-
公开(公告)号：CN118314601B
公开(公告)日：2024-12-10
申请号：CN202410416836.3
申请日：2024-04-08
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于实例解耦和多特征点融合的多人解析方法及装置，所述方法包括：获取待测图像，将所述待测图像输入至训练好的特征金字塔网络中得到多个特征图，将获取到的多个所述特征图进行连接得到特征总图；将所述特征总图输入至训练好的多特征融合模型，基于所述多特征融合模型对实例中心进行特征提取得到中心特征，对各实例的各部位中心与对应实例的实例中心之间的偏移进行特征提取得到偏移特征，以及将所述中心特征和所述偏移特征进行特征融合得到各实例特征；将所述特征总图和所述实例特征输入至训练好的全局解耦模型，基于所述全局解耦模型得到实例感知图，基于所述实例感知图得到各实例的热图。本发明能够提高多人解析结果的准确性。
-
公开(公告)号：CN118116067A
公开(公告)日：2024-05-31
申请号：CN202311715462.7
申请日：2023-12-13
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/22 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于去中心姿态表征的人体姿态估计方法及系统，所述方法的步骤包括：获取原始图像，所述骨干网络模型基于输入的原始图像输出热图、偏移图和位置图，所述热图和位置图中均标记有人体的关键点；基于所述热图和位置图得到分数图像，基于所述分数图像中所述关键点位置处的像素值对关键点进行筛选；基于位置图中关键点的位置从偏移图中获取每个关键点对应的关系向量，所述关系向量中记录有与该关键点相关的关键点的位置；基于所述分数图像对关键点的筛选从关系向量筛选对应的关系向量；基于所述关系向量确定每个关键点在所述原始图像中围成的区域，基于区域的重合度对所述关键点进行分类，基于目标检测算法计算每个类别的最终区域。
-
公开(公告)号：CN117640252A
公开(公告)日：2024-03-01
申请号：CN202410097556.0
申请日：2024-01-24
Applicant: 北京邮电大学
IPC: H04L9/40 , H04L43/026 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06N3/098
Abstract: 本发明提供一种基于上下文分析的加密流威胁检测方法及系统，所述方法的步骤包括：获取待检测的原始网络流文件中的多个数据包的长度特征值，将全部数据包的长度特征值构建为原始长度序列；基于所述长度特征值在原始长度序列中的出现频率对每个所述长度特征值映射为编码值，得到所述原始长度序列对应的长度编码序列；将所述长度编码序列输入到预设的编码器中，所述编码器包括嵌入层和循环层，所述嵌入层向循环层输出编码向量，所述循环层输出上下文向量，将所述上下文向量输入到预设的解码器中，得到注意力向量；基于所述注意力向量和编码向量计算上下文长度序列，将所述上下文长度序列输入到训练的检测器中，得到威胁检测结果。
-
公开(公告)号：CN116886637B
公开(公告)日：2023-12-19
申请号：CN202311133687.1
申请日：2023-09-05
Applicant: 北京邮电大学
IPC: H04L47/2441 , H04L9/40 , G06F18/24 , G06N5/02
Abstract: 本发明提供一种基于图积分的单特征加密流检测方法及系统，所述方法的步骤包括：获取流量信息中的多个数据包，基于数据包的五元组信息将多个数据包分为多个数据流；获取数据流中数据包的第一特征值，基于数据包为上行数据包或下行数据包为第一特征值赋予第一标记或第二标记，得到第二特征值；将数据流中的第二特征值构建为特征序列，并构建上行流量交互图和下行流量交互图；基于上行流量交互图和中下行流量交互图节点的节点属性，对上行流量交互图和下行流量交互图进行图积分，得到上行流量积分图和下行流量积分图；将上行流量积分图和下行流量积分图进行拼接得到联合积分图，基于将联合积分图输入到预设的神经网络分类模型得到检测结果。
-
公开(公告)号：CN115567458A
公开(公告)日：2023-01-03
申请号：CN202211055973.6
申请日：2022-08-31
Applicant: 北京邮电大学
IPC: H04L47/2441 , H04L9/40
Abstract: 本发明提供一种基于特征序列化的网络流量分类方法、装置及存储介质，该方法包括：获取网络流量包含的多条流数据中每个数据包的数据包特征，数据包特征包括包间时间和包大小；依据数据包特征的差别对多条流数据中数据包进行分类并构造数据包映射表，依据数据包映射表将流数据转化为预设长度的离散序列流量数据，每个数据包类别对应一个唯一ID，每个数据包类别包含多个数据包；将网络流量包含的多条流数据对应的离散序列流量数据输入到文本分类模型中，获得网络流量分类的结果作为输出，所述文本分类模型的类型为机器学习模型、多尺度卷积神经网络模型或基于特征转换器的自然语言处理模型中。本发明能够实现对加密网络流量的高效、准确的流量分类。
