-
公开(公告)号：CN116450935A
公开(公告)日：2023-07-18
申请号：CN202310322599.X
申请日：2023-03-29
Applicant: 东北大学 , 北京科创汇捷科技发展有限公司
IPC: G06F16/9535 , G06F16/951 , H04L67/51 , G06F40/30 , G06F16/35 , G06F18/22
Abstract: 本发明设计一种面向Web API调用的请求参数转换方法，涉及Web API智能匹配领域和Web API推荐领域；通过将请求参数划分为七种类型，并利用请求参数之间的依赖关系，只需要根据开发人员提供的请求数据和指定的返回数据，就可以向开发人员更加精准的推荐契合开发需求的新Web API，并能帮助开发人员解决用新Web API自动替换失效Web API时的请求参数转换问题，进而实现当一个Web API失效时，在不需要阅读新Web API的开发文档并提供指定的请求参数的情况下，就可以使用一个新的Web API自动替换掉失效的Web API，保证相同的系统效果的情况下，简化软件开发过程。
-
公开(公告)号：CN116405182A
公开(公告)日：2023-07-07
申请号：CN202310385902.0
申请日：2023-04-12
Applicant: 东北大学
Abstract: 本发明提供一种基于递归结构和分块思想的可逆信息隐藏方法，包括对需要嵌入文本信息的载体图像进行预处理，对预处理后的载体图像嵌入隐藏信息，提取载体图像中嵌入的隐藏信息，还原载体图像四个部分。该方法能够将自然图像处理成具备嵌入信息功能的加密图像，提供信息嵌入功能。而且信息提取和图像还原是可以分离的，嵌入信息的第三方可以在不还原图像的条件下进行隐藏信息的嵌入和信息提取，除此之外，该方法是完全可逆的方法，在对图像进行预处理后可以按照逆过程无失真地还原图像。
-
公开(公告)号：CN116346998A
公开(公告)日：2023-06-27
申请号：CN202310369727.6
申请日：2023-04-10
Applicant: 东北大学
IPC: H04N1/32 , H04N19/625 , H04L9/00 , H04N19/91 , H04N19/154 , H04L9/32
Abstract: 本发明提供一种基于混沌理论和直方图移位的JPEG可逆数据隐藏方法，首先根据JPEG图像使用混沌系统生成伪随机序列，然后通过熵解码JPEG图像获得量化后的离散余弦变换DCT系数，得到DCT系数块，用伪随机序列x置乱所有的DCT系数块进行数据嵌入，增强了数据嵌入的隐蔽性和安全性。本发明未修改量化块中的零AC系数，只对绝对值为1的AC系数展开以携带秘密信息，并且提出了一种新的系数块选择策略，即在信息嵌入过程中根据AC系数值为1的数量与其他非零AC系数的数量的比值R进行嵌入系数块的选择，很好地保存了图像的视觉质量和存储大小，具有较高的嵌入容量且嵌入容量仅取决于DCT系数块中绝对值为1的AC系数数量。
-
公开(公告)号：CN116188325A
公开(公告)日：2023-05-30
申请号：CN202310341880.8
申请日：2023-03-31
Applicant: 东北大学
IPC: G06T5/00 , G06T7/90 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习和图像颜色空间特性的图像去噪方法，涉及图像处理技术领域。本发明考虑到图像的成像原理，利用噪声对于不同颜色通道的影响，对图像进行初步的处理，以增强更多图像信息，帮助网络进行训练。最终算法可以对包含真实噪声的图像和人工合成噪声的图像进行去噪，同时保留了图像的细节信息。由此，本发明设计的网络可以训练出更具有普适性的去噪图像结果，提高了图像去噪的简便性和准确性，具有现实应用价值。
-
公开(公告)号：CN116128733A
公开(公告)日：2023-05-16
申请号：CN202310333432.3
申请日：2023-03-31
Applicant: 东北大学
IPC: G06T3/40 , G06T7/13 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于矢量图与深度学习的超分辨率方法，涉及计算机视觉技术领域。本发明通过将低分辨率图像矢量化并放大位图化之后，预估了高分辨率图像边缘的位置，为深度学习模型提供了其难以预测的边缘信息，帮助模型更好地估计边缘的位置以提升模型性能。同时添加更多的信息为模型假设空间提供了更过的限制，帮助模型更快地向局部最低点移动，以更快收敛。通过这样的模型设计，本发明可以很好地提取低分辨率图像的边缘信息，并将这些信息用于还原高分辨率图像，提高了图像的分辨率，完善了图像的高频信息，使得图像获得更好地观感，以便其他相关任务的使用。
-
Patent Agency Ranking
公开(公告)号：CN114863199A
公开(公告)日：2022-08-05
申请号：CN202210276223.5
申请日：2022-03-21
