-
公开(公告)号：CN106045140B
公开(公告)日：2018-09-11
申请号：CN201610501946.5
申请日：2016-06-30
Applicant: 中南大学
IPC: C02F9/06 , C22B3/04 , C02F103/16
Abstract: 一种铜冶炼污酸控电位选择性分离的方法，铜冶炼污酸首先加入氧化剂控电位将溶液中的As(Ⅲ)全部氧化为As(Ⅴ)，然后加入硫化钠控电位将溶液中的铜以硫化铜形式沉淀产出铜精矿；除铜后液加入还原剂控电位将溶液中As(Ⅴ)全部还原为As(Ⅲ)，然后再加入硫化钠控电位将溶液中的砷以硫化砷形式沉淀，最终除砷后液用石灰中和产出石膏渣，中和后液送废水处理后达标排放。本发明避开传统的铜冶炼污酸用石膏中和处理的思路，选择性实现有价金属的分步沉淀，实现污酸中铜和砷分步沉淀，铜和砷的分离效果好，试剂消耗少。
-
公开(公告)号：CN114495013B
公开(公告)日：2025-03-21
申请号：CN202210191841.X
申请日：2022-03-01
Applicant: 中南大学
IPC: G06V20/52 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种异常行为检测方法、装置及存储介质，在使用深度学习的基础上，充分发挥了边缘服务器高响应、低延迟的优势，提出了一种基于无数据知识传递的异常行为检测方法。本发明可以保证在不访问原始数据集，不使用任何自然图像和标记数据的前提下，为边缘模型提供用于训练的合成图像数据集，并利用云端模型和边缘模型之间的分歧提高合成图像的多样性。经过实验证明，本发明的可行性高，经过训练的模型可运行于边缘设备，且在异常行为检测时准确率较高，且拥有低延迟、响应快的优势，有效克服了庞大复杂的云端模型无法在边缘设备运行的弊端。
-
公开(公告)号：CN114495013A
公开(公告)日：2022-05-13
申请号：CN202210191841.X
申请日：2022-03-01
Applicant: 中南大学
Abstract: 本发明公开了一种异常行为检测方法、装置及存储介质，在使用深度学习的基础上，充分发挥了边缘服务器高响应、低延迟的优势，提出了一种基于无数据知识传递的异常行为检测方法。本发明可以保证在不访问原始数据集，不使用任何自然图像和标记数据的前提下，为边缘模型提供用于训练的合成图像数据集，并利用云端模型和边缘模型之间的分歧提高合成图像的多样性。经过实验证明，本发明的可行性高，经过训练的模型可运行于边缘设备，且在异常行为检测时准确率较高，且拥有低延迟、响应快的优势，有效克服了庞大复杂的云端模型无法在边缘设备运行的弊端。
-
公开(公告)号：CN113095446B
公开(公告)日：2021-09-03
申请号：CN202110640175.9
申请日：2021-06-09
Applicant: 中南大学
Abstract: 本发明公开了一种异常行为样本生成方法及系统，从样本充足的基类中搜索与其他样本的特征的距离之和最小的样本，即基类的质心，并将该质心作为基类中心；计算当前新类样本与所有基类中心的欧式距离，选择与该新类样本距离最近的k个基类作为最近邻基类；计算所述k个基类的中心的平均值，作为近似类中心，计算近似类中心与新类样本的中点，作为最终的新类分布中心；利用最终的新类分布构造一个基于高斯分布的样本生成器，用以随机生成虚拟样本。本发明不但更加准确地估计出了新类的分布中心，而且有效解决了少样本学习中对相似类的分类效果不佳的问题。
-
公开(公告)号：CN113095446A
公开(公告)日：2021-07-09
申请号：CN202110640175.9
申请日：2021-06-09
Applicant: 中南大学
Abstract: 本发明公开了一种异常行为样本生成方法及系统，从样本充足的基类中搜索与其他样本的特征的距离之和最小的样本，即基类的质心，并将该质心作为基类中心；计算当前新类样本与所有基类中心的欧式距离，选择与该新类样本距离最近的k个基类作为最近邻基类；计算所述k个基类的中心的平均值，作为近似类中心，计算近似类中心与新类样本的中点，作为最终的新类分布中心；利用最终的新类分布构造一个基于高斯分布的样本生成器，用以随机生成虚拟样本。本发明不但更加准确地估计出了新类的分布中心，而且有效解决了少样本学习中对相似类的分类效果不佳的问题。
-
Patent Agency Ranking
公开(公告)号：CN118822876B
