公开(公告)号：CN113077017A

公开(公告)日：2021-07-06

申请号：CN202110566295.9

申请日：2021-05-24

Applicant: 河南大学

Inventor： 刘扬 ,  田猛 ,  曹珂境 ,  王瑞毅 ,  党兰学 ,  左宪禹

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于脉冲神经网络的合成孔径图像分类方法。具体包括：使用深度卷积神经网络对合成孔径雷达图像进行预训练，保存训练好的权重参数；对合成孔径声呐图像进行显著性计算，将显著性计算结果输入至脉冲编码器中进行脉冲编码；将预训练的深度卷积神经网络权重参数迁移到多层脉冲神经网络作为初始权重参数，使用集成学习的方法对多层脉冲神经网络进行训练；将合成孔径声呐图像的脉冲编码结果作为训练好的多层脉冲神经网络的输入，采用脉冲解码器对多层脉冲神经网络的输出结果进行解码以判别最终分类结果。针对小样本合成孔径图像的识别问题，本发明利用合成孔径雷达图像可有效提高合成孔径声呐图像分类的准确率。

公开(公告)号：CN110502994A

公开(公告)日：2019-11-26

申请号：CN201910655309.7

申请日：2019-07-19

Applicant: 河南大学

Inventor： 左宪禹 ,  韩林果 ,  林英豪 ,  齐同源 ,  邓智韬 ,  乔保军 ,  郭斌 ,  葛强

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/38

Abstract: 本发明提供一种基于OpenACC的归一化植被指数并行提取方法。该方法包括：步骤1：将Mat矩阵存储结构的影像数据转换为顺序存储结构的影像数据；步骤2：读取影像数据，并将影像数据复制至加速设备(GPU)；步骤3：将归一化植被指数提取算法的所有操作分为并行操作和非并行操作，采用加速设备基于OpenACC对并行操作进行并行处理，采用主机对非并行操作进行处理；其中，所述并行操作包括：直方图计算操作、图像拉伸操作、直方图均衡化操作、归一化植被指数计算操作和图像二值化操作。本发明能够结合植被专题指数的特点，快速且规范的利用加速设备基于OpenACC并行提取归一化植被指数。

公开(公告)号：CN110245248A

公开(公告)日：2019-09-17

申请号：CN201910471477.0

申请日：2019-05-31

Applicant: 河南大学

Inventor： 葛强 ,  乔保军 ,  郑逢斌 ,  张磊 ,  左宪禹 ,  郑明远 ,  李永超 ,  陈小彤 ,  郑昱君 ,  杨艺涵 ,  崔海潮 ,  沈文举

IPC: G06F16/53 ,  G06F16/532

Abstract: 本发明公开了一种遥感影像关键字查询方法，包括以下步骤：通过工具类库读入一个遥感影像对应的模糊XML文件，将模糊XML文件转换为树状存储结构；建立关于所有节点的 的映射集合和关于所有属性元素的 的映射集合；输入一个或多个关键字，根据两个映射集合，查找并输出虽有关键字的所有最小公共祖先和对应的的模糊参数变量Tp。本发明能够减少遥感影像关键字查询过程中的冗余计算，提升查询的时间效率，并且反馈遥感影像的不确定结果。

公开(公告)号：CN120066766A

公开(公告)日：2025-05-30

申请号：CN202510090591.4

申请日：2025-01-20

Applicant: 河南大学

Inventor： 周黎鸣 ,  余汐 ,  宋昊阳 ,  单樱子 ,  范明虎 ,  刘成 ,  左宪禹 ,  乔保军

IPC: G06F9/50 ,  G06F9/48 ,  G06F9/455

Abstract: 本发明公开一种基于DDQN的多目标遥感任务调度方法和系统，包括：步骤一：将多个给定的遥感任务输入到预设的任务处理单元中，得到多个遥感任务的算法表示；步骤二：根据多个遥感任务的算法表示构建算法集合，并得到算法集合中每个算法所需的资源和算法的价值；步骤三：将算法集合输入预设的调度模型中，得到多个算法子集；步骤四：根据策略网络和每个算法所需的资源将多个算法子集分别分配到多个节点上；步骤五：对分配到节点上的算法子集进行运算，得到给定的多个遥感任务的结果。本发明可以减少延迟时间、使资源分配均匀、降低节点能耗以及提高资源利用效率。

公开(公告)号：CN119962534A

公开(公告)日：2025-05-09

申请号：CN202510040231.3

申请日：2025-01-09

Applicant: 河南大学

Inventor： 党兰学 ,  赵晓坤 ,  谢毅 ,  乔保军 ,  韩宏宇 ,  侯彦娥 ,  左宪禹

IPC: G06F40/295 ,  G06F40/226 ,  G06F40/186 ,  G06N5/04 ,  G06F18/22 ,  G06F18/214

Abstract: 本发明提供一种用于少样本命名实体识别的大语言模型上下文学习方法和命名实体识别方法。该上下文方法包括：构建用于命名实体识别的少样本支持集和测试集；加载基于上下文学习的提示模板，并将少样本支持集输入至预设大语言模型，使得大语言模型根据提示模板生成新的文本集，将新的文本集增加至少样本支持集中以形成扩充支持集；在原始的提示模板中引入零样本思维链提示，将测试集和扩充支持集共同输入至预设大语言模型进行相似度对比，预测关于测试集的命名实体识别结果，并将预测正确的命名实体识别结果对应的自然语言文本反馈至少样本支持集中。本发明可以解决命名实体识别任务的数据稀缺问题，并提升模型在命名实体识别任务上的泛化性。

