-
公开(公告)号：CN110458060A
公开(公告)日：2019-11-15
申请号：CN201910694429.8
申请日：2019-07-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于对抗学习的车辆图像优化方法及系统，该方法的步骤为：收集不同角度拍摄的车辆图像，将车辆图像划分为标准场景图像和非标准场景图像；对非标准图像进行图像预处理后作为低质量数据集；构建基于生成对抗网络的车辆图像优化模型，模型由生成器、判别器和特征提取器构成；训练基于生成对抗网络的车辆图像优化模型，设置损失函数，采用反向传播计算网络权重梯度并更新车辆图像优化模型参数；车辆图像优化模型训练完成后，保留生成器作为最终的车辆图像优化模型，输入多场景车辆图像，输出优化的标准场景图像。本发明实现复杂场景车辆图像到标准场景车辆图像迁移，达到优化图像质量目的，提升车辆检测识别准确率。
-
公开(公告)号：CN109347852A
公开(公告)日：2019-02-15
申请号：CN201811315880.6
申请日：2018-11-07
Applicant: 暨南大学
CPC classification number: H04L63/20 , H04L9/3247 , H04L41/14 , H04L67/12
Abstract: 本发明公开了一种轻量级的车联网信任评估方法，具体包括步骤：S1、在节点先前交互结束时，交互双方均根据交互体验为对方生成一条包含自身数字签名的信任证明并发送给对方；S2、交互双方收到新的信任证明后验证其签名信息，并更新本地存储以保存对自身最有利的至多η条信任证明，其中η∈Z+为系统参数；S3、在潜在交互开始时，潜在交互双方均将本地存储的信任证明发送给对方以证明自身可信赖；S4、潜在交互双方通过数字签名信息验证信任证明的真实性并据此导出对方的信任值和决定是否同意与之交互，当且仅当双方都同意时进行交互。本发明不依赖信任中心和路侧单元，更符合车联网的大规模、分布式特性。
-
公开(公告)号：CN107222478A
公开(公告)日：2017-09-29
申请号：CN201710389296.4
申请日：2017-05-27
Applicant: 暨南大学
IPC: H04L29/06
Abstract: 本发明涉及一种软件定义网络(SDN)控制层安全机制构建方法，首先形成可认证的网络流，认证通过的网络流作用于交换机，该网络流及其作用后的交换机状态分别形成网络流交易和网络状态交易，被记录于区块链中；运用区块链上的数据具有不可篡改的特性，通过审计SDN应用的网络流交易及网络状态交易数据，对网络进行排查和追踪；依赖区块链共识机制，在控制器之间达成对网络状态资源的一致性共识；由控制器针对与其连接的SDN应用身份和类别应用基于属性加密的密码工具(ABE)设置资源访问控制策略，实现网络资源的细粒度访问控制。本发明加强了SDN控制层的安全性，使得流向SDN的网络流可认证，网络流和网络状态可追踪审计，实现网络资源的安全访问控制。
-
公开(公告)号：CN107194587A
公开(公告)日：2017-09-22
申请号：CN201710373308.4
申请日：2017-05-24
Applicant: 暨南大学
CPC classification number: G06Q10/06 , G06Q30/0185 , G06Q30/0609
Abstract: 本发明公开了一种基于区块链及专家系统的艺术品流通及鉴定登记方法，该方法首先由鉴定市场智能合约完成对艺术品鉴定结果的登记，再允许其在交易市场智能合约流通并记录，本发明利用鉴定市场智能合约中积累的区块信息，在区块链外对鉴定信息的机器学习获取知识，建立专家系统，通过对询问专家系统的艺术品提供鉴定意见，满足对于商品鉴定有效性与鉴定结果核查的需求。另外交易市场智能合约在保护交易者身份隐私免遭泄露之下，结合鉴定市场智能合约，建立文物登记，以具体记载文物的流通状况与鉴定结果。最终凭借着上述方法共同确保在艺术品交易过程中实现了去中心化，同时，达到了可信、便捷、低成本的增益效果。
-
公开(公告)号：CN114119329B
公开(公告)日：2024-07-16
申请号：CN202111275701.2
申请日：2021-10-29
Applicant: 暨南大学
IPC: G06T1/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双卷积模块的水印去除方法、装置、计算机设备和存储介质，所述方法包括：将带水印图案的待处理图像输入多任务水印分割网络，输出初步去除水印的第一图像和水印掩码；将第一图像和水印掩码输入基于双卷积模块的主干网络，输出优化后的去除水印的图像；其中，双卷积模块包括卷积模块和部分卷积模块，利用部分卷积模块更新输入掩码，通过像素级求和将卷积模块和部分卷积模块输出的特征进行结合。本发明融合了部分卷积与普通卷积的优势及特长，在主干网络中通过由双卷积模块拼接组合成的双卷积残差块代替常用的大卷积核的双卷积模块，使得网络能够在更深的、拥有更多的可学习参数的同时能更稳健地进行学习。
