-
公开(公告)号：CN117809289B
公开(公告)日：2024-07-05
申请号：CN202410225873.6
申请日：2024-02-29
Applicant: 东北大学
IPC: G06V20/58 , G06V40/10 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明属于计算机视觉应用技术领域，公开了一种面向交通场景的行人检测方法。建立行人检测模型，采用有监督的学习方法进行训练；训练时根据检测结果调整行人检测模型中卷积核的权重，训练完成后的行人检测模型用于检测识别。使用跨阶段网络结构和设计新的残差模块以改进原有的骨干网络，减少算法所需的计算量，采用、设计特征增强模块和自适应融合金字塔结构，提高不同尺度行人目标的检测精度。同时，该方法中也设计了加权式Soft‑NMS的后处理方法以提升行人间遮挡的检测效果。实验结果表明，本发明可以在满足实时检测的需求下提高行人目标的检测精度。
-
公开(公告)号：CN117688257B
公开(公告)日：2024-07-05
申请号：CN202410120177.9
申请日：2024-01-29
Applicant: 东北大学
IPC: G06F16/9537 , G06F18/23213 , G06F18/22 , G06N3/092
Abstract: 本发明属于智能交通技术领域，公开了一种面向异构用户行为模式的长期轨迹预测方法。度量轨迹中多个维度的相似性，构建可学习的距离权重矩阵，获得融合多维距离得分；构建邻接矩阵，进行轨迹聚类，聚类结果用于强化学习中优化可学习的距离权重矩阵中的参数；使用轨迹聚类每一个聚类簇中的轨迹数据训练轨迹预测模型，训练后的轨迹预测模型作为轨迹预测。本发明将具有相同行为模式的轨迹划分在一个类内差异较小的簇中，然后使用引入时间和速度信息编码的堆叠Transform结构来提取并融合多属性轨迹中的多维特征，并进一步产生长期轨迹预测结果。对于智能交通场景，面向异构用户行为模式的长期轨迹预测方法具有相当的适用价值。
-
公开(公告)号：CN113947210B
公开(公告)日：2024-05-10
申请号：CN202111169752.7
申请日：2021-10-08
Applicant: 东北大学
IPC: G06N20/00
Abstract: 本发明属于边缘计算技术领域，提供了一种移动边缘计算中的云边端联邦学习方法，以降低通信轮次，提高所提出的三层边缘计算架构中的训练的机器学习模型可靠性。通过让边缘服务器参与联邦学习训练过程，通过动态调整终端设备中的训练轮次来最小化边缘服务器和终端设备之间的通信轮次。通过最小化边缘服务器和终端设备之间的通信轮次降低了在传输模型过程中由于信道带宽等因素导致的模型参数丢失问题。
-
公开(公告)号：CN117880858A
公开(公告)日：2024-04-12
申请号：CN202410275005.9
申请日：2024-03-12
Applicant: 东北大学
Abstract: 本发明属于机器人智能决策与控制技术领域，公开了一种基于通信学习的多无人机轨迹优化和功率控制方法，能够在较低能耗的情况下最大化满足服务质量的用户数量。本发明设计了一个通信机制，增设记忆存储设备以帮助UAV‑ABS获取和利用其他无人机的经验，并存储自身学习到的经验。为了构建更有效的无人机合作策略并降低网络模型部署的成本，本发明设计了集中注意力评论家神经网络，能够减少冗余信息，并解决随着UAV‑ABS和地面用户数量增加而出现的维度灾难问题。
-
公开(公告)号：CN111797769B
公开(公告)日：2023-06-30
申请号：CN202010639920.3
申请日：2020-07-06
Applicant: 东北大学
IPC: G06V10/25 , G06N3/0464 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本发明属于计算机视觉应用技术领域，提出了一种小目标敏感的车辆检测系统。本系统包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、功能支撑模块、日志采集模块、效果分析模块、检测模块和交互模块。本发明的核心算法：小目标敏感的全卷积神经网络算法,本算法在R‑FCN的基础上对已有的CNN重新设计并提出了一种新层：小目标敏感池化层,它可以丰富小目标车辆的特征，从而可以更准确地检测小尺寸车辆，同时，在系统中也设计了一种新的投票机制，可以更准确地检测遮挡车辆。最后也对该检测系统进行了进一步的精简设计，可以检测地更及时，从而满足实时性的要求。
-
Patent Agency Ranking
公开(公告)号：CN111800421B
