-
公开(公告)号：CN115880522A
公开(公告)日：2023-03-31
申请号：CN202211456940.2
申请日：2022-11-21
申请人： 广州中平智能科技有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于EXAIL类算法的腹腔镜图像多模态解释方法。获取腹腔镜手术图像数据，结合血管信息实时添加标签，并生成腹腔镜血管数据库；采用完美反射算法对原始内窥镜数据进行图像预处理，并采用letterbox方法修改图像尺寸；构建至少一个基于EXAIL类算法的内窥镜图像血管解释模型；采用搭建的概念识别基于SAM‑Bilinear的分类器处理内窥镜数据集训练SRL‑CNN网络并保存模型；同时采用测试集数据进行实时测试解释模式；将模型部署至GPU模块上处理客户端传输的图片并将处理结果返还至交互界面，可以有效减少数据噪声，有效提高腹腔镜检测模型性能；以及可以优化任务鉴别能力。
-
公开(公告)号：CN114780999B
公开(公告)日：2022-09-27
申请号：CN202210700710.X
申请日：2022-06-21
申请人： 广州中平智能科技有限公司
发明人： 郑飞州
摘要： 本公开涉及一种深度学习数据隐私保护方法、系统、设备和介质，所述方法包括如下步骤：加载原始训练数据集和深度学习模型；为原始训练数据集中的隐私信息赋予隐私保护权重，构建隐私重要性矩阵；在所述训练数据中配置全局噪声强度和生成器参数以构建噪声生成器；根据隐私重要性矩阵构建的损失函数训练所述噪声生成器；将原始训练数据集中的所有原始训练数据通过噪声生成器进行加噪生成加噪数据集；使用加噪数据集对所述深度学习模型进行训练以形成具有隐私保护特性的深度学习模型。本公开构建了噪声生成器的目标函数和参数训练方法，实现了最大化训练数据所添加的噪声强度的同时，最小化模型性能差异，自动地均衡模型可行性和隐私保护强度。
-
公开(公告)号：CN114662155B
公开(公告)日：2022-09-02
申请号：CN202210559255.6
申请日：2022-05-23
申请人： 广州中平智能科技有限公司
发明人： 郑飞州
摘要： 本发明涉及数据隐私保护领域，具体公开了一种面向联邦学习的数据隐私安全机制评估方法、设备及介质，包括对用于训练本地模型的样本数据集进行采样，得到原始样本；通过重构模型，重构一组与原始样本相关的重构样本；计算原始样本与重构样本的梯度差异，并依据梯度差异迭代重构样本，获得最终重构样本；计算最终重构样本与原始样本的相似度和匹配率，作为所述样本数据集的监测值；比较所述监测值是否大于等于预设值时，如是，则发出梯度泄露风险告警；否则，提示安全。本发明根据重构样本与输入样本的相似度来制定风险评估指标，不依赖于预训练的统计模型。
-
公开(公告)号：CN115115271A
公开(公告)日：2022-09-27
申请号：CN202210880843.X
申请日：2022-07-26
申请人： 广州中平智能科技有限公司
发明人： 郑飞州
摘要： 本公开涉及一种产品生产过程管理方法、管理平台、设备和介质，所述方法包括如下步骤：获取产品生产指令；对所述生产指令中所需要的生产原料进行统计；根据统计的生产原料总量与记录的生产原料总量进行比较，若所述统计的生产原料总量大于记录的生产原料总量，则判断延缓生产；若所述统计的生产原料总量不大于记录的生产原料总量，则判断即刻生产；在生产过程中，对产品中不合格的进行筛选，将不合格的产品筛出；对产品的生产数量进行统计，根据一批产品中存在不合格产品的数量，对产品的合格率进行统计。本公开根据生产指令判断已存库存是否可以完成产品制造任务，在产品生产后对产品进行扫描称重，计算出产品的成品率，大大降低产品制造时间。
-
公开(公告)号：CN115049775B
公开(公告)日：2023-01-31
申请号：CN202210971054.7
申请日：2022-08-15
申请人： 广州中平智能科技有限公司
IPC分类号： G06T15/00 , G06T7/00 , G06V10/74 , G06V10/764
摘要： 本发明提供用于双碳能源工业的元宇宙渲染动态分配方法和系统，能够对元宇宙空间分配多个图像信息，对多个图像信息中的特征缺陷部位进行查找，对查找的图像信息自动匹配多组渲染图像，筛选渲染图像的相似度，进行多个动态图像的生成，对多个动态图像生成的视频进行评论修改，最终完成元宇宙空间的动态渲染，提高渲染效果；通过对多个接收的图像信息进行相似度查找，对相似度差距较小的进行归类分组，筛选出类似的渲染图像信息，生成多个视频信息；通过对多个视频信息进行观察评论，选择优先级最高的视频信息进行录入，根据选择的图像通过视频修改单元进行局部修改。
