-
-
-
公开(公告)号：CN118506307A
公开(公告)日：2024-08-16
申请号：CN202410670854.4
申请日：2024-05-27
Applicant: 广州大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06T7/269 , G06T7/207 , G06T7/246 , G06N3/0464
Abstract: 本发明属于自动驾驶技术领域，提供了一种基于光流运动预测的实时车道线检测方法，该方法包括如下步骤：获取当前帧原始图像，并基于深度残差网络构建车道线检测网络；通过所述车道线检测网络提取所述当前帧原始图像的特征图，得到具有局部信息的多层级特征图；对所述多层级特征图进行特征聚合，得到当前帧的聚合特征图；根据所述当前帧的聚合特征图，使用光流运动预测算法计算相邻图像帧之间的光流场，得到特征细化的当前帧特征图；根据所述特征细化后的当前帧特征图，使用混合锚点对车道线进行识别检测，输出车道预选框分类结果。本发明通过对多层级特征图的分析和处理，可以在复杂多变环境下进行准确高效的车道线实时检测。
-
公开(公告)号：CN118337456A
公开(公告)日：2024-07-12
申请号：CN202410495166.9
申请日：2024-04-23
Applicant: 广州大学
IPC: H04L9/40 , H04L67/12 , G06F18/211 , G06F18/2135 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种基于多级混合特征分析的车联网入侵检测方法及系统，其中方法步骤如下：S1：获取车联网流量数据，从中提取网络流特征作为特征数据集，并将所述特征数据集按照预设比例划分为训练集、验证集和测试集；S2：对所述训练集、所述验证集和所述测试集进行预处理，获得模型训练集、模型验证集和模型测试集；S3：使用所述模型训练集和模型验证集进行模型训练，得到入侵检测模型，使用模型测试集对所述入侵检测模型进行性能测试，得到通过测试的模型作为最终部署模型；S4：使用所述最终部署模型对车联网进行入侵检测。
-
公开(公告)号：CN116611436B
公开(公告)日：2024-07-09
申请号：CN202310416035.2
申请日：2023-04-18
Applicant: 广州大学
IPC: G06F40/295 , G06F40/211 , G06N5/04 , G06N3/0464 , G06N3/0442 , G06N3/08 , H04L9/40
Abstract: 本发明公开了一种基于威胁情报的网络安全命名实体识别方法，基于深度神经网络，采用如下技术方案：(a)使用BERT大规模预训练模型对文本进行向量表示。由于预训练模型包含了从大规模语料库中学习到的上下文信息，可以极大丰富模型对威胁情报文本的语义表达。(b)融合多个句法信息，如词性、语法成分、依赖关系等。添加新特征，增强模型对标签的推理能力，缓解OOV(Out of Vocabulary)问题。(c)添加全局注意力机制层，增强模型对远距离特征的获取能力，缓解实体稀疏问题。
-
Patent Agency Ranking
公开(公告)号：CN117787403A
公开(公告)日：2024-03-29
申请号：CN202311494302.4
申请日：2023-11-09
Applicant: 广州大学
IPC: G06N5/025 , G06N5/02 , G06N3/0455 , G06N3/0442 , G06F16/36 , G06F40/211 , G06F40/284 , G06F40/30 , H04L9/40
Abstract: 本发明提供了一种基于深度学习的网络威胁情报关系三元组联合提取方法,基于深度神经网络构建一种网络威胁情报关系三元组联合提取模型，采用如下技术方案：(a)使用联合提取的方法来同时提取实体和关系，解决了实体和关系提取任务之间交互缺失的问题；(b)使用基于跨度的方法，解决了重叠实体的问题；(c)使用BERT大规模预训练模型对文本进行向量表示。由于预训练模型包含了从大规模语料库中学习到的上下文信息，可以极大丰富模型对威胁情报文本的语义表达；(d)融合多种模态信息，如时序、依赖关系、跨度、标签等，增强多模态信息之间的交互，缓解了文本跨度长、实体语义相似度高、实体之间相关性弱的问题。
-
公开(公告)号：CN117097533A
公开(公告)日：2023-11-21
申请号：CN202311104661.4
申请日：2023-08-29
Applicant: 广州大学
IPC: H04L9/40 , H04L9/00 , H04L67/10 , H04L67/104 , H04L67/1074
Abstract: 本公开提供了一种分布式端口资源探测方法、装置、设备及存储介质，其中，方法包括：计算分布式端口探测网络中各设备节点的激励分数，通过激励分数对各设备节点进行排序，确定当前探测任务对应的全节点集群；其中，分布式端口探测网络为基于区块链组网技术定义的网络；选择全节点集群中一个全节点作为总全节点，根据总全节点制定分配规则，将当前探测任务拆分为多个子任务；通过分配规则确定各下发任务全节点及各自对应的子任务，通过下发任务全节点将子任务下发给各个处理分节点；通过处理分节点使用优化扫描工具进行探测，得到子任务探测结果；通过各个下发任务全节点获取各自的子任务探测结果并保存，对执行子任务的处理分节点进行激励评估。
-
公开(公告)号：CN116647844A
公开(公告)日：2023-08-25
申请号：CN202310416033.3
申请日：2023-04-18
Applicant: 广州大学
IPC: H04W12/122 , H04W4/40 , G06F18/214 , G06F18/23213 , G06F18/243 , G06F18/211 , G06N20/20
Abstract: 本发明公开了一种基于堆叠集成算法的车载网络入侵检测方法，步骤包括采集车外网网络数据集；对采集的车外网网络数据进行数据预处理；对数据预处理后的车外网网络数据进行特征工程；通过三个基于树的集成算法进行模型训练；检测车外网网络数据进行正常和异常分类，并处理结果输出。本发明可以处理大规模的数据集，同时具有较快的训练和预测速度，可以满足实时入侵检测的需求。
-
公开(公告)号：CN116595575A
公开(公告)日：2023-08-15
申请号：CN202310416064.9
申请日：2023-04-18
Applicant: 广州大学
IPC: G06F21/62 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向边缘智能控制器的依赖任务卸载和隐私保护方法，针对边缘智能控制器的隐私保护卸载所面临的挑战，本发明的内容在于提出了基于Seq2Seq的深度强化学习依赖任务卸载算法，在考虑边缘智能控制器的应用任务之间的依赖关系和网络动态变化等因素，实现依赖任务实时高效卸载调度同时保护边缘控制器的隐私数据，减少任务处理总的时延和能耗，最大化用户服务质量。
-
公开(公告)号：CN116312595A
公开(公告)日：2023-06-23
申请号：CN202310207526.6
申请日：2023-03-06
Applicant: 广州大学
IPC: G10L21/0208 , G10L21/0216 , G10L21/0264 , G10L25/30 , G10L25/18
Abstract: 本发明提供了一种用于低信噪比的轻量级语音增强方法及系统，包括：将复数谱进行复数谱编码，得到复数谱特征矩阵；将复数谱特征矩阵进行取模运算，得到信号幅度谱特征矩阵；将复数谱特征矩阵和幅度谱特征矩阵，分别经过线性注意力模块层进行相加迭代，得到子带相关性特征信息；将子带相关性特征信息通过特征积分映射模块，得到复数谱特征增强矩阵和幅度谱特征增强矩阵；将复数谱特征增强矩阵和幅度谱特征增强矩阵分别通过复数谱译码器和子带幅度掩膜译码器，得到增强复数系数谱和子带幅度掩膜。本发明采取的框架能在较少的参数下提取噪声和语音信号的特征，极大的提高语音的听觉质量，具有较好的语音增强效果。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.021 seconds)
