-
公开(公告)号：CN103297427A
公开(公告)日：2013-09-11
申请号：CN201310189079.2
申请日：2013-05-21
Applicant: 中国科学院信息工程研究所
IPC: H04L29/06
Abstract: 本发明涉及一种未知网络协议识别方法，包括：步骤1，以待识别的网络数据包为输入，并将每个网络数据包表征为可用于分类的特征向量；步骤2，以获得的特征向量为输入，形成特征向量数据集，利用面向支持向量机的主动学习方法对该特征向量数据集进行学习，获得针对待测网络协议的分类器；步骤3，利用得到的分类器，对待识别的网络数据包的协议属性做出判别。对应该方法，本发明还给出了一种未知网络协议识别系统，包括数据包建模模块、分类器构建模块和识别模块。本发明采用主动学习方法,可使用较少的已标记样本达到较优的学习效率，从而有效地降低了学习过程中标记的样本数目，能够从混杂的网络流量中准确识别所分析的网络协议。
-
公开(公告)号：CN119579733A
公开(公告)日：2025-03-07
申请号：CN202411423694.X
申请日：2024-10-12
Applicant: 中国科学院信息工程研究所
IPC: G06T11/60 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及计算机技术领域，具体为具有场景文字的图像生成方法。本发明通过获取文本描述；基于文本描述获得背景图像、待生成文字和文本区域；基于所述背景图像通过自适应本文块探索策略得到局部图像；通过所述待生成文字得到文字图像；基于所述局部图像和文字图像得到条件嵌入；基于所述文本区域建立图像指导；将所述条件嵌入和所述图像指导输入卷积神经网络得到解码图像；所述解码图像中文字生成由所述待生成文字和所述文本区域确定。解决了图像生成时小文字生成的问题并提高文字生成的准确率，使得图像生成时小文本渲染效果优良。
-
公开(公告)号：CN113887282B
公开(公告)日：2024-07-26
申请号：CN202111004566.8
申请日：2021-08-30
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种面向场景图像中任意形状邻近文本的检测系统及方法，属于图像文本检测领域，通过生成区域建议使得网络更加关注文本特征，同时提出一种一对多的训练策略，为每一个候选框匹配多个目标文本，用以缓解邻近文本时在选取回归目标混淆的问题，最终提升基于回归的两阶段模型检测场景图像中任意形状邻近文本的能力。
-
公开(公告)号：CN117237968A
公开(公告)日：2023-12-15
申请号：CN202311025547.2
申请日：2023-08-15
Applicant: 中国科学院信息工程研究所
IPC: G06V30/412 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0455
Abstract: 本发明提出了一种基于Transformer的逐行扫描的表格结构识别方法及系统，涉及表格图像识别领域。本发明设计一个全新的表格结构识别模型，由编码器模块、行解码器模块和单元格解码器模块组成，结合表格本身独有的特性，按照符合表格逻辑的二维形式进行解码；同时通过使用半自回归形式生成表格序列，从而在一定程度上缓解较长的表格序列所带来的严重的误差累计问题。
-
公开(公告)号：CN116051901A
公开(公告)日：2023-05-02
申请号：CN202310102438.X
申请日：2023-01-31
Applicant: 中国科学院信息工程研究所
IPC: G06V10/764 , G06V10/774 , G06V10/74
Abstract: 本发明公开了一种基于单目标重放的增量目标检测方法及装置，所述方法包括获取旧目标检测器、旧图像训练集中的旧类目标切片图像、新目标检测器、新图像训练集和待检测图像；将旧图像中的旧类目标切片图像和新图像合成，得到合成图像；使用新图像中的新类目标对旧类目标在旧目标检测器中的原始特征进行增广，得到增广特征；基于L1蒸馏损失、交叉熵分类损失、分类损失和回归损失对新目标检测器进行优化训练，以得到训练后的新目标检测器；将所述待检测图像送入训练后的新目标检测器，得到目标检测结果。本发明可以减少旧样本的存储空间，并达到与重放整张图像相当的性能。
-
Patent Agency Ranking
公开(公告)号：CN111091157B
公开(公告)日：2023-03-10
申请号：CN201911348018.X
