了WBAN环境下医生和病人通过匿名的方式完成身份认证，保护病人和医生的身份隐私，实现了数据的有效传递；引入了医生身份的追溯，能够追溯到医生的真实身份。
-
公开(公告)号：CN112491621A
公开(公告)日：2021-03-12
申请号：CN202011371204.8
申请日：2020-11-30
Applicant: 郑州轻工业大学
Abstract: 本发明提供了一种网络安全评估方法及系统，其中，网络安全评估方法包括：检测是否获取到进行网络安全评估的触发事件；在确定获取到所述触发事件时，获取网络的测评参数信息，其中所述测评参数信息包括网络的属性信息、历史传载数据以及历史安全告警信息；根据所述测评参数信息测评所述网络的安全等级。通过本发明的技术方案，能够对网络安全进行有效测评，提高使用过程中的安全性。
-
公开(公告)号：CN120050096A
公开(公告)日：2025-05-27
申请号：CN202510200525.8
申请日：2025-02-24
Applicant: 郑州轻工业大学
IPC: H04L9/40 , H04L43/02 , H04L43/04 , G06F18/15 , G06F18/214 , G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明提出了一种基于扩散模型的工业互联网入侵检测方法，步骤为：对原始工业互联网流量数据进行清洗和标准化；以标准化后的工业互联网流量数据为输入，对少数类样本采用多层扩散模型生成合成样本，并对合成样本依次进行反标准化与格式调整处理以及数据平衡采样，获取平衡样本数据；对平衡样本进行特征提取和降维；通过多头注意力机制对局部时序特征进行处理，获取加权关键特征的全局依赖特征；以加权关键特征的全局依赖特征为输入，通过多层双向SRU模块提取包含长期时间依赖特征的多维时序特征；根据多维时序特征进行入侵检测的分类。本发明在面对高维、时序性强的网络流量数据以及数据类别不平衡时，能够高效、精准的进行攻击识别。
-
公开(公告)号：CN119597966A
公开(公告)日：2025-03-11
申请号：CN202411634000.7
申请日：2024-11-15
Applicant: 郑州轻工业大学
IPC: G06F16/735 , G06F16/738 , G06N3/0464 , G06N3/08 , G06N3/045
Abstract: 本发明提出了一种基于序列推荐SeqTransRepeatNet的视频推荐方法，包括以下步骤：S1：获取数据集，对数据集进行预处理，划分预处理后的数据集为训练集、验证集和测试集；S2：构建SeqTransRepeatNet模型，包括依次连接的嵌入模块、多层交叉注意力编码器模块和重复探索推荐模块；S3：利用训练集和验证集对构建的SeqTransRepeatNet模型进行训练，得到最终训练好的SeqTransRepeatNet模型；S4：利用测试集对最终训练好的SeqTransRepeatNet模型进行测试评估并获取最终的推荐列表。本发明方法推荐误差小，泛化能力强，能够准确对用户的下一个观看视频进行推荐。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.02 seconds)
