公开(公告)号：CN119313986B

公开(公告)日：2025-03-21

申请号：CN202411857098.2

申请日：2024-12-17

Applicant: 湖南大学

Inventor： 何子龙 ,  谢鲲 ,  李晓灿 ,  文吉刚

IPC: G06V10/764 ,  G06V10/72

Abstract: 本发明涉及无线电定向技术领域，具体公开面向图像识别任务的快速DCT频率分量选择方法，该方法包括：频率分量选择集统计、图像识别准确指标判定、选择因子匹配以及图像识别反馈，获取待处理图像，导入频率变换组件得到频率分量，完成快速DCT选择并统计为频率分量选择集，利用该集进行图像任务识别，判定其识别准确指标，与预定义识别准确参照指标比较得到比较结果，基于结果匹配选择因子，使得频率分量能够适应不同任务条件，结合图像识别有效性数据，综合评估图像识别有效程度值，对频率分量选择集的图像识别进行反馈，整个过程旨在优化频率分量选择集在图像识别任务上的效率与准确性。

公开(公告)号：CN119484842A

公开(公告)日：2025-02-18

申请号：CN202510071184.9

申请日：2025-01-16

Applicant: 湖南大学

Inventor： 张甜 ,  刘彩苹 ,  谢鲲 ,  欧阳与点 ,  文吉刚

IPC: H04N19/154 ,  H04N19/136 ,  H04N19/172 ,  H04N19/85 ,  G06V40/16

Abstract: 本发明涉及视频信号压缩技术领域，具体公开基于关键帧预测的人脸视频压缩方法及系统，该方法包括：人脸视频质量分析、人脸视频关键帧提取、人脸视频压缩以及人脸压缩视频解压与重构，通过分析人脸初始视频特征数据，准确评估人脸初始视频的质量，通过分析各提取帧的特征数据，深入了解提取帧内容的细节和变化，为后续的关键帧提取提供准确依据，确保提取出的关键帧能够准确反映视频中的变化，将人脸视频中的各关键帧和各特征帧采用不同的压缩编码，更加高效地利用压缩资源，同时保证视频的质量和清晰度，通过分析第二人脸视频特征数据，判断经过压缩的人脸视频最终的质量是否达到预期，确保人脸视频压缩的质量和效果达到预期要求。

公开(公告)号：CN119383273A

公开(公告)日：2025-01-28

申请号：CN202411962545.0

申请日：2024-12-30

Applicant: 湖南大学

Inventor： 谭张雅玉 ,  刘彩苹 ,  谢鲲 ,  欧阳与点 ,  文吉刚

IPC: H04N1/41 ,  H04N19/134 ,  H04N19/42

Abstract: 本发明公开了不稳定无线环境下遥感图像压缩传输方法、系统及设备，涉及数据压缩技术领域。首先，在预设的监测时间段内，对无线网络数据和遥感图像信息进行实时监测与处理，根据网络波动值动态切换网络环境并调整遥感图像的压缩率与采样率，然后对图像进行压缩，并在传输过程中检测与分析传输数据，若传输的遥感图像质量较低，接收端申请发送端重传遥感图像，以保证数据传输质量，根据实时网络状况智能调整图像压缩率和采样率，有效应对无线网络的不稳定性，确保遥感图像在传输过程中保持高质量，同时提高传输效率和可靠性。

公开(公告)号：CN118573868A

公开(公告)日：2024-08-30

申请号：CN202410569365.X

申请日：2024-05-09

Applicant: 湖南大学

Inventor： 谢鲲 ,  张继伟 ,  文吉刚

IPC: H04N19/169 ,  G06V20/13 ,  G06V10/774 ,  G06V10/82 ,  H04N19/164 ,  H04N19/196 ,  H04N19/42 ,  H04N19/44 ,  H04N19/463 ,  H04B7/185

Abstract: 本发明公开了一种遥感图像星地传输方法、终端设备及计算机程序产品，收集历史遥感图像，构建数据集，将所述数据集划分为训练集、验证集和测试集；利用所述训练集训练遥感图像传输模型；其中，所述遥感图像传输模型包括依次连接的编码器、模拟信道和解码器；所述编码器用于提取遥感图像的语义特征；所述模拟信道用于对编码器的输出进行模拟噪音干扰，并将干扰后的编码结果传输至解码器；训练过程中，所述模拟信道的参数保持不变；所述解码器利用接收到的编码结果重建原始遥感图像。本发明够解决现有的信源编码方案不能高效编码数据量巨大的遥感图像，无法突破香农熵极限的技术问题。

公开(公告)号：CN114493014B

公开(公告)日：2024-08-20

申请号：CN202210107028.X

申请日：2022-01-28

Applicant: 湖南大学

Inventor： 谢鲲 ,  刘丹 ,  陈小迪 ,  张大方 ,  文吉刚 ,  李肯立

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/27 ,  G06N3/0464 ,  G06N3/0442 ,  G06F123/02

Abstract: 本发明公开了一种多元时间序列预测方法、系统及计算机产品、存储介质，使用两个特征提取编码分别提取长短期历史数据矩阵的时空特征向量，将历史时间序列矩阵输入空间特征提取编码器，生成加权注意力空间特征向量，将加权空间特征向量输入门控循环单元生成时空特征向量；将长期历史数据矩阵提取的时空特征向量输入交互注意力模块生成加权特征向量；将短期历史数据矩阵输入自回归层，生成短期历史时间序列数据的线性预测结果；将加权特征向量和编码特征向量结合输入全连接层生成神经网络预测结果，将神经网络预测结果和自回归层线性预测结果相加得到最终的预测结果。本发明实现了多元时间序列数据精准预测。

