-
公开(公告)号：CN115713669B
公开(公告)日：2023-12-05
申请号：CN202211373788.1
申请日：2022-11-04
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于类间关系的图像分类方法、装置、存储介质及终端，方法包括：获取待识别目标图像；将待识别目标图像输入预先训练的图像分类模型中；预先训练的图像分类模型是根据已知图像类别样本和未知图像类别样本训练生成的，已知图像类别样本和未知图像类别样本是根据目标域图像特征对目标域图像数据进行类间关系分离处理生成的；输出待识别目标图像对应的多个类别概率值，根据多个类别概率值确定待识别目标图像的最终类别。由于本申请充分利用了类间关系，能够有效的将未知类别图像从目标域图像数据中分离出来，解决了负向迁移问题，使域自适应技术在开集条件下也能工作，使得未知类别样本特征更具判别力，能高效地识别未知类别的图片。
-
公开(公告)号：CN117097858A
公开(公告)日：2023-11-21
申请号：CN202310849742.0
申请日：2023-07-12
Applicant: 北京工业大学
IPC: H04N7/01 , G06V20/40 , G06V10/62 , G06V10/52 , G06V10/80 , G06V10/82 , G06T7/269 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/048 , G06N3/09 , G06N3/0985
Abstract: 本发明公开了一种基于边缘增强的多模态高帧率插帧方法，包括：高帧率视频与事件流数据集的构建、事件流处理、构建双分支光流网络预测多尺度帧光流与单尺度事件光流、构建光流级别融合网络处理事件光流与多尺度帧光流、构建插入帧细化网络生成准确的插入帧。通过事件生成模型从高速视频中生成事件流并与帧在时间尺度上对齐；事件流被处理为体素，和视频帧分别输入事件光流预测网络与帧光流预测网络，然后双分支上预测的光流输入进光流级别融合网络进行以事件边缘运动引导的融合。最后准确的光流将被输入插入帧细化网络来生成清晰的插入帧。本发明解决了由于帧间信息丢失导致的插入帧中运动物体边缘不清晰问题，并达到了比以往工作更好的插帧效果。
-
公开(公告)号：CN111210378B
公开(公告)日：2023-09-19
申请号：CN201911400989.4
申请日：2019-12-30
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于工业云上图像数据的可恢复性方法，是一个可以使用户检验从云上下载的图像数据的完整性，随后还可以在云上数据发生损坏时，使其恢复的方法。通过建立的一个系统模型：客户端，CSP，TPAR，使在客户端向CSP上传图像数据的时候，对其数据通过可逆水印算法生成水印图像，先生成整体图像的水印，随后将原始图像进行分块编码，之后再生成水印；之后将整体的水印图像保存在第一个块中，并且将虽有的块一同上传。当客户端从CSP上下载数据的时候，首先通过可逆水印算法检查整体图像的完整性，如果完整，则告诉TPAR下载的数据是完整的，否则告诉TPAR下载的数据遭到了损坏，随后客户端进行图像恢复。
-
公开(公告)号：CN116246218A
公开(公告)日：2023-06-09
申请号：CN202211437682.3
申请日：2022-11-16
Applicant: 北京工业大学
IPC: G06V20/52 , H04N7/18 , G06V10/764 , G06V10/774
Abstract: 本发明公开了基于数据质量评估联邦学习的智慧城市监控图像识别方法，该方法的步骤如下：城市中央服务器初始化并下发模型至计算中心；计算中心训练模型并将模型上传至中央服务器；中央服务器进行数据质量评估与联邦聚合；中央服务器将聚合后的全局模型下发给计算中心；生成最终的智慧城市监控图像识别模型。本方法将计算中心的数据质量考虑进中央服务器的联邦聚合中，并且设计了基于数据质量的联邦聚合方法，解决基于联邦学习的监控图像识别模型训练无法考虑子模型准确率差异的问题。使用基于数据质量评估联邦学习的智慧城市监控图像识别方法得到的图像识别模型的分类准确率比现有方法更优。
-
公开(公告)号：CN116094719A
公开(公告)日：2023-05-09
申请号：CN202211436657.3
申请日：2022-11-16
Applicant: 北京工业大学
IPC: H04L9/32
Abstract: 本发明提供基于物理不可克隆函数的轻量级工业传感器数据流完整性验证方法。SCADA系统的边界由工业传感器监控，面临着最严峻的安全挑战。然而，目前的SCADA通信协议缺乏适当的安全策略来保护现场传感器的安全和数据流的完整性。此外，由于传感器是资源有限的物理设备，复杂而昂贵的加密算法并不适用。本发明提出了一种基于工业物联网的物理不可克隆函数的轻量级工业传感器数据流完整性验证方案，可以保护数据流的完整性和传感器的物理安全，保证工业传感器数据流的安全传输。安全分析分析了该方案对已知安全漏洞的抵抗力。实验结果表明，该方案在通信开销和计算开销方面具有优势。
