专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果20个,建议您升级VIP下载更多相关专利
  • [发明专利]基于降噪自编码器的密文图像分析方法和系统-CN202310291810.6在审
  • 游大涛;常晓琦;张梦轲;吕松楠;王明合;武相军;郭鹏格;焦翠红 - 河南大学
  • 2023-03-23 - 2023-08-08 - G06F21/46
  • 本发明提供一种基于降噪自编码器的密文图像分析方法和系统。该方法包括:针对单通道的明文图像集X,将单通道图像增加两个坐标通道得到对应的三通道图像,构建得到X对应的三通道的明文图像集Xc;使用给定混沌图像加密方法对Xc中的所有三通道图像进行加密,生成密文图像集Xc′;将降噪自编码器中的全连接层替换为卷积层和池化层,得到密文图像分析网络模型;将Xc′作为输入,将Xc作为目标数据,对该密文图像分析网络模型进行训练;将采用给定混沌图像加密方法的待分析密文图像输入至训练好的密文图像分析网络模型中,输出为破译的三通道图像,对该破译的三通道图像进行通道分离得到解密图像;根据该解密图像的破译效果判断给定加密方法的安全性。
  • 基于编码器图像分析方法系统
  • [发明专利]基于Transformer生成对抗网络的图像压缩感知重建方法及系统-CN202211502231.3在审
  • 武相军;白亚松;陈彦赫;刘源;吴俊 - 河南大学
  • 2022-11-28 - 2023-06-06 - G06T3/00
  • 本发明属于图像处理技术领域,特别涉及一种基于Transformer生成对抗网络的图像压缩感知重建方法及系统,该方法包括获取图像样本集,按比例划分为训练集和测试集,并对图像进行预处理;根据采样率,构建Transformer生成对抗网络模型;设置Transformer生成对抗网络模型的超参数,选择损失函数和优化方法;使用图像数据集在不同采样率下对网络模型进行训练,通过损失函数和优化方法训练学习网络模型的最优参数,得到不同采样率下训练好的Transformer生成对抗网络模型;使用训练好的Transformer生成对抗网络模型进行图像压缩感知重构,并使用评价指标来验证网络的性能。本发明使用基于注意力机制的Transformer Block构造深度生成对抗网络显著提升了重建图像质量。
  • 基于transformer生成对抗网络图像压缩感知重建方法系统
  • [发明专利]基于三维布尔卷积神经网络的彩色图像加密方法及系统-CN202210084410.3在审
  • 武相军;孔凯;游大涛;李海平;邢思兰;金冰冰 - 河南大学
  • 2022-01-25 - 2022-06-10 - G06T1/00
  • 本发明属于图像处理技术领域,特别涉及一种基于三维布尔卷积神经网络的彩色图像加密方法及系统,针对待加密的彩色明文图像,分离彩色明文图像红蓝绿三基色来获取三基色明文图像的分量矩阵;构建三维布尔卷积神经网络,其中,该三维布尔卷积神经网络中包含:用于生成三基色明文图像散列值密钥的SHA‑1算法组合,和用于生成卷积核并结合散列值密钥生成卷积矩阵的线性发生器组合;通过分量矩阵和卷积矩阵来组成输入映射,利用卷积核分别与输入映射进行三维布尔卷积运算来获取对应三基色明文图像的二维加密矩阵,并通过将二维加密矩阵进行行列变换来获取密文图像。本发明将卷积运算和异或运算相结合来进行图像加密,提升加密效果,便于实际场景应用。
  • 基于三维布尔卷积神经网络彩色图像加密方法系统
  • [发明专利]基于多尺度深度空洞残差网络的图像压缩感知重建方法及系统-CN202210083515.7在审
  • 武相军;马文娜;白亚松;刘源;陈彦赫 - 河南大学
  • 2022-01-25 - 2022-05-24 - G06T7/00
  • 本发明属于图像处理技术领域,特别涉及一种基于多尺度深度空洞残差网络的图像压缩感知重建方法及系统,针对图像数据,使用卷积采样网络模拟传统压缩感知测量过程对图像进行测量后得到测量值,测量值经过亚像素卷积网络完成测量向量到原始信号的初步重建;并在多尺度深度空洞残差网络中使用不同的空洞卷积来卷积学习不同的尺度特征,通过融合多尺度信息,增加网络的感受野以捕捉更多的上下文信息,从而提升成像效果;并通过使用卷积层代替传统随机矩阵的方法进行采样,提升测量值与图像的相关性。本发明能够在具有高重建图像质量的同时,可以解决现有基于块采样存在的图像块效应问题,便于实际重建图像场景中的应用。
