公开(公告)号：CN119402203A

公开(公告)日：2025-02-07

申请号：CN202411431561.7

申请日：2024-10-14

Applicant: 安徽大学

Inventor： 金哲 ,  张慧 ,  董兴波 ,  孟庆国 ,  王严

IPC: H04L9/32 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/084 ,  H04L9/08 ,  H04L1/00

Abstract: 本发明属于信息安全领域，具体涉及一种融合AdaMTrans和Neural‑MS解码的无约束生物特征验证方法、系统、设备。该方案设计了一种新型AdaMTrans编码器来量化和二值化生物特征，并结合自适应随机掩码方案，减轻了生物特征噪音和系统纠错能力之间的不一致性。本发明方案中还应用了通信领域中的5G‑LDPC编码方案，设计了一种基于监督学习的Neural‑MS解码器，与非学习解码器相比，该方案具有迭代次数更少，纠错性能更强的优势，从而缓解了现有方案性能下降的弊端。本发明方案对无约束场景下基于生物特征的身份识别具有明显优势，提高了生物特征识别的可靠性，有效缓解了生物特征噪声和系统纠错能力之间的差距以及因生物特征与用户固有联系而产生的隐私安全问题。

公开(公告)号：CN118674945A

公开(公告)日：2024-09-20

申请号：CN202410872684.8

申请日：2024-07-01

Applicant: 安徽大学

Inventor： 李成龙 ,  孟庆国 ,  鹿安东 ,  王亮 ,  黄岩

IPC: G06V10/62 ,  G06N3/0455 ,  G06N3/084 ,  G06V10/80

Abstract: 本发明提供一种基于自适应感知的通用型多模态目标跟踪模型、训练方法、应用。具体的，在模型输入层，考虑到可见光模态比红外、深度和事件模态具有更加丰富的语义信息，为了更好的保留这些信息，为可见光模态单独设置了一个嵌入层，为红外、深度和事件模态设置一个共享的嵌入层，这样的设置同样也兼顾了输入层的灵活性，这为了能够对输入模态进行自适应感知，设计了一个简单有效的模态感知模块，能够同时进行特征提取、特征交互和模态感知。在多模态跟踪中，每个模态都包含一些与模态无关的信息，例如目标的形状、运动和上下文信息等。这些信息有助于捕捉不同模态之间共享的语义信息，从而协助模型理解目标的整体上下文。此外，承载着每种模态独特的视角和信息的模态特定特征也十分关键，它可以促进模型对整体信息的理解和处理能力。通过充分利用模态无关特征和模态特定特征，可以提高模型对复杂多模态数据的感知和分析水平，实现更准确、鲁棒的任务执行。