申请日：2019-12-24
Applicant: 中国科学院信息工程研究所
IPC: G06V10/764 , G06V20/40
Abstract: 本发明提出一种基于完形填空任务的视频自监督学习方法，属于数字化视频自监督领域，通过切分视频段，对选取视频段进行空间或/和时间的变换操作，再放回原视频中提取特征，进行变换操作的分类识别，由此实现自监督学习，通过这种完形填空的方式，在不需要人工标注数据的同时，引导网络学习丰富的视频特征，同时基于完形填空的特性，可以针对不同的特征融合多个自监督任务，增加了泛化性。
-
公开(公告)号：CN113095319B
公开(公告)日：2022-11-15
申请号：CN202110235490.3
申请日：2021-03-03
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于全卷积角点修正网络的多向场景文字检测方法及装置，包括：依据图片的视觉特征，获取融合特征；根据融合特征，分别得到初始特征、初始分数与初始包围框偏移；将初始包围框偏移进行线性变换，得到角点感知卷积的采样网格，并依据该采样网格，对初始特征进行卷积，产生角点感知特征；依据角点感知特征，获取修正分数与修正包围框偏移；根据初始包围框偏移、修正包围框偏移及预定义参考点进行解码运算，获取修正包围框，从而得到多向场景文字检测结果。本发明利用多向场景文本的几何特性进行特征采样，通过角点感知的卷积模块，扩大了有效感受野且没有冗余信息引入，解决了密集长文本和高质量检测的问题，获取更优秀的性能。
-
公开(公告)号：CN113989582A
公开(公告)日：2022-01-28
申请号：CN202110988818.9
申请日：2021-08-26
Applicant: 中国科学院信息工程研究所
IPC: G06V10/774 , G06V10/764 , G06V10/762 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于密集语义对比的自监督视觉模型预训练方法，其步骤包括：1)对于样本图像xi，利用数据增强方法a、b分别对样本图像xi增强后进行特征提取和映射，得到样本图像xi中每一个像素点pi的特征，即像素级特征以及实例级特征2)基于和进行对比学习，得到实例判别损失Lins；基于和进行对比学习，得到像素判别损失Lpix；3)根据像素点pi对应的正样本集计算邻居判别损失Lnei；4)对像素级特征集合va、vb分别执行聚类，分别获得K个聚类集群；然后对每个集群进行对比学习，计算聚类对比损失LKM；5)根据损失函数L＝Lins+Lpix+Lsem对自监督视觉模型进行端到端的训练。
-
公开(公告)号：CN113963340A
公开(公告)日：2022-01-21
申请号：CN202111026162.9
申请日：2021-09-02
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于并行迭代模仿解码的场景文字识别系统及方法，涉及场景图像文本检测识别领域，综合了自回归和非自回归解码的优点，采用一种并行迭代的生成方式，针对不同长度的文本采用固定的迭代次数，并将“简单优先”策略引入到文字识别任务中，并引入一个额外的自回归解码器作为教师网络，使用自回归解码器FFN的输出作为额外的监督信号对并行解码器进行监督学习，并使用模仿学习来辅助并行解码器隐藏层的学习。本发明在多个公开的数据集上达到了最优的准确率，同时与自回归方法相比，速度上有明显的提升。
-
公开(公告)号：CN110503090B
公开(公告)日：2021-11-09
申请号：CN201910614874.9
申请日：2019-07-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于受限注意力模型的字符检测网络训练方法、字符检测方法和字符检测器。本发明设计了基于深度神经网络的字符检测器，在网络结构中加入注意力模型来对学习到的特征进行加权，充分利用了字符周围的上下文信息来辅助字符特征的学习，并设计了一个受限关系模型来对上下文信息进行编码，考虑了不同上下文信息对当前特征的影响。本发明使用受限的上下文信息来提升字符检测的结果，通过融入合适的上下文信息，可以在很大程度上提高字符检测器的性能，使其对于复杂环境(光照、遮挡、复杂纹理等)的变化产生较强的抵抗性，能够减少检测过程中的误报和漏报，同时能够提供初步的识别结果。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.081 seconds)