公开(公告)号：CN114612781B

公开(公告)日：2025-01-28

申请号：CN202210249333.2

申请日：2022-03-14

Applicant: 河南大学

Inventor： 周黎鸣 ,  李亚辉 ,  饶晓晗 ,  左宪禹 ,  刘扬 ,  李铁柱 ,  张磊 ,  蔡坤

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于光学遥感图像检测技术领域，公开一种用于光学遥感图像中舰船目标检测的方法，包括：步骤1：构建D‑RFB模块，并基于D‑RFB模块对从光学遥感图像中提取的特征图进行进一步的信息提取，同时为不同尺度的特征图提供合适的感受野；步骤2：构建弹性沙漏模块，并基于弹性沙漏模块构建弹性沙漏路径聚合网络；步骤3：基于弹性沙漏路径聚合网络对不同尺度的特征图进行融合，并输出最终的舰船目标检测结果。本发明解决了现有的目标检测方法对于光学遥感图像中舰船目标检测精度较差，中小尺寸舰船目标漏检多的问题，以及小尺寸舰船目标像素较少，位置信息以及语义信息不充分的问题，可有效提高光学遥感图像中舰船检测的精度。

公开(公告)号：CN119338588A

公开(公告)日：2025-01-21

申请号：CN202411381258.0

申请日：2024-09-30

Applicant: 河南大学

Inventor： 贾培艳 ,  桑玉龙 ,  张磊 ,  左宪禹 ,  韩道军 ,  张德龙

IPC: G06Q40/04 ,  G06Q20/40 ,  G06Q20/38

Abstract: 本发明涉及数据交易和区块链技术领域，具体涉及基于Web3.0和区块链的个人数据交易方法，该方法包括：用户在Web3.0和区块链上进行注册；数据持有用户将数据上传至区块链，数据购买用户定义数据需求的智能合约；数据持有用户与其定义的数据需求进行匹配，若匹配成功，向数据购买用户证明自己拥有其所需要的数据；若数据购买用户同意交易，向数据购买用户返回确认信息；云服务器根据处理算法对加密的数据进行处理，将处理后的加密结果发送给数据购买用户；数据购买用户收到解密的密钥，在不需要第三方的参与下自动完成个人数据交易过程。本发明保证了数据的安全性，防止个人数据被二次转售，保证了数据交易的自主性和公平性。

公开(公告)号：CN118484536A

公开(公告)日：2024-08-13

申请号：CN202410673740.5

申请日：2024-05-28

Applicant: 河南大学

Inventor： 葛强 ,  张静 ,  郭小丁 ,  韩道军 ,  侯艳娥 ,  左宪禹 ,  张磊 ,  郭小雨 ,  刘令春 ,  王磊

IPC: G06F16/35 ,  G06F18/22 ,  G06F18/2415 ,  G06F40/30 ,  G06F40/284 ,  G06Q50/18 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于图神经网络的罪名预测方法，该方法包括：采用Word2Vec预训练词向量模型来提取案件文本的词向量，以捕获文本的深度语义信息。通过余弦相似度计算案件文本之间的相似性，并构建相似度图。使用图卷积网络进行特征学习，获取全局的共现特征。GCN能够学习节点在图结构中的邻居关系，从而获得节点特征表示。通过将余弦相似度矩阵和词向量矩阵并行输入GCN模型，并通过多层的图卷积操作，能够更全面地捕捉案件之间的关联信息，从而提高罪名预测的准确性和鲁棒性。相较于传统图卷积网络GCN，本发明改进了邻接矩阵，引入相似度矩阵，以携带更多的案件之间的关联关系。

公开(公告)号：CN114926734B

公开(公告)日：2024-06-28

申请号：CN202210526368.6

申请日：2022-05-16

Applicant: 河南大学

Inventor： 周黎鸣 ,  饶晓晗 ,  李亚辉 ,  左宪禹 ,  乔保军 ,  李铁柱 ,  田军锋

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种基于特征聚合和注意融合的固体废弃物检测装置及方法。该装置包括特征提取单元、特征融合单元和目标检测单元；所述特征提取单元采用深层聚合网络作为主干网络，用于从输入的遥感图像中提取图像特征信息以输出五种不同下采样倍数的特征图，按照下采样倍数从小到大的顺序依次记作C1、C2、C3、C4和C5；所述特征融合单元，用于对下采样倍数较大的三种特征图进行特征注意融合以输出三种不同大小的特征图，按照尺寸从大到小的顺序依次记作P3、P4和P5；所述目标检测单元，用于从所述的三种不同大小的特征图中检测固体废弃物。

公开(公告)号：CN118247147A

公开(公告)日：2024-06-25

申请号：CN202410351546.5

申请日：2024-03-26

Applicant: 河南大学

Inventor： 左宪禹 ,  田展硕 ,  殷梦晗 ,  刘扬 ,  谢毅

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455

Abstract: 本发明涉及图像生成技术领域，具体涉及一种基于残差潜扩散模型的遥感超分辨率图像生成方法，包括：获取遥感影像公共数据集中每个原始遥感图像及其低分辨率图像，进而获取图像在潜在空间的数据特征；构建残差扩散模型，利用每个低分辨率图像在潜在空间的数据特征，对残差扩散模型的数据输入进行图像数据对接，在潜在空间中训练残差扩散模型，获得训练好的残差潜扩散模型；将待生成遥感图像在潜在空间中的数据特征，输入到训练好的残差潜扩散模型中，生成潜在空间的超分辨遥感图像。本发明通过改进扩散模型的训练过程获得的残差潜扩散模型，提高了基于残差潜扩散模型获得生成图像的效率和准确性。