-
公开(公告)号：CN118984228A
公开(公告)日：2024-11-19
申请号：CN202410414129.0
申请日：2024-04-08
IPC: H04L9/40 , H04L9/00 , H04L9/32 , H04L9/08 , H04N1/44 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/098 , G06N3/09
Abstract: 本发明公开了基于联邦学习隐私保护的结肠息肉语义分割深度学习方法，具体涉及联邦学习的隐私保护和医疗语义分割领域，包括以下步骤：S1、将Kvasir‑SEG数据集和CVC‑ClinicDB数据集进行数据预处理，然后将数据集中的真实图像进行one‑hot编码；S2、构建联邦学习框架，初始化随机加密算法池，随机选取客户端数量，分别部署客户端和服务器端模型；S3、将原始图片加载进Dataloader，设置超参数，并送入客户端模型学习；本发明为医疗图像处理领域深度学习和隐私保护的发展提供了新的思路，并且经过验证，采用联邦学习隐私保护的模型的实际效果可以达到原始模型的准确率，并且可以做到更好的隐私保护。
-
公开(公告)号：CN119206720A
公开(公告)日：2024-12-27
申请号：CN202410414127.1
申请日：2024-04-08
Abstract: 本发明公开了一种皮肤病变语义分割双通道深度学习模型，涉及语义分割和医学图像处理技术领域，包括预处理模块、特征提取模块、条纹池化模块、PVT结构模块、DPNet网络构建模块、CB模块、内部学习模块以及病变分割模块；预处理模块，将皮肤病变数据集进行数据预处理，处理过程采用随机预处理方式；特征提取模块，采用ResNet50作为SPResNet的主干网络进行特征提取。本发明通过采用双通道结构，其一使用SPResNet结构，其二使用PVT结构，兼顾细节提取和全局特征关联，结合了CNN和Transformer结构的优点，采用互补的方式增加了整个网络的实际性能，以解决上述背景技术中提出现有的深度学习模型在结构上的缺陷，提高皮肤病变分割的精确度。
-
公开(公告)号：CN106790034A
公开(公告)日：2017-05-31
申请号：CN201611162053.9
申请日：2016-12-15
Abstract: 本发明公开了一种物联网设备认证和安全接入的方法，包括感知设备D、物联网管理平台、管理平台分配表、云服务器X；注册步骤A中，感知设备D通过出厂编号的特征信息，生成第一认证信息Q1，注册步骤B中，云服务器X为云服务器0至云服务器7中负载低的云服务器，认证步骤A中，感知设备D通过另外的特征信息生成认证信息I，发送给物联网管理中心，认证步骤B中，将所采集新的信息与注册步骤B中的信息进行匹配，使用传感器将收到的操作指令数据，通过智能芯片进行数据解密和签名验证，获得正确、完整的操作指令，另外，通过建立认证中心对传感器的设备认证协议，从而建立物联网基础设施的认证、数据完整和保密传输的信息安全系统。
-
公开(公告)号：CN106790034B
公开(公告)日：2019-04-19
申请号：CN201611162053.9
申请日：2016-12-15
Abstract: 本发明公开了一种物联网设备认证和安全接入的方法，包括感知设备D、物联网管理平台、管理平台分配表、云服务器X；注册步骤A中，感知设备D通过出厂编号的特征信息，生成第一认证信息Q1，注册步骤B中，云服务器X为云服务器0至云服务器7中负载低的云服务器，认证步骤A中，感知设备D通过另外的特征信息生成认证信息I，发送给物联网管理中心，认证步骤B中，将所采集新的信息与注册步骤B中的信息进行匹配，使用传感器将收到的操作指令数据，通过智能芯片进行数据解密和签名验证，获得正确、完整的操作指令，另外，通过建立认证中心对传感器的设备认证协议，从而建立物联网基础设施的认证、数据完整和保密传输的信息安全系统。
-
公开(公告)号：CN107070857A
公开(公告)日：2017-08-18
申请号：CN201611163697.X
申请日：2016-12-15
IPC: H04L29/06
CPC classification number: H04L63/0209 , H04L63/0263 , H04L69/26
Abstract: 本发明公开了一种基于TCP/IP的DNP3协议网络保护框架，包括监视和控制模块、监视模块、功能选择和生成模块、自动标记模块、数据集、基于规则的学习模块、规则模块、异常行为分析模块、分类模块、数据库、操作模块。本发明的有益效果是：该框架采用基于规则的异常检测机制来检测网络攻击，并且还提出了分类原则，为访问控制提供自治的网络保护。本框架的目标是能够对于拥有Master和Outstations的root权限的攻击者的攻击进行探测，能够对于操作员的错误操作进行警告，同时还能够提供及时的保护。保证了使用的安全性与极高的隐密性；该种基于TCP/IP的DNP3协议网络保护框架操作方便，安全性高，各模块连接反应速度快。
-
Patent Agency Ranking
公开(公告)号：CN116630720A
公开(公告)日：2023-08-22
