公开(公告)号：CN109474641B

公开(公告)日：2020-05-12

申请号：CN201910003982.2

申请日：2019-01-03

Applicant: 清华大学

Inventor： 李翔宇 ,  杨芳

IPC: H04L29/06 ,  H04L12/933

Abstract: 本发明涉及一种可破坏硬件木马的可重构交换机转发引擎解析器，其包括数据预处理单元、若干级联的基本处理单元和提取单元；第一级基本处理单元的密钥通路对密钥进行密钥位关键字提取和移位，并将结果发送至本级的数据通路和下级的密钥通路；基本处理单元的数据通路对数据帧进行关键字段提取和移位，生成下一级基本处理单元的提取字段偏移量、本级各字段的偏移量和字段标识和移位后的数据帧分别发送至下一级或本级基本处理单元；其他各级基本处理单元依次对密钥帧和数据帧进行关键字提取和移位；提取单元从最后一级基本处理单元中进行密钥帧和数据帧的提取，并转发至后续包处理部分。本发明可广泛应用于交换机转发引擎解析器的设计中。

公开(公告)号：CN111047514A

公开(公告)日：2020-04-21

申请号：CN201911215983.X

申请日：2019-12-02

Applicant: 清华大学深圳国际研究生院

Inventor： 张永兵 ,  李晶晶 ,  季向阳 ,  王好谦 ,  戴琼海 ,  杨芳

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了单张图像超分辨的方法，包括：对单张低分辨率图像上采样得到图像P1；将P1输入一VDSR，输出高分辨率图像P2；分别用变换核T1、T2对P1、P2做Saak变换，P1、P2分别得到2n2张Saak特征图；变换核T1、T2分别由P1、P2计算得到；Saak变换的卷积核为n×n，n为自然数；从P1的2n2张Saak特征图中选择前m张作为训练集训练一卷积神经网络，并将所选的这m张Saak特征图输入该卷积神经网络，输出P1的m张特征图；1≤m≤n2；从P2的2n2张Saak特征图中选择后2n2-m张，来与上述卷积神经网络输出的P1的m张特征图组成2n2张图进行Saak反变换，得到高分辨率图像P3；将P2与P3融合得到最终高分辨率图像P4。

公开(公告)号：CN110969105A

公开(公告)日：2020-04-07

申请号：CN201911159199.1

申请日：2019-11-22

Applicant: 清华大学深圳国际研究生院

Inventor： 王好谦 ,  高艺华 ,  张永兵 ,  杨芳

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种人体姿态估计方法，包括：采用人体检测网络从原始图形中获取单人图像，原始图形中包括至少一个单人图像；采用人体姿态估计网络对每个单人图像进行关键点检测，得到各个关键点的位置的分布热图；获取每个单人图像的边框与原始图形中其他单人图像的边框的重叠程度，判断单人图像是否存在遮挡问题；若单人图像不存在遮挡问题，则由分布热图得到单人图像中关键点的最终坐标；若单人图像存在遮挡问题则将单人图像中全部分布热图构成图的形式，并通过图神经网络对每个分布热图进行优化，然后由优化后的分布热图得到单人图像中关键点的最终坐标。用图神经网络充分提取图的整体结构信息，以实现对关键点位置的校正效果，提高检测准确率。