公开(公告)号：CN118155027A

公开(公告)日：2024-06-07

申请号：CN202410018216.4

申请日：2024-01-05

Applicant: 湖南大学

Inventor： 刘彩苹 ,  梁钰昌 ,  谢鲲 ,  李晓灿 ,  文吉刚 ,  毛建旭

IPC: G06V10/776 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0495 ,  G06N3/082

Abstract: 本发明公开了一种基于域自适应和神经网络动态剪枝的图像分类方法及系统，引入了局部最大平均差异度量作为域自适应损失，更为细粒度地减小领域数据分布差异的问题，而不是最直接从全局域来进行数据分布对齐。采用动态剪枝的方法，对参数施加掩码矩阵进行剪枝，有效避免了错误剪枝。定义了一个新的损失函数，由剪枝后的分类损失和用于转移源域数据知识辅助目标域剪枝的域自适应损失两部分组成，本发明的模型既能解决剪枝算法在有限训练数据的图像分类任务场景下不能很好执行来得到较高准确度的问题，同时也解决了当前跨域联合剪枝算法因没有考虑不同域数据分布差异的问题引起的剪枝后的图像分类准确度不高的问题。

公开(公告)号：CN117972323A

公开(公告)日：2024-05-03

申请号：CN202410047337.1

申请日：2024-01-12

Applicant: 湖南大学

Inventor： 欧阳与点 ,  谢鲲 ,  文吉刚 ,  张大方 ,  李肯立

IPC: G06F18/15 ,  G06F18/2135 ,  G06N3/042

Abstract: 本发明公开了一种低秩张量数据的压缩和缺失值恢复方法，包括使用正交Tucker分解将一个低秩的N阶张量数据分解成一个核心张量和N个正交因子矩阵，分别用于表示原始张量的交互系数和主成分，构造两个基于奇异值的指标为Tucker分解设置合适的秩，设计非均匀量化和熵编码方法捕获核心张量的偏斜分布并以低精度损失将其压缩成一个码本和一串比特流，设计移位量化和二进制编码方法捕获正交因子矩阵的有限数值范围并以低精度损失将其压缩成比特流，将压缩后的一个码本和N+1个比特流还原成一个核心张量和N个因子矩阵，使用还原后的核心张量和因子矩阵重构原始张量数据，同时恢复原始张量中的缺失值。本发明还公开了一种电子设备，执行所述任一种方法的步骤。

公开(公告)号：CN117828283A

公开(公告)日：2024-04-05

申请号：CN202311771578.2

申请日：2023-12-21

Applicant: 湖南大学

Inventor： 谢鲲 ,  林其雪 ,  李晓灿 ,  文吉刚 ,  张大方 ,  彭绍亮

IPC: G06F18/15 ,  G06F18/25 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/214 ,  H04L43/04 ,  H04L41/16

Abstract: 一种网络监测数据补全方法及设备。与现有技术相比，本发明通过神经网络捕获数据之间的非线性关联，从而提高数据补全的准确性。充分考虑网络数据相关特征，从而实现对网络数据进行具有针对性地补全，进一步提高数据补全的准确性。通过更新数据在每个时刻下的隐状态，并综合利用所提取的特征对二分图上未观测边进行预测，进一步提高数据补全的准确性。通过提出在线模式，使用由已收集数据训练的、固定参数后的模型对新到来数据进行补全，保证一定精度下快速地进行缺失数据的补全。

公开(公告)号：CN114492795A

公开(公告)日：2022-05-13

申请号：CN202210115990.8

申请日：2022-01-28

Applicant: 湖南大学

Inventor： 谢鲲 ,  赵一博 ,  刘灿 ,  张大方 ,  文吉刚 ,  李肯立

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种深度卷积神经网络压缩方法、计算机装置及存储介质，使用变分贝叶斯矩阵分解算法依次估计每一个卷积过程中的分解秩；根据卷积过程中产生的核权重张量和对应的分解秩，通过Tucker分解依次分解每一个核权重张量，产生多个核心张量和多组因子矩阵；在两个相邻的卷积操作之间共享因子矩阵，保留各自独立的子张量，以此来实现对深度卷积神经网络模型的进一步压缩。本发明进一步提高了深度卷积神经网络的压缩率，有效减少了参数数量和计算时间，并能够选择性地用于特定层以实现有针对性的和更深的压缩。

公开(公告)号：CN107070867B

公开(公告)日：2020-06-16

申请号：CN201710001459.7

申请日：2017-01-03

Applicant: 湖南大学

Inventor： 黄俊 ,  谢鲲 ,  陈宇翔 ,  文吉刚

IPC: H04L29/06

Abstract: 本发明公开了一种基于多层局部敏感哈希表的网络流量异常快速检测方法，利用多层局部敏感哈希表，通过局部敏感哈希函数，将OD对向量进行缓冲和重排，使相似的OD对向量映射到相同的哈希桶。在多层局部敏感哈希表的基础上，设计自适应寻找子空间方法和更新局部敏感哈希表方法，使得网络流量异常检测中的低秩矩阵逼近过程时间复杂度大大减少，降低异常检测整体时间复杂度，从而实现流量异常快速检测。