公开(公告)号：CN119904665A

公开(公告)日：2025-04-29

申请号：CN202411797179.8

申请日：2024-12-09

Applicant: 中北大学

Inventor： 赵利辉 ,  刘泽晋 ,  王统 ,  杨哲涵 ,  李玉蓉 ,  刘诗涵 ,  张吉

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明属于中草药识别领域，为解决目前在中草药识别方面缺乏有效的识别分类手段，提供了一种基于图像处理的中草药分类识别方法，通过基于多尺度大核注意力MAB模块和大核尾部注意力LKAT模块构建MABs注意力模块；构建MViT‑k模块，并基于所述MABs注意力模块构建RMF多尺度注意力模块；将所述RMF多尺度注意力模块加入主干网络MobileViT中的MV2块和1×1卷积层之间，构建MobileVit‑RMF网络；获取待测中草药图像张量，将所述待测中草药图像张量输入所述MobileVit‑RMF网络中进行分类识别，得到中草药分类结果，本发明构建的MobileViT‑RMF网络在实现高识别精度的同时，能够有效管理计算资源，从而提供良好的运行效率，适应多样化的应用需求。

公开(公告)号：CN113946677B

公开(公告)日：2024-06-14

申请号：CN202111071418.8

申请日：2021-09-14

Applicant: 中北大学

Inventor： 张吉 ,  吴宇鑫 ,  赵利辉 ,  宋文爱

IPC: G06F18/2415 ,  G06F16/35 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开一种基于双向循环神经网络和注意力机制的事件识别分类方法。通过爬虫框架获取指定网站平台上信息，提取网页中文本型数据并保存，随后通过人工标注的方式给数据集打上类别标签，并将其划分为训练集数据和测试集数据；将训练集数据清洗、文本分块和分词；对文本序列化，经过预训练的词向量模型进行特征提取，将每一行文本对应的数字序列转化词向量序列，构造embedding层；构造BiLSTM‑attention多分类模型，将embedding层作为输入加载到模型进行训练，最终实现事件识别与分类。本发明实现了事件识别与分类，能够以更小的颗粒度捕捉到对事件很有影响的语料，减少噪音对分类模型的不良影响，提高模型分类的准确率。

公开(公告)号：CN113946677A

公开(公告)日：2022-01-18

申请号：CN202111071418.8

申请日：2021-09-14

Applicant: 中北大学

Inventor： 张吉 ,  吴宇鑫 ,  赵利辉 ,  宋文爱

IPC: G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于双向循环神经网络和注意力机制的事件识别分类方法。通过爬虫框架获取指定网站平台上信息，提取网页中文本型数据并保存，随后通过人工标注的方式给数据集打上类别标签，并将其划分为训练集数据和测试集数据；将训练集数据清洗、文本分块和分词；对文本序列化，经过预训练的词向量模型进行特征提取，将每一行文本对应的数字序列转化词向量序列，构造embedding层；构造BiLSTM‑attention多分类模型，将embedding层作为输入加载到模型进行训练，最终实现事件识别与分类。本发明实现了事件识别与分类，能够以更小的颗粒度捕捉到对事件很有影响的语料，减少噪音对分类模型的不良影响，提高模型分类的准确率。

公开(公告)号：CN119903546A

公开(公告)日：2025-04-29

申请号：CN202411797183.4

申请日：2024-12-09

Applicant: 中北大学

Inventor： 赵利辉 ,  李卓奇 ,  安洋 ,  李頔 ,  康珺 ,  富丽贞 ,  孙文韬 ,  张吉

IPC: G06F21/62 ,  G06V10/774 ,  G06V10/776 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明属于网络安全领域，旨在解决深度学习模型训练中存在未经授权者随意利用个人数据的问题。提供了一种防止投毒攻击的图像保护方法，包括以下步骤：获取目标类别数据集；提取目标类别数据集中不同类别的主导图像特征；将不同类别的主导图像特征作为扰动，对应添加至源类别数据集中的部分原始图像中，得到的中毒图像；将中毒图像随机插入源类别数据集中，替换相同数量的原始图像，得到中毒数据集；基于中毒数据集训练待投毒攻击的深度学习模型，并使用未中毒的源类别数据集进行模型验证；基于模型验证结果判断投毒攻击是否有效。本发明所提出的方法能够显著降低深度学习模型的准确率，从而有效遏制了未经授权方对数据的滥用。

公开(公告)号：CN119904762A

公开(公告)日：2025-04-29

申请号：CN202411799130.6

申请日：2024-12-09

Applicant: 中北大学

Inventor： 赵利辉 ,  王统 ,  刘泽晋 ,  杨哲涵 ,  贾美丽 ,  王璐 ,  张吉

IPC: G06V20/17 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/08

Abstract: 本发明属于无人机航拍目标检测领域，旨在解决航拍图像中小目标存在分辨率低、背景复杂、特征不足和定位不准的问题。提供了一种基于无人机航拍的图像特征识别方法，构建YOLOv8网络模型，将主干网络中的C2f模块替换为C2f_RFG模块，在颈部网络中添加轻量化跨尺度特征融合网络结构LCCFN以重组PANet结构，并在原有的检测头基础上新增小目标检测头，在每个检测头前加入SWS注意力机制，将边框损失函数由CIoU替换为WiseIoU，得到RGCS‑YOLOv8n模型；将RGCS‑YOLOv8n模型部署在无人机设备上，获取不同场景下的小目标检测结果。本发明能够提高无人机检测的精度，降低无人机航拍图像小目标检测漏检率和误检率。