公开(公告)日：2024-11-26
申请号：CN202411297303.4
申请日：2024-09-18
Applicant: 中南大学
IPC: G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/80 , G06V20/10
Abstract: 本发明公开了一种船舰高光谱图像生成方法、终端设备及存储介质，通过基于内容一致性约束的光谱生成对抗网络确保了可见光图像与原始红外图像在视觉上的高度一致性，同时增强了图像的真实感。在特征提取与变换阶段，利用嵌入层和频谱注意机制精确提取关键特征，并通过卷积层进行有效的特征变换，为生成高光谱图像提供了丰富的信息。最后，掩膜引导的光谱变换器精确地将提取的光谱特征转换为高光谱图像，保证了生成图像的高光谱分辨率和质量。本发明提升了图像处理的质量和效率。
-
公开(公告)号：CN113780557B
公开(公告)日：2022-02-15
申请号：CN202111332352.3
申请日：2021-11-11
Applicant: 中南大学
IPC: G06N3/08 , G06N3/04 , G06N5/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06F21/64
Abstract: 本发明公开了一种基于免疫理论的对抗图像攻击方法、装置、产品及介质，基于图像像素的位置关系，利用神经网络损失函数的梯度回传学习每一个像素所占的权重值，得到注意力权重，将注意力权重与像素值相乘后输入激活函数，得到注意力类激活图Ac(i,j)，所述类激活图可近似表征图像目标像素；通过掩码Bk随机掩盖注意力类激活图Ac(i,j)，获取对非目标像素攻击无效的注意力激活图，利用非目标像素攻击无效的注意力激活图获取分类特征向量；将分类特征向量输入设计的泛化性鲁棒损失函数计算梯度值，利用梯度值对神经网络进行后向传播，训练所述神经网络。本发明的方法在对抗图像攻击任务中达到了最先进防御水平。
-
公开(公告)号：CN112884657B
公开(公告)日：2021-07-16
申请号：CN202110487901.8
申请日：2021-05-06
Applicant: 中南大学
Abstract: 本发明公开了一种人脸超分辨率重建方法及系统，采用人工智能中的深度学习方法，结合人脸超分辨率技术，实现了在不需要人脸先验知识的情况下重建清晰的人脸图像。本发明方法构建一个渐进式超分辨率重建模块，逐步提升人脸图像的分辨率，充分利用低分辨率人脸以及噪声信息，可将低分辨率的低光照的人脸重建成面部轮廓、细节信息清晰的超分辨率人脸图像，低分辨率图像的训练有助于更高级别分辨率的训练，因此整体的训练速度更快。
-
公开(公告)号：CN111235384B
公开(公告)日：2021-02-02
申请号：CN202010143451.6
申请日：2020-03-04
Applicant: 中南大学
IPC: B09B3/00
Abstract: 本发明公开了一种从废催化剂中分离提取钒镍的方法，将向含钒、镍的废催化剂与碳质还原剂、氯化钙、钒镍捕收剂和水混合造球，制得球团，随后进行一段焙烧和二段焙烧，焙烧后磁选分离获得富镍钒海绵铁合金；随后将富镍钒海绵铁合金经二段焙烧、水浸处理，分离得到钒浸出液和镍渣；将镍渣和硫酸混合，进行二段烧结、水浸得到镍浸出液和浸出渣；浸出渣循环套用。本发明具有工艺简单，成本低，镍钒提取率高，铁元素循环利用，适用于工业化应用等优点。
-
公开(公告)号：CN112028209A
公开(公告)日：2020-12-04
申请号：CN202010928274.2
申请日：2020-09-07
Applicant: 中南大学
IPC: C02F1/62 , C02F9/04 , C02F101/22 , C02F103/24
Abstract: 本发明属于制革废水处理技术领域，具体公开了一种低浓度制革含铬废水的除铬剂，其包含成分A和成分B；所述的成分A为臭氧、氯酸盐、次氯酸盐、高锰酸盐、二氧化氯中的一种或几种；所述的成分B为钡、铅中的至少一种金属的盐。本发明还提供了所述的除铬剂在pH控制和强化辅助下深度脱除低浓度制革含铬废水中铬的方法。本发明具有工艺简单，成本低，处理出水的铬含量可降至0.5mg/L以下，铬去除效果好，适用于工业化应用等优点。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.023 seconds)