公开(公告)日：2021-08-24
申请号：CN202010640942.1
申请日：2020-07-06
Applicant: 东北大学
Abstract: 本发明属于车联网中入侵检测算法领域，具体涉及一种基于隐马尔科夫模型的车联网入侵检测系统。该系统用于对车联网中的False alert攻击、Sybil攻击、Black hole攻击和DoS攻击的入侵检测。系统设计中主要包括预检测模块，基于DNN的检测中心模块，用于记录车辆状态和生成隐马尔科夫模型的更新模块以及用于产生响应信号的响应中心模块，在车联网正常运行状态下，这几个模块共同保证车联网的高效运行。在攻击检测状态下相辅相成，共同完成一次攻击监测防御过程。在检测精度、开销和检测时间上相比基于DNN的IDS，本发明的检测精度更高，而且平均检测时间远小于基于DNN的IDS，同时具有更少的开销，本发明使用预检测机制相比于使用状态切换的IDS具有更少的开销，更节省计算资源。
-
公开(公告)号：CN111818589A
公开(公告)日：2020-10-23
申请号：CN202010640908.4
申请日：2020-07-06
Applicant: 东北大学
IPC: H04W28/22 , H04W4/40 , H04B17/318 , H04L1/00
Abstract: 本发明属于车联网通信技术领域，涉及一种适用于车联网环境的自适应发送速率调节方法。该方法根据不同的信道通信环境质量，基于多项式回归和动态窗口回馈的RSSI预测，自适应地采用不同的速率。这种方法既能保证数据的准确接收，满足不同业务的需求，又能提高系统的网络链路吞吐量和节省能量消耗，有效解决了VANET通信丢包率过高的问题。对于车辆高速移动的交通场景，自适应速率调节机制的方法具有相当的适用价值。
-
公开(公告)号：CN111818465A
公开(公告)日：2020-10-23
申请号：CN202010639936.4
申请日：2020-07-06
Applicant: 东北大学
Abstract: 本发明属于车联网信息交互技术领域，公开了一种车联网自适应多跳广播系统及方法，系统包括本地信息交互模块、退避等待模块、中继筛选模块、数据转发模块和信息维护模块五个基本模块。根据维护在管理信息库中的信息过滤已经广播的邻居节点，然后在剩余的邻居节点中选择合适的下一跳候选转发节点，最后将选择的候选节点信息以及自己全部的邻居信息一起封装到报文中广播出去，邻居节点接收报文并做出相应的转发判断。另外，本发明将车联网应用消息分为紧急消息和非紧急消息两大类，并针对两类不同的应用消息设计了两种不同的多跳广播机制，分别是快速广播机制和协同广播机制。改善了现有多跳广播策略传输时延高、网络负载大以及可靠性低的问题。
-
公开(公告)号：CN120046755A
公开(公告)日：2025-05-27
申请号：CN202510112096.9
申请日：2025-01-24
Applicant: 东北大学
Abstract: 本发明属于联邦学习技术领域，公开一种基于队列调度的异步联邦学习方法。将客户端分为快客户端和慢客户端；将客户端上传的模型划分为高陈旧度模型和低陈旧度模型；根据上传本地模型的客户端类型以及客户端上传的模型类型，将本地模型进行再分类；服务器同样的生成与本地模型wi类别相对应的队列用于存储对应的本地模型，服务器依据本地模型wi的类型选择不同的聚合策略或交换策略，使得快客户端将高陈旧度模型的陈旧度降低为低陈旧度模型的判定要求后参与聚合。
-
公开(公告)号：CN120046142A
公开(公告)日：2025-05-27
申请号：CN202510115140.1
申请日：2025-01-24
Applicant: 东北大学
IPC: G06F21/55 , G06F21/56 , G06F18/214 , G06F18/23213 , G06N20/00 , G06N5/04
Abstract: 本发明属于机器学习技术领域，公开了一种面向黑盒联邦学习的中毒成员推理攻击方法，通过将中毒影响作为推理攻击的依据，展示了仅通过全局模型黑盒权限的推理成功的可能性。通过量化不同样本的对中毒攻击的影响，可以以无监督的方式侵犯客户端的成员隐私。首先本发明是一种黑盒攻击，攻击者仅可以获取全局模型的黑盒权限；其次，本发明无需有关样本的任何先验知识就可以开展攻击；最后，本发明对全局模型的影响很小，保证了攻击尽可能地隐蔽。本发明首先使用针对目标样本的中毒策略来毒害全局模型，其次在不同的训练轮次中对目标样本的预测结果进行度量，最后利用无监督算法对一系列的度量值进行二分类，从而实施成员推理攻击。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.022 seconds)