-
Patent Agency Ranking
公开(公告)号：CN114629699B
公开(公告)日：2022-12-09
申请号：CN202210224580.7
申请日：2022-03-07
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于深度强化学习的可迁移性网络流行为异常检测方法及装置，所述方法包括模型训练阶段和流量识别阶段，模型训练阶段中，基于训练数据集中的数据点初始化环境；将训练数据集中的数据点作为本轮次的单轮训练集，将单轮训练集中的数据点逐个输入预设的智能体中进行训练；根据环境得到该数据点的状态组，将状态组输入到预设的智能体中，输出动作组，基于动作组输出数据点的数据类型；将输出的数据类型与数据点的标签类型进行比对，获取奖励值，对智能体中的参数进行更新；流量识别阶段中，接收待测流量数据，将待测流量数据中的数据点输入智能体得到数据点的数据类型。
-
公开(公告)号：CN114067429A
公开(公告)日：2022-02-18
申请号：CN202111291956.8
申请日：2021-11-02
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例具体涉及一种动作识别处理方法、装置及设备，在动作识别模型中添加自适应锚点，通过计算待识别动作数据与模型中各个自适应锚点之间的距离，对待识别动作进行动作识别，自适应锚点对每种人体动作实现了更加准确，更加有效地空间聚类，使嵌入层的类内距离减小，类间距离增大，增强了模型对人体动作的识别能力，提升了动作识别的准确性和效率。
-
公开(公告)号：CN113343762A
公开(公告)日：2021-09-03
申请号：CN202110497324.0
申请日：2021-05-07
Applicant: 北京邮电大学
Abstract: 本发明提供一种人体姿态估计分组模型训练方法、姿态估计方法及装置，基于多路径结构分别以不同扩张速率进行空洞卷积，并同时进行变形卷积，能够更好地适应多人姿态识别场景下不同尺寸和形状人体对象的特征提取需求。基于长程偏移量图和局部中心偏移量图计算各候选关节点到各真实人体对象中心点的精细偏移量，在非极大值抑制操作的基础上，将精细偏移量相差倍数在设定数值以内的候选关节点划分至同一人体对象分组，能够在多人姿态识别场景中保证各关节点分组正确率的前提下，降低计算复杂度，极大节约算力，提高识别效率。
-
公开(公告)号：CN119922022A
公开(公告)日：2025-05-02
申请号：CN202510414009.5
申请日：2025-04-03
Applicant: 北京邮电大学
IPC: H04L9/40 , H04L43/0876 , H04L43/04 , G06F18/213 , G06F18/214 , G06F18/2433 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种入侵检测模型训练方法和入侵检测方法，训练方法包括：由多个设有各自入侵类别标签的数据流训练含串联连接的编码器和分类器的预设入侵检测模型；由各类别的各数据流对应得到各强增强和弱增强流训练入侵检测模型，以输出各强增强流对应的各类别预测结果和各弱增强流对应的各伪标签；由各数据流及其中每任意两个流进行插值对应得到各插值样本训练含串联连接的编码器和投影器的特征提取模型，以输出各嵌入表示和各插值嵌入表示样本并对各嵌入表示中每任意两个嵌入表示进行插值以得到各嵌入表示插值样本；由正则一致性分别使各类别预测结果和对应的各伪标签、各插值嵌入表示样本和对应的各嵌入表示插值样本一致以得到训练后的检测模型。
-
公开(公告)号：CN114818850B
公开(公告)日：2024-12-17
申请号：CN202210225791.2
申请日：2022-03-07
Applicant: 北京邮电大学 , 中国电子科技集团公司第三十研究所 , 中电科网络空间安全研究院有限公司
IPC: G06F18/213 , G06F18/23213 , G06F18/214 , G06F18/2135 , G06F18/24 , H04L9/40
Abstract: 本发明提供了一种基于聚类压缩的网络流空间映射表征方法、装置和存储介质，所述方法包括：训练样本获取步骤，用于获取不同网络空间行为类别训练样本形成样本集；对训练样本集中各行为类别的训练样本进行聚类；将样本空间中的子类别样本数据输入至基于类间间距最大化以及类内间距最小化原则创建的多层映射网络模型，从模型的第一层开始逐层计算并更新包括扩张因子和压缩因子在内的模型参数，并基于更新的模型参数生成用于在测试阶段计算压缩因子权重并对结果进行加权的筛选器；测试样本获取步骤；测试步骤，将得到的样本集合输入至经训练阶段训练后的多层映射网络模型，输出空间映射矩阵。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.044 seconds)