-
公开(公告)号：CN114780999A
公开(公告)日：2022-07-22
申请号：CN202210700710.X
申请日：2022-06-21
申请人： 广州中平智能科技有限公司
发明人： 郑飞州
摘要： 本公开涉及一种深度学习数据隐私保护方法、系统、设备和介质，所述方法包括如下步骤：加载原始训练数据集和深度学习模型；为原始训练数据集中的隐私信息赋予隐私保护权重，构建隐私重要性矩阵；在所述训练数据中配置全局噪声强度和生成器参数以构建噪声生成器；根据隐私重要性矩阵构建的损失函数训练所述噪声生成器；将原始训练数据集中的所有原始训练数据通过噪声生成器进行加噪生成加噪数据集；使用加噪数据集对所述深度学习模型进行训练以形成具有隐私保护特性的深度学习模型。本公开构建了噪声生成器的目标函数和参数训练方法，实现了最大化训练数据所添加的噪声强度的同时，最小化模型性能差异，自动地均衡模型可行性和隐私保护强度。
-
公开(公告)号：CN114676433A
公开(公告)日：2022-06-28
申请号：CN202210595874.0
申请日：2022-05-30
申请人： 广州中平智能科技有限公司
发明人： 郑飞州
摘要： 本公开涉及一种数据投毒攻击方法、电子设备、存储介质和系统，所述方法包括如下步骤:建立目标模型；获取目标模型中权重参数w的梯度；计算梯度数据分布方差最小的方向作为投毒攻击模型修改的方向进行训练；使用训练后的投毒攻击模型生成投毒样本。和其他的随机选择模型修改方向的投毒样本生成方法相比，本公开通过将梯度方差最小的方向作为模型修改方向，在达到和其他投毒攻击方法相同攻击效果的前提下，投毒样本比其他投毒方案中的投毒样本产生更小的梯度，而更小的梯度具有对梯度裁剪操作的鲁棒性。
-
公开(公告)号：CN114662155A
公开(公告)日：2022-06-24
申请号：CN202210559255.6
申请日：2022-05-23
申请人： 广州中平智能科技有限公司
发明人： 郑飞州
摘要： 本发明涉及数据隐私保护领域，具体公开了一种面向联邦学习的数据隐私安全机制评估方法、设备及介质，包括对用于训练本地模型的样本数据集进行采样，得到原始样本；通过重构模型，重构一组与原始样本相关的重构样本；计算原始样本与重构样本的梯度差异，并依据梯度差异迭代重构样本，获得最终重构样本；计算最终重构样本与原始样本的相似度和匹配率，作为所述样本数据集的监测值；比较所述监测值是否大于等于预设值时，如是，则发出梯度泄露风险告警；否则，提示安全。本发明根据重构样本与输入样本的相似度来制定风险评估指标，不依赖于预训练的统计模型。
-
公开(公告)号：CN115757112A
公开(公告)日：2023-03-07
申请号：CN202211415410.3
申请日：2022-11-11
申请人： 广州中平智能科技有限公司
IPC分类号： G06F11/36 , G06N3/08 , G06N3/0464
摘要： 本发明涉及深度学习测试领域，具体涉及基于变异分析的测试子集构建方法及相关设备；所述测试子集构建方法包括：基于训练数据集，确定训练数据集中每个训练输入在被测DNN模型每一个网络层上的关键神经元；确定各个训练输入的关键决策路径；构建各个类别标签下的抽象关键决策路径；将测试样本集中的每个测试样本分别输入到被测DNN模型，得到各个测试样本对应的输出向量；根据输出向量将测试样本对应到各个类别标签下；计算测试样本的重要性程度；分别选择每个类别标签下重要性程度高的多个测试样本并进行标记，构成测试子集；具有快速充分检测出DNN故障、减少测试标记成本，提高DNN测试效率的有益效果。
-
公开(公告)号：CN115392402A
公开(公告)日：2022-11-25
申请号：CN202211314348.9
申请日：2022-10-26
申请人： 广州中平智能科技有限公司
摘要： 本发明实施例提供一种针对梯度裁剪的深度学习模型鲁棒性评估方法和系统，为了减少梯度裁剪对测试样本集造成的模型偏移效果的影响，首先得到目标模型中权重参数w的梯度Gω。然后对Gω的分布进行分析，计算其数据分布方差最小的方向，并将该方向作为模型鲁棒性评估方案中模型修改的方向。然后在该方向上计算生成测试样本(xP,yP)。按照本方法得到的测试样本，只需要产生较小的梯度就可以使模型参数的分布产生明显区分，从而达到较好的模型偏移效果，提升了评估方案的评估可信度。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.047 秒)