-
Patent Agency Ranking
公开(公告)号：CN117609962B
公开(公告)日：2024-05-07
申请号：CN202410089289.2
申请日：2024-01-23
Applicant: 暨南大学
Abstract: 本发明公开了一种基于特征点生成的图像式超链接生成方法，所属技术领域为图像信息隐藏领域，包括：基于公共数据集进行随机抽取，获得真实数据集，对真实数据集进行处理，获得图像的真实特征点和边缘图；基于真实数据集和真实特征点以及边缘图对模型进行训练，获得预训练模型；将超链接编码成01比特串后生成消息矩阵，基于消息矩阵进行消息隐藏，获得隐含超链接的特征点矩阵；基于预训练模型和隐含超链接的特征点矩阵获取合成图像；提取合成图像的特征点，基于秘密消息提取算法恢复超链接。本发明充分利用载体合成式框架的优点和图像特征点的鲁棒性，不需要固定的载体图像来嵌入超链接，进而提高方案的安全性和对常见几何攻击的鲁棒性。
-
公开(公告)号：CN113993125B
公开(公告)日：2023-12-05
申请号：CN202111207530.X
申请日：2021-10-18
Applicant: 暨南大学
Abstract: 本发明公开了一种基于虚假位置注入的移动APP隐私保护的位置采集方法、系统及介质。该方法具体为：服务端将数据收集方收集的位置信息拦截；根据用户需求生成虚假的GPS定位信息，使用k‑匿名算法伪造匿名的GPS定位信息，使用POI替换技术对匿名后的GPS定位信息进行二次处理，得到虚假的GPS定位信息；将虚假的GPS定位信息注入到GPS定位信息的返回值。本发明利用Xposed框架来实现对GPS定位的伪造，用户可以将自己的匿名位置信息注入到某一现有的基于位置的服务第三方应用，在任意时间根据自己需求对自己的位置信息进行保护，且不影响原有基于位置服务软件的功能。另外，本发明通过POI(兴趣点)替换技术对k‑匿名生成的虚假位置进行二次处理，提高隐私保护的强度。
-
公开(公告)号：CN116821522B
公开(公告)日：2023-12-01
申请号：CN202311099016.8
申请日：2023-08-30
Applicant: 暨南大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种基于群组的合作性群智感知任务推荐方法及系统，包括以下步骤：确定角色类型，其中，角色类型包括：合作性群智感知平台、参与者和参与者群组；通过合作性群智感知平台，根据参与者和任务的信息构建参与者群组；根据参与者群组，设计双重注意力机制，聚合组成员偏好，得到群组和任务的嵌入表示；根据群组和任务的嵌入表示，利用基于神经网络的协同过滤算法，设计协同神经网络结构，为参与者群组生成个性化的top‑K任务推荐列表。本发明解决合作性群智感知中个人推荐方法无法应用在群组中的问题，综合考虑参与者能力和偏好差异，使用双重注意力机制提高了任务和群组嵌入表示的准确度，进而增强了任务推荐算法的性
-
公开(公告)号：CN116664456A
公开(公告)日：2023-08-29
申请号：CN202310960223.1
申请日：2023-08-02
Applicant: 暨南大学
IPC: G06T5/00 , G06N3/0464 , G06N3/098 , G06T5/50 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提出一种基于梯度信息的图片重建方法、系统及电子设备，包括：获取联邦学习中的图片分类模型，及其原始真实图片的真实梯度信息；基于所述真实梯度信息和图片分类模型，获取虚拟图片、标签信息和虚拟梯度信息；获取所述真实梯度信息与所述虚拟梯度信息之间的损失值；基于所述损失值对虚拟图片进行迭代优化，获取重建的图像。本发明基于梯度信息可重建出高质量的图片，重建的虚拟图片与原始真实图片之间的PSNR值达到25.6至33.8之间。
-
公开(公告)号：CN113641192B
公开(公告)日：2023-07-18
申请号：CN202110763664.3
申请日：2021-07-06
Applicant: 暨南大学
Abstract: 本发明公开了一种基于强化学习的无人机群智感知任务的路径规划方法，在演员‑批评者架构中加入多头注意力机制和对其他无人机策略的拟合，使得无人机执行决策时，充分考虑其他无人机的状态和策略。当无人机的数据收集量大于平均水平时，给予额外的奖励值以加速任务完成。当无人机间的路径重叠时，根据信号点数据量判断属于协作或竞争，依此修正它们的奖励值，从而促进其协作。使用n步返回时序差分计算批评者网络的目标价值，使无人机更有远见。最后，为使无人机更好的探索最大化数据收集量，使用分布式架构，给不同虚拟场景的无人机决策网络输出的动作加上不同方差的噪声。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.028 seconds)
