-
公开(公告)号：CN114978575B
公开(公告)日：2024-03-01
申请号：CN202210345784.6
申请日：2022-03-31
Applicant: 中国信息通信研究院
Abstract: 本发明涉及一种医疗联网设备的安全等级确定方法，其包括以下步骤，步骤一：获取医疗联网设备中单个子设备的设备等级值A、设备脆弱性值V和设备威胁赋值T；步骤二：确定医疗联网设备中单设备的技术风险值；步骤三：确定医疗联网设备的总体安全技术风险值；步骤四：确定医疗联网设备的安全等级。本发明提出了一种针对医疗物联网设备的安全等级确定方法，根据医疗物联网设备自身特点进行评估，能够降低由于评估因素过于通用而导致的评估因素选择不合理、风险关联关系不能客观反映设备安全事件造成的影响，通过程序设定提升了风险评估的准确性和客观性。
-
公开(公告)号：CN116939244A
公开(公告)日：2023-10-24
申请号：CN202310926808.1
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: H04N21/234 , H04N21/24 , H04N21/25 , H04N21/44 , H04N21/442 , H04N21/466
Abstract: 本发明提供一种基于差异化的深度视频检测方法和系统，采用双网络方案，即帧内子网络和帧间子网络，利用帧内特征和帧间特征之间的差异化来深度检测网络视频，其中帧内子网络采用多级卷积层迭代差值来提取帧内特征，帧间子网络采用搭建三层结构捕获移动幅度大的部分来提取帧间特征，最后计算两个特征之间的欧氏距离和对比损失函数，完成检测识别，克服了现有技术计算量大、效率低的不足，实现检测的快速、准确。
-
公开(公告)号：CN116883907A
公开(公告)日：2023-10-13
申请号：CN202310922856.3
申请日：2023-07-26
Applicant: 中国信息通信研究院
Abstract: 本发明提供一种基于帧间相关性的人工智能检测方法和系统，通过引入帧间相关性分析，能够有效地利用视频序列中的时间信息，提高目标检测的准确性。此外，本发明通过预处理操作，可以消除视频序列中的噪声和畸变，提高系统的鲁棒性。通过将特征提取、帧间相关性分析和目标检测结合起来，本发明可以实现更准确、更高效的目标检测。
-
公开(公告)号：CN114978575A
公开(公告)日：2022-08-30
申请号：CN202210345784.6
申请日：2022-03-31
Applicant: 中国信息通信研究院
Abstract: 本发明涉及一种医疗联网设备的安全等级确定方法，其包括以下步骤，步骤一：获取医疗联网设备中单个子设备的设备等级值A、设备脆弱性值V和设备威胁赋值T；步骤二：确定医疗联网设备中单设备的技术风险值；步骤三：确定医疗联网设备的总体安全技术风险值；步骤四：确定医疗联网设备的安全等级。本发明提出了一种针对医疗物联网设备的安全等级确定方法，根据医疗物联网设备自身特点进行评估，能够降低由于评估因素过于通用而导致的评估因素选择不合理、风险关联关系不能客观反映设备安全事件造成的影响，通过程序设定提升了风险评估的准确性和客观性。
-
公开(公告)号：CN117011766B
公开(公告)日：2024-02-13
申请号：CN202310926811.3
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: G06V20/40 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于帧内差异化的人工智能检测方法和系统，通过对视频帧内的差异化数据进行深度学习模型训练，实现对AI行为的精确检测，其中帧内的差异化数据是通过帧内网络获得，所述帧内网络采用多级卷积层迭代差值来提取帧内特征，计算帧内特征之间的欧氏距离和对比损失函数，得到图像差异值，克服了现有技术准确率有限，且对于动态和静态目标的效果不一致的问题，实现检测的快速、准确。
-
Patent Agency Ranking
公开(公告)号：CN116883817A
公开(公告)日：2023-10-13
申请号：CN202310926874.9
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: G06V10/82 , G06V10/774 , G06V10/20 , G06V10/24
Abstract: 本发明提供一种基于人工智能的目标增强检测方法和系统，本发明的优势在于：通过深度学习技术，提高了目标检测的准确度和鲁棒性；通过数据增强和图像增强技术，增加了数据集的多样性和复杂性，提高了模型的泛化能力；整个系统具有高效的处理速度，可以在实际应用中实时进行目标检测。通过深度学习技术，结合图像增强和数据增强，克服了现有技术在处理复杂场景，如目标尺度变化、遮挡、低分辨率和噪声干扰时，存在准确度低和鲁棒性差的问题。
-
公开(公告)号：CN116843988B
公开(公告)日：2024-01-30
申请号：CN202310761008.9
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: G06V10/77 , G06V40/12 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于深度学习的目标检测方法和系统，通过先提取生物和时间维度特征，再在重点关注区域内提取深度学习特征。针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。计算两两特征样本集之间的差异值，不仅可以调整重点关注区域的范围，还可以判断是否分类成功，克服了现有技术需要引入注意力机制、抑制不相关背景的不足，实现检测的高效性和自动性。
-
公开(公告)号：CN117011766A
公开(公告)日：2023-11-07
申请号：CN202310926811.3
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: G06V20/40 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于帧内差异化的人工智能检测方法和系统，通过对视频帧内的差异化数据进行深度学习模型训练，实现对AI行为的精确检测，其中帧内的差异化数据是通过帧内网络获得，所述帧内网络采用多级卷积层迭代差值来提取帧内特征，计算帧内特征之间的欧氏距离和对比损失函数，得到图像差异值，克服了现有技术准确率有限，且对于动态和静态目标的效果不一致的问题，实现检测的快速、准确。
-
公开(公告)号：CN116843988A
公开(公告)日：2023-10-03
申请号：CN202310761008.9
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: G06V10/77 , G06V40/12 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于深度学习的目标检测方法和系统，通过先提取生物和时间维度特征，再在重点关注区域内提取深度学习特征。针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。计算两两特征样本集之间的差异值，不仅可以调整重点关注区域的范围，还可以判断是否分类成功，克服了现有技术需要引入注意力机制、抑制不相关背景的不足，实现检测的高效性和自动性。
-
公开(公告)号：CN116881830A
公开(公告)日：2023-10-13
申请号：CN202310922859.7
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: G06F18/2433 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/0464 , G06N3/088 , G06N3/0895
Abstract: 本发明提供一种基于人工智能的自适应检测方法和系统，通过构建包括主干网络、颈部网络和检测头网络架构的模型，能够区分得到用于检测大物体的深层特征和用于检测小物体的浅层特征，自适应识别不同类型的目标，以及通过使用无监督学习或半监督学习算法进行模型训练，可以使模型自适应地适应数据的特征，提高了检测的准确性和效率。此外，该方法和系统可以根据新的数据特征进行自适应地更新和调整，具有更强的灵活性和适应性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.029 seconds)