Applicant: 东北大学
IPC: G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明提供一种基于优化锚框机制的目标检测方法，涉及目标检测技术领域。该方法通过目标检测模型的骨架和颈部获得待检测实例图像对应的金字塔层级数量的特征图；再根据金字塔层级数量的特征图设计锚框参数，生成锚框；同时将特征图通过特征适应模块，得到新特征图；将新特征图和锚框输入至目标检测模型的头部进行训练；选出各个特征图的锚框的各种损失的平均值之和最小的那个特征图对目标检测模型进行训练；最后使用训练好的目标检测模型对待检测图像进行目标检测。该方法在前向运算中为目标检测模型设计锚框参数，减少了人工调整锚框超参数的成本。根据每一次前向训练的各损失均值之和进行特征图的选取和训练，从而达到训练上的最优化。
-
公开(公告)号：CN114741556A
公开(公告)日：2022-07-12
申请号：CN202210196211.1
申请日：2022-03-01
Applicant: 东北大学
IPC: G06F16/75 , G06F16/78 , G06F16/783 , G06V10/762 , G06V10/764 , G06V10/80 , G06K9/62 , G06V20/40
Abstract: 本发明提供一种基于场景片段和多模态特征增强的短视频分类方法，涉及短视频分类技术领域；抓取短视频平台的短视频及其附加信息，对短视频数据进行标注以构建一个短视频数据集；将视频按照场景分割成多个场景片段，并提取出每个场景片段中的多模态信息，包括关键帧、音频和字幕；利用预训练的深度学习模型提取出各个模态特征；动态选择出短视频多个场景片段的同一类型模态中的信息密集型特征和信息稀疏型特征，并利用前者来增强后者语义，通过与原始特征连接获得视频粒度上增强后的模态特征；将视觉模态作为主导模态，其他模态作为辅助模态，将辅助模态中的特有性特征与主导模态连接，得到短视频分类结果。
-
公开(公告)号：CN108984416B
公开(公告)日：2022-04-08
申请号：CN201810891476.7
申请日：2018-08-07
Applicant: 东北大学
IPC: G06F11/36
Abstract: 本发明提出一种评估Maven环境中依赖冲突危险级别的方法，流程包括：步骤1：获取到当前项目中使用的所有第三方依赖，包括直接依赖和间接依赖；步骤2：对当前项目所有直接依赖和间接依赖进行遍历，识别当前项目中出现的所有依赖冲突；步骤3：针对当前项目中的每个依赖冲突进行NoClass危险级别的评估：步骤4：针对项目中的每个依赖冲突进行NoMethod危险级别的评估：步骤5：对评估结果进行封装，向开发者展现评估结果。本发明不仅可以检测到项目中存在的依赖冲突，而且对依赖冲突的危险等级进行了有效的评估，帮助开发者更清晰地了解项目中存在的依赖冲突的危险性，优先处理高等级的依赖冲突，可以在有限的时间内最大程度的降低软件在运行时的出现xx‑not‑found‑bug的风险。
-
公开(公告)号：CN113256555A
公开(公告)日：2021-08-13
申请号：CN202110325535.6
申请日：2021-03-26
Applicant: 东北大学
Abstract: 本发明公开一种基于机器学习的外观异常GUI控件检测方法，流程包括：获取所要检测的所有图标控件的图标和与其对应的API调用，并记录它们之间的对应关系；对获取到的数据集进行数据清洗和数据转换；对API数据集提取层次上和语义上的融合特征进行向量化；使用融合后的特征对API进行聚类；对图标数据依次提取图像特征；根据聚类得到的簇以及图标与API的对应关系，为每个图标标记其所属的簇；使用基于图像异常分数和API异常分数的异常检测算法对簇内所有图标进行异常检测。本发明的方法可自动地处理收集到的GUI控件数据，帮助开发者减少外观异常的GUI控件的产生，提升广大的具有GUI控件的图形界面应用用户的使用体验。
-
公开(公告)号：CN112631607A
公开(公告)日：2021-04-09
申请号：CN202011640702.8
申请日：2020-12-31
Applicant: 东北大学
Abstract: 本发明提供一种检测python环境中依赖冲突的方法，包括：步骤1：构建元数据存储库：获取PYPI所有开源项目名称，判断是否为新增项目；获取全部项目更新版本；获取全部项目更新版本的直接依赖关系；建立全局依赖网络，为每个项目形成依赖关系树。步骤2：分析项目更新引起的依赖问题：获取基础检测数据；查找被分析项目实际安装依赖项；建立被分析项目的完全依赖树及具体安装版本；检测依赖冲突问题；若未发现依赖冲突问题，执行预测问题分析；针对已发生的依赖冲突问题，向开发者推送解决方案。本发明可以持续监控PYPI生态系统的更新，对已发生依赖冲突的检测和可能发生依赖冲突的预测。通过本发明给出的修复意见，能够提供最佳解决方案。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.098 seconds)
