-
公开(公告)号：CN117336010A
公开(公告)日：2024-01-02
申请号：CN202311059769.6
申请日：2023-08-22
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于可信执行环境的轻量级布尔查询可搜索对称加密方法，所述方法包括：数据所有者为了节省计算、存储资源，并希望在保证数据安全的同时保留对数据的高效检索操作，在本地对明文文档进行对称加密生成密态文档EDoc，同时构造密态索引EIdx，然后将EDoc和EIdx上传至云服务器存储。云服务器承担数据存储与检索的职责，其接收数据所有者发送的查询令牌，先后在密态索引EIdx以及TEE内存中的未满一块索引上执行查询操作得到满足查询条件的文档标识符。本发明在大规模数据场景下提高了查询效率，也大大降低了索引的生成时间与占用空间大小。
-
公开(公告)号：CN116932682A
公开(公告)日：2023-10-24
申请号：CN202210343703.9
申请日：2022-03-31
Applicant: 中国科学院信息工程研究所
IPC: G06F16/31 , G06F16/33 , G06F40/242 , G06F40/279
Abstract: 本发明公开了一种基于非易失存储器的倒排索引存储装置，包括：至少一虚拟段，用以存储倒排索引的基本信息；一NVM词典，用以基于NVM词典中每一词项包含的虚拟段动态地址数组，维护各虚拟段中的所述基本信息；其中，所述词项与基本信息通过分离数据的索引段获取。本发明在创建倒排索引时用词典合并来替代传统的倒排索引段合并，加快倒排索引的创建，并大大减少创建倒排索引造成的写放大问题。
-
公开(公告)号：CN116740751A
公开(公告)日：2023-09-12
申请号：CN202210193657.9
申请日：2022-03-01
Applicant: 中国科学院信息工程研究所
IPC: G06V40/10 , G06V20/52 , G06V10/774 , G06V10/44 , G06V10/72 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于隐式增强数据的行人重识别方法及装置，涉及人工智能领域。所述方法包括：构建行人重识别数据集；提取行人重识别数据的图像特征，计算每一摄像头类别中所述图像特征满足的高斯分布；根据所述高斯分布，获取若干随机变量，并将所述随机向量与所述图像特征在特征空间进行相结合，得到增强特征；基于所述图像特征与增强特征并结合所述行人类别标签，对一神经网络进行训练，得到行人重识别模型；将测试图像和数据库图像输入所述行人重识别模型得到图像特征，检索得到行人重识别结果。本发明缓解了行人重识别应用中存在的摄像头不平衡问题。
-
公开(公告)号：CN116257523A
公开(公告)日：2023-06-13
申请号：CN202310096644.4
申请日：2023-02-10
Applicant: 中国科学院信息工程研究所
IPC: G06F16/22 , G06F16/23 , G06F16/2458 , G06F3/06
Abstract: 本发明公开一种基于非易失存储器的列式存储索引方法及装置，涉及计算机领域，本发明针对指标列实时更新，通过在NVM中建立缓存池，利用NVM的特点，通过两阶段批量更新，构建Main和Delta结构，Main包括多个Segment，每个Segment包含元数据信息和数据信息；Delta包括两个Delta文件，更新时进行交替；在内存中为Delta文件构建Bloom Filter进行更新数据的查询和判断。针对指标列在传统段合并时造成严重写放大的问题，本发明在创建索引时用元数据信息合并来替代传统的列存索引合并，从而在保证读写性能不下降的情况下，减少内存空间的占用以及读写放大。针对低基数维度列，对其创建倒排索引，大幅减少内存空间占用并提升等值查询性能。
-
公开(公告)号：CN112199532B
公开(公告)日：2022-10-14
申请号：CN202010906456.X
申请日：2020-09-01
Applicant: 中国科学院信息工程研究所
IPC: G06F16/532 , G06F16/55 , G06F16/583 , G06V10/74 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于哈希编码和图注意力机制的零样本图像检索方法及装置。该方法包括：构建哈希网络和关系网络；基于软边距的分类损失对哈希网络和关系网络进行训练；将数据库中的每一张图像输入到训练完成的哈希网络中，得到对应的图像哈希码；将待查询图像输入到训练完成的哈希网络中生成哈希码，计算其与数据库中每一张图像的哈希码之间的距离，并根据距离返回满足要求的查询结果。本发明能够同时考虑语义和视觉信息，充分挖掘类别之间的相似关系，从而更好地实现知识迁移，同时基于软边距的分类损失进行哈希学习能够在一定程度上避免对可见类别过拟合学习，提升模型对未见类别的泛化能力，进而提高零样本图像检索的效果。
-
