-
公开(公告)号：CN118364286B
公开(公告)日：2025-03-18
申请号：CN202410494020.2
申请日：2024-04-24
Applicant: 山东省人工智能研究院 , 山东科技大学 , 齐鲁工业大学(山东省科学院)
IPC: G06F18/214 , G06F18/2131 , G06F18/2431 , G06N3/0499 , G06N3/048 , G06N3/084 , G06F9/50
Abstract: 一种基于小波分解和多头外部注意力机制的轻量级云服务器负载预测方法，涉及云服务器负载预测技术领域，有效地结合了小波变换技术和Transformer架构，可以快速、准确地预测云数据中心各类资源的长期负载。采用小波变换技术将预测序列分解为不同频率的子序列，突出负载的趋势部分，并使用高频信息细化预测效果，以实现对负载时间演变规律的精确捕捉。通过引入外部注意力机制模块，显著提升了模型的性能，在保持预测精度的基础上，降低了计算复杂度，从而优化了负载预测的推理效率。同时，外部记忆单元能够深入挖掘并利用不同序列之间的潜在影响，进一步提升了模型的预测能力。
-
公开(公告)号：CN118587754A
公开(公告)日：2024-09-03
申请号：CN202410727373.2
申请日：2024-06-06
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东浪潮智慧医疗科技有限公司 , 北京嘉和美康信息技术有限公司
Abstract: 一种基于感知扰动的失真图像生成方法，涉及图像级深度伪造领域，为了解决敌手通过图像重建来消除扰动，在生成扰动图像的过程中，先将原始图像转换到YCbCr颜色空间，在YCbCr颜色空间的Cb和Cr通道上添加扰动，再转换为RGB颜色空间，得到视觉上自然的扰动图像。敌手此时获取扰动图像，将其送至生成模型输出内容失真的图像，达到阻止虚假信息传播目的。
-
公开(公告)号：CN117257322B
公开(公告)日：2024-04-19
申请号：CN202311224273.X
申请日：2023-09-21
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
Abstract: 一种基于双分支网络的多标签心电信号分类方法，涉及心电信号分类技术领域，构建了一个能够对复杂多标签心电信号进行分类的模型，通过挖掘心电信号中的粗粒度和细粒度特征，并充分利用多导联心电图的多样性，以此有效的提高模型分类的准确率以及在不同数据库之间的泛化能力。
-
公开(公告)号：CN116453199B
公开(公告)日：2024-01-26
申请号：CN202310566946.3
申请日：2023-05-19
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
Abstract: 基于复杂纹理区域伪造痕迹的GAN生成人脸检测方法，首先提供了一种用于紧密连接的卷积层的DenseNet作为纹理增强块，对每张人脸图像的浅层纹理特征图进行纹理信息的增强。然后将增强的纹理特征图送入DCAR‑Net来提高感受野的灵活性，从而能够捕捉到更全局、语义层次更高的特征。该方法在网络主干中引入了空洞卷积以及跳跃连接，对于伪造检测任务来说，空洞卷积能够更好地捕捉到比较分散的伪造换脸痕迹，跳跃连接使得网络有恒等映射的能力，可以使网络变得更深、更容易训练，同时能够降低计算的复杂度，从而保证更好的人脸伪造检测效果。(56)对比文件Su-Gyeong Yu等.Face SpoofingDetection Using DenseNet《.InternationalConference on Intelligent Human ComputerInteraction》.2021,第 229-238页.Chih-Chung Hsu等.Deep Fake ImageDetection Based on Pairwise Learning.《MDPI》.2020,第1-14页.Hong-Shuo Chen等.DEFAKEHOP: A LIGHT-WEIGHT HIGH-PERFORMANCE DEEPFAKEDETECTOR《.arXiv:2103.06929v1》.2021,第1-6页.