申请号：CN202310684848.X
申请日：2023-06-09
Applicant: 中国电子技术标准化研究院 , 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096 , G06V20/70 , G06V10/40
Abstract: 本发明公开了一种基于YoloV7的抗原检测结果识别方法，该方法包括以下步骤：S1、收集和构建符合Yolo标注格式的样本数据集，预处理数据集，将数据集格式转换为Yolo可训练和识别的.txt格式；S2、部署YoloV7，对YoloV7模型结构和权重参数进行优化调节，使得网络结构更好的适应小样本数据集的学习；S3、调整YoloV7模型参数进行训练学习；S4、利用训练好的神经网络模型进行抗原检测识别。本发明根据不同扩张率卷积核的感受野递进原理，对采集图片进行特征提取，对小样本数据集中的数据进行数据增强操作，提高了数据集的多样性，减少了因为数据集数据量小带来的过拟合问题，提高了模型的泛化能力。
-
公开(公告)号：CN119248703A
公开(公告)日：2025-01-03
申请号：CN202411333050.1
申请日：2024-09-24
Applicant: 中国电子技术标准化研究院 , 桂林电子科技大学
IPC: G06F15/17 , G06F15/173
Abstract: 本发明公开基于多片FPGA系统的数据采集同步存储装置及方法，装置包括：主FPGA按照预设周期分别向每一从FPGA的数据输入端发送时间戳信号；每一并行ADC单元从外部数据输入端口接收输入数据并进行模数转换处理后，得到第一数据并输出至相应从FPGA；从FPGA对分别接收的第一数据和时间戳信号混合后进行预设数字信号处理，得到第二数据并发送至主FPGA，每一从FPGA设有用于存储第一数据和第二数据的存储单元；主FPGA接收每一从FPGA发送的第二数据，基于时间戳信号获取每一第二数据的延迟信息，并在预设周期内对每一第二数据进行同步校准，控制每一从FPGA相应调整其数据位，使所有所述第二数据保持同步存储。
-
公开(公告)号：CN117036381A
公开(公告)日：2023-11-10
申请号：CN202310900831.3
申请日：2023-07-21
Applicant: 中国电子技术标准化研究院 , 桂林电子科技大学
Abstract: 本发明涉及医疗图像处理技术领域，具体地说是一种基于U‑Net的残差双卷积与混合卷积的肠息肉分割网络方法，包括对图片进行数据增强，对残差双卷积模块进行搭建，对混合卷积模块进行搭建，对整体结构进行搭建以及对整体模型进行训练并评估模型，本发明将U‑Net编码部分中用于特征提取的卷积层与残差网络中的残差部分相结合，在原卷积的基础上将空洞卷积与点卷积融合为混合卷积，考虑到混合卷积中的空洞卷积与点卷积分别具有空间位置提取能力与特征强化能力，将混合卷积放置在U‑Net下采样与上采样层间，用于传递并强化空间位置信息，形成了混合卷积模块MixConv，在肠息肉语义分割上具有优越性能。
-
公开(公告)号：CN115359036A
公开(公告)日：2022-11-18
申请号：CN202211080000.8
申请日：2022-09-05
Applicant: 桂林电子科技大学
Abstract: 本发明提出了一种基于同态加密的联邦学习肺结节检测方法，实现步骤为：采用形态学等方法将肺部CT图像分割出肺实质；图像几何操作对肺实质进行数据增强，用于训练和测试；训练集样本平均分发给客户端且符合Non‑IID分布；搭建联邦学习框架；构建3D DPN26Faster R‑CNN肺结节检测模型；本地客户端参数初始化；本地客户端模型训练更新权重参数；本地客户端权重参数采用同态加密并上传中央服务器；中央服务器聚合加密的权重参数，分发给本地客户端；客户端解密进行模型更新；获得肺结节检测结果。本发明通过UNet网络分割肺实质实现了端到端的操作，采用同态加密保证了半诚实敌手和恶意敌手无法窃取数据信息且不影响模型精度，适用于不同环境的隐私保护场景。
-
公开(公告)号：CN117331860B
公开(公告)日：2024-11-22
申请号：CN202311336785.5
申请日：2023-10-16
Applicant: 中国电子技术标准化研究院 , 桂林电子科技大学
IPC: G06F12/1009 , G06F12/1045
Abstract: 本发明公开了基于位图和布谷鸟过滤器的多流固态硬盘地址映射方法，属于存储领域，本映射方法基于DFTL结构进行了改进，将CMT淘汰的映射条目保存至流动翻译页面(FTP)，并加入了位图和布谷鸟过滤器两种高效的数据结构对FTP进行检索，以提高查询速度。为了更好地从淘汰的映射条目中筛选连续性高的LPN，引入了GHOST‑CMT暂存淘汰映射条目。同时，本方法适配了多流固态硬盘性质，对冷热数据进行不同处理，更好的利用了缓存空间。经过实验测试，本发明在同等空间下提高了CMT的命中率和GC时的效率，减少了写放大，使得SSD的性能和寿命都有了提升。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.1 seconds)