Patent Agency Ranking
公开(公告)号：CN114219017A
公开(公告)日：2022-03-22
申请号：CN202111459333.7
申请日：2021-12-02
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种隐式语义数据增强方法。本发明第一阶段利用原始数据训练特征提取器和分类器，然后利用分类器构建知识图谱，并基于提取的特征计算每个类别的类中心和协方差矩阵；第二阶段利用构建的知识图谱识别出尾部类别的相似类别，然后将相似类别的特征变换方向迁移到每个尾部样本上进行特征变化。通过挖掘类别之间的相关关系，极大地丰富了尾部类别多样性。最后，对每个样本沿着迁移的协方差矩阵进行变化方向的无限次高斯分布采样可以获得无穷样本，通过优化无限样本损失函数的上界，得到一个新的基于推理的隐式语义数据增强损失进行模型训练。
-
公开(公告)号：CN113626723A
公开(公告)日：2021-11-09
申请号：CN202110777236.6
申请日：2021-07-09
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明涉及一种基于表示学习的属性图社区搜索方法和系统。该方法以查询节点为随机游走的起点，使用节点的属性信息和结构信息引导随机游走的跳转，获取节点序列和属性关键词序列；分别对节点序列和属性关键词序列进行节点的表示学习，获得节点的拓扑表示和属性表示，将其结合作为节点表示信息；根据节点之间的相似度对原始图数据进行重构，得到重构图；基于重构图和节点表示信息建立社区模型；以建立的社区模型为指导寻找满足要求的目标社区。本发明降低了计算的规模，表示学习过程更加契合社区搜索关注局部特性的特点，并融入了节点在社区层面的信息，提高了节点特征挖掘的准确度，建立的社区模型兼顾了发现社区的可解释性、质量和效率。
-
公开(公告)号：CN112883216A
公开(公告)日：2021-06-01
申请号：CN202110226266.8
申请日：2021-03-01
Applicant: 中国科学院信息工程研究所
IPC: G06F16/55 , G06F16/583 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于扰动一致性自集成的半监督图像检索方法及装置，包括将图像输入训练后的半监督图像特征提取模型，得到该图像的特征，其中所述半监督图像特征提取模型包括：一卷积神经网络、一哈希层和一扰动一致性自集成模块；将图像的特征转换为图像离散的二值哈希码；依据二值哈希码进行检索，得到图像检索结果。本发明通过集成同一个样本在不同数据增强条件下的特征，能够发现每个类别的判别特征；通过设计的扰动一致性损失函数最大化无标记数据的哈希层输出与对应的集成特征的相似性，充分的利用了无标记数据提升网络的泛化能力；能够取得更好的检索效果。
-
公开(公告)号：CN110245285A
公开(公告)日：2019-09-17
申请号：CN201910357967.8
申请日：2019-04-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种基于异构信息网络的个性化推荐方法，本方法通过基于注意力的特征增强模块对不同元图上用户和物品潜在特征的重要性进行学习，降低了无用的潜在特征对评分预测所带来的干扰，增强了有用潜在特征对评分预测的贡献力；同时利用基于分层次特征交互的评分预测模块对特征间的不同相互关系进行学习，不但考虑用户和物品各自加权潜在特征之间的内在联系，而且考虑用户或物品与其加权潜在特征之间的相关性；然后通过用户和物品间特征的融合，使得各特征间的二阶线性交互关系得到了充分挖掘。本发明通过多层感知机和因子分解机的使用，使得各特征间的高阶非线性交互关系得到了全面利用和高效组合，大大提高了推荐系统的性能。
-
公开(公告)号：CN110175248A
公开(公告)日：2019-08-27
申请号：CN201910270855.9
申请日：2019-04-04
Applicant: 中国科学院信息工程研究所
IPC: G06F16/51 , G06F16/55 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和哈希编码的人脸图像检索方法和装置。该方法针对现有的人脸图像检索中人脸特征表达不充分、特征区分力不够的问题，提出人脸空间网络和人脸空间损失来自动地挖掘人脸图像中有区分力的人脸区域，降低背景信息的影响；同时哈希网络学习人脸特征和哈希码之间的内在关系，将人脸图像映射成哈希码，显著地降低检索的计算和存储代价；哈希网络中多尺度的人脸特征通道增强模块增强了人脸特征中区分力强的维度。本发明提供的交替训练的策略使得两个网络有机的融合在一起，减少了人脸特征提取和哈希码生成之间的信息损失，在增强了人脸特征的区分力的同时，增强了生成的哈希码的区分力，提高人脸检索的准确度。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.048 seconds)