-
公开(公告)号：CN117338310A
公开(公告)日：2024-01-05
申请号：CN202311523667.5
申请日：2023-11-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 一种基于对比学习和多尺度特征提取的心电信号分类方法，涉及心电信号分类技术领域，SE‑ResNeXt‑CAN网络模型由浅层特征提取模块、第一SERM模块、第二SERM模块、第一CARM模块、第二CARM模块构成，SE‑ResNeXt‑CAN网络模型通过多个模块的组合和优化，自适应地学习各个通道之间的关联性，扩大感受野，充分捕捉关键特征，提升了心电信号分类任务的性能和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN117315798A
公开(公告)日：2023-12-29
申请号：CN202311546911.X
申请日：2023-11-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院
IPC: G06V40/40 , G06V40/16 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于身份脸型特征的深度伪造检测方法，涉及深度伪造检测技术领域，引入身份特征与3D人脸形状特征相结合，设计了脸型一致性自注意力模块、身份引导脸型一致性注意力模块，挖掘其中的身份脸型不一致特征，根据不同检测人脸的参考人脸信息，具有更强的针对性。额外利用了待检测人脸的参考人脸辅助检测，具有更强的针对性。利用身份特征和形状特征实现更好的泛化检测性能，提高深度伪造检测性能和精准度。
-
公开(公告)号：CN116612087A
公开(公告)日：2023-08-18
申请号：CN202310577137.2
申请日：2023-05-22
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 青岛海信医疗设备股份有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 一种基于YOLOv5‑LA的冠脉CTA狭窄检测方法，通过设计更轻量的LA网络来替代YOLOv5的主干特征提取网络。该方法分为两个阶段。第一阶段，通过分离可卷积和残差连接以降低计算复杂度，同时增强模型的感受野。第二阶段，引入轻量级注意力机制ECA，以建模通道之间的关系。然后，通过1×1的卷积进行通道重排，以增加特征之间的交互性，提高网络的表达能力，并减少模型对某些特定通道的依赖，从而防止过拟合。该改进方法可避免由于冠脉CTA图像分辨率较高和YOLOv5参数量较大而导致的低效率问题，在检测医学图像病变部位时更为准确和高效。
-
公开(公告)号：CN116468619A
公开(公告)日：2023-07-21
申请号：CN202310184267.X
申请日：2023-03-01
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 一种基于多特征反馈融合的医学影像去噪方法，运用了采用了解码‑编码的网络框架，通过多特征反馈融合网络对图像进行特征提取。特征反馈融合网络由多特征反馈融合模块(MFFM)和并联扩张卷积模块组成。通过并联多个不同扩张率的扩张卷积层在提取浅层特征的同时既增大特征图的感受野，又保证信息不丢失。多特征反馈融合模块(MFFM)可以将进一步提取的深层特征以注意力机制的形式反馈给浅层特征，从而实现深层特征和浅层特征的深度融合。将融合后的特征图池化放大至相同尺寸可以保证输入特征图的shape不变。化特征向量，降低噪声因子的干扰。恢复特征图融合了关键像素特征，强化了特殊而又复杂的模糊边缘，降低了噪声对冠状动脉CTA的影响。
-
公开(公告)号：CN116453199A
公开(公告)日：2023-07-18
申请号：CN202310566946.3
申请日：2023-05-19
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
Abstract: 基于复杂纹理区域伪造痕迹的GAN生成人脸检测方法，首先提供了一种用于紧密连接的卷积层的DenseNet作为纹理增强块，对每张人脸图像的浅层纹理特征图进行纹理信息的增强。然后将增强的纹理特征图送入DCAR‑Net来提高感受野的灵活性，从而能够捕捉到更全局、语义层次更高的特征。该方法在网络主干中引入了空洞卷积以及跳跃连接，对于伪造检测任务来说，空洞卷积能够更好地捕捉到比较分散的伪造换脸痕迹，跳跃连接使得网络有恒等映射的能力，可以使网络变得更深、更容易训练，同时能够降低计算的复杂度，从而保证更好的人脸伪造检测效果。
-
公开(公告)号：CN119377881B
公开(公告)日：2025-04-29
申请号：CN202411441883.X
申请日：2024-10-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海尔科技有限公司
IPC: G06F18/25 , G06F18/2431 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0442
Abstract: 一种高质量可穿戴传感器数据合成方法，涉及数据合成技术领域，提供了面向高质量传感器数据合成任务的生成式模型方法，从而能够根据任务的实际需求，合成高信息价值的可穿戴传感器数据样本。将主动学习机制引入到对抗训练中，对样本的信息价值进行自适应评估，使生成式模型能够更有效地学习信息价值高的数据的分布特性，从而合成更有实用价值的可穿戴传感器数据样本。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.063 seconds)