  • 基于尺度深度空洞网络图像压缩感知重建方法系统
  • [发明专利]批量图像组合加密方法及装置-CN202110795933.4有效
  • 游大涛;吴潇飞;武相军;常晓琦;张梦柯 - 河南大学
  • 2021-07-14 - 2022-04-29 - H04N1/32
  • 本发明公开一种批量图像组合加密方法及装置,该方法包括:取K张大小为M×N的图像作为哈希算法的输入;将上述K张图像等分为3组,生成三个大小为M×N的新图像P1,P2和P3;更新P3将P1、P2和更新后的P3组合生成加密序列矩阵Q;以Q的第一行数值Q(1,n)为参数对图像进行行置乱,之后以Q的第二行数值Q(2,n)为参数对图像进行列置乱,所有的图像均更新为置乱后的图像将加密序列矩阵Q与所有置乱图像中对应位置的像素值进行异或运算,生成密文图像采用加密算法对矩阵Q进行加密,得到加密之后的矩阵本发明可以在确保安全性的基础上大幅降低加密过程的时间开销。
  • 批量图像组合加密方法装置
  • [发明专利]基于压缩感知和变形耦合映像格子的彩色图像加密方法-CN202010068676.X有效
  • 武相军;朱凯歌;王慧;李海平;程锦丽;孔凯 - 河南大学
  • 2020-01-21 - 2022-03-01 - H04N19/176
  • 本发明属于信息安全技术领域,特别涉及一种基于压缩感知和变形耦合映像格子的彩色图像加密方法,包含:分离彩色明文图像的三基色分量,得到分量矩阵;结合初始密钥,通过SHA‑256函数更新变形耦合映像格子的参数和初始值,通过迭代时空混沌系统获取测量矩阵、密钥流;将分量矩阵分割并获取新的图像矩阵;针对新的图像矩阵生成稀疏字典;利用测量矩阵测量新的图像,获取中间图像;将中间图像转化为系数矩阵,在频域执行置乱和扩散操作获取置乱扩散矩阵;利用密钥流矩阵,将置乱扩散矩阵执行像素级扩散运算,得到最终密文图像。本发明有效抵抗统计、已知和选择明文、选择密文攻击等,提高安全性和加密效果,具有较好的应用前景。
  • 基于压缩感知变形耦合映像格子彩色图像加密方法
  • [发明专利]基于类内类间距离的CNN模型心拍分类方法-CN201810708608.8有效
  • 游大涛;武相军;耿旭东;魏梦凡;原永朋;朱凯歌;任广龙;方旭阳 - 河南大学;赛尔网络有限公司
  • 2018-07-02 - 2021-08-17 - G06K9/00
  • 本发明涉及ECG心拍分类技术领域,尤其涉及基于类内类间距离的CNN模型心拍分类方法。基于类内类间距离的CNN模型心拍分类方法,包括:构建心拍特征数学模型;基于心拍特征数学模型,构建共性CNN模型;基于心拍特征数学模型,在共性CNN模型的基础上,采用类内距最小化类间距最大化方法对共性CNN模型进行改进,用以构建个性CNN模型;综合个性CNN模型的输出信息对心拍进行分类。本发明建立了共性CNN模型提取心拍的类间共性特征、类内距最小化类间距最大化的个性CNN模型提取心拍的类别个性特征,解决了由心拍类数据量不平衡导致的不能有效提取心拍特征的问题;将完整的心拍作为CNN的输入特征,实现了模型完全自动充分的提取心拍特征,进而准确的对心拍分类。
  • 基于类内类间距cnn模型分类方法
  • [发明专利]心电图心拍智能分类识别方法-CN202010154210.1有效
  • 武相军;白淑雯;游大涛;朱凯歌;王慧;马文娜;张长春;吴潇飞 - 河南大学
  • 2020-03-07 - 2021-07-06 - A61B5/318
  • 本发明属于心电信号识别技术领域,涉及一种心电图心拍智能分类识别方法,包含:获取心电图心拍信号样本数据,该样本数据包含健康者心电图心拍信号数据及不同类型病患者心电图心拍信号数据,并对样本数据进行预处理;构建堆叠自编码器,以无监督的方式自动提取心拍信号中特征信息;基于该特征组建分类识别数据库,训练通用背景模型,学习一般特征,其参数用来初始化心拍专用识别模型;采集每位患者前m分钟的心拍,训练专用识别模型,使其学习心拍特异性;利用后续分钟数数据对模型识别准确度进行测试。本发明提升心电识别准确度,实现心电信号实时持续监测,可适用于临床、可穿戴设备监护等多个领域,以便辅助医生快速进行相关诊断。
  • 心电图智能分类识别方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top