-
Patent Agency Ranking
公开(公告)号：CN115936075A
公开(公告)日：2023-04-07
申请号：CN202310003911.9
申请日：2023-01-03
Applicant: 北京工业大学
Abstract: 在电商评论场景下的一种基于生成对抗网络的文本对抗样本防御方法属于对抗样本领域，包含训练阶段、攻击阶段及防御阶段。训练阶段包含步骤：1.获取目标模型的输入数据与预测标签；2.依据真实数据和对应标签，借助攻击方法，训练生成扰动的生成器；3.扰动和原始数据混合，得到对抗样本；4.真实样本和对抗样本同时输入判别器，训练鉴别生成数据的判别器。攻击阶段包含步骤：1.生成对抗样本；2.和真实样本混合，输入目标模型；3.目标模型预测准确率。防御阶段包含步骤：1.生成对抗样本；2.和真实样本混合；3.判别器作为过滤器，过滤对抗样本；4.目标模型预测准确率。本发明生成更加真实的对抗样本数据，能够非常快速、简单的得到对应的防御方法。
-
公开(公告)号：CN115713669A
公开(公告)日：2023-02-24
申请号：CN202211373788.1
申请日：2022-11-04
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于类间关系的图像分类方法、装置、存储介质及终端，方法包括：获取待识别目标图像；将待识别目标图像输入预先训练的图像分类模型中；预先训练的图像分类模型是根据已知图像类别样本和未知图像类别样本训练生成的，已知图像类别样本和未知图像类别样本是根据目标域图像特征对目标域图像数据进行类间关系分离处理生成的；输出待识别目标图像对应的多个类别概率值，根据多个类别概率值确定待识别目标图像的最终类别。由于本申请充分利用了类间关系，能够有效的将未知类别图像从目标域图像数据中分离出来，解决了负向迁移问题，使域自适应技术在开集条件下也能工作，使得未知类别样本特征更具判别力，能高效地识别未知类别的图片。
-
公开(公告)号：CN115203153A
公开(公告)日：2022-10-18
申请号：CN202210164325.8
申请日：2022-02-22
Applicant: 北京工业大学
IPC: G06F16/18 , G06F16/906 , H04L9/40
Abstract: 本发明公开了基于多维特征的告警日志排序方法，该方法的步骤如下：获取告警日志数据集；排序告警日志；计算各个告警日志的基本特征；计算各个告警日志的时序特征；计算各个告警日志的语义特征；计算各个告警日志的离群特征；基于多维特征训练XGBoost分类模型；识别实时告警日志的威胁级别。本方法扩充了告警日志的特征，同时通过学习告警重要字段的行为语义来进行嵌入表示，解决了表示告警重要字段不合理的问题。使用基于多维特征的告警日志分级方法比原来的告警日志分级方法分级效果显著提高。
-
公开(公告)号：CN113592150A
公开(公告)日：2021-11-02
申请号：CN202110754116.4
申请日：2021-07-04
Applicant: 北京工业大学
Abstract: 基于LSTM和攻击者信息的攻击阶段预测方法属于攻击预测领域。本发明通过LSTM系统收集较长一段时间内的网络攻击的警告信息；并对大量警告信息中攻击者的历史信息进行收集；对这些历史数据进行预处理来构造LSTM模型训练所需的训练集、验证集、测试集；然后利用训练集训练LSTM模型，利用验证集的损失来决定是否提前停止LSTM在训练集上的学习；最终所得的模型可以对预处理后的，输入数据进行预测，预测得到未来的下一次攻击在多阶段网络攻击中所处的步骤。
-
公开(公告)号：CN109857869B
公开(公告)日：2021-07-30
申请号：CN201910076648.X
申请日：2019-01-26
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于Ap增量聚类和网络基元的热点话题预测方法，获取推文数据；推文数据预处理；Ap增量聚类的话题发现；基于用户网络的网络基元的热点话题预测。在基础上检测、发现网络基元的特征信息，当基元数量超过指定域值时判断该话题将可能成为突发事件，事件趋势即将可能进入爆发阶段。利用中心向量提取相关术语然后从Lucene索引中检索相关高相似度的推文。在Ap聚类的基础上引入了历史推文术语相似性分析，以扩展Ap聚类中心向量提高增量聚类算法的准确性，使得其能够更加精准的增量聚类与事件相关的推文集。在此事件聚类事件发现的基础上，另辟蹊径通过构造、发现、统计用户信息网络的网络基元的特性信息实现对热点的事件的提前预测和感知。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.032 seconds)
