-
公开(公告)号：CN111428606B
公开(公告)日：2023-03-31
申请号：CN202010195045.4
申请日：2020-03-19
申请人： 华南师范大学
IPC分类号： G06V40/16 , G06V20/40 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种面向边缘计算的轻量级人脸对比验证方法，包括下述步骤：构建轻量级神经网络模型MobileNetV3‑PiFace，使用ArcFace损失函数和VGGFace2数据集对模型进行训练；从采集到的视频流中提取帧图像，对图像进行人脸检测，若有人脸存在，则进行人脸图像预处理；利用训练好的MobileNetV3‑PiFace模型，对预处理后的人脸图像进行特征提取；判断不同人脸特征之间的向量夹角，实现人脸对比验证功能。本发明减少了模型的参数和规模，提高了模型在LFW数据集上的准确率，提高了在边缘计算设备上的运算速度。系统在终端采集人脸图像数据，在终端本地运行神经网络推理数据，这种模式减轻了云端服务器计算和网络传输的压力，降低了整体延时，同时保护了用户隐私。
-
公开(公告)号：CN110853630B
公开(公告)日：2022-02-18
申请号：CN201911043340.1
申请日：2019-10-30
申请人： 华南师范大学
摘要： 本发明公开了一种面向边缘计算的轻量级语音识别方法，包括下述步骤：S1、构建面向边缘计算设备的轻量级语音识别网络模型EdgeRNN，所述EdgeRNN包括声学特征提取层、密集块、最大池化层、RNN层、自我注意力层以及分类层；S2、将原始的语音音频输入到EdgeRNN进行处理，S21、从原始的音频中提取低级的声学特征；S22、设计一个面向边缘计算的密集块；S23、使用密集块使不断地对低级的声学特征进行高级的空间特征提取；S24、用最大池化层来消除语音特征中的噪声；S25、融合原先的声学特征和高级空间特征进入RNN层中提取时间序列的信息；S25、进入轻量级注意力机制层，获得话语级别最后的表示结果；S26、利用全连接层来分析语音的类别。本发明提高了语音识别的准确性和高效性。
-
公开(公告)号：CN110012009A
公开(公告)日：2019-07-12
申请号：CN201910264822.3
申请日：2019-04-03
申请人： 华南师范大学
摘要： 本发明公开了一种基于决策树和自相似模型结合的物联网入侵检测方法，包括：S1、选定合适的数据集；S2、生成决策树，首先创建一棵树，根节点包含所有的样本属性信息，采用最小损失函数策略，逐步深入决策树；使用同样的方法，生成K棵这样的决策树；S3、使用步骤S2生成的决策树，对步骤S1准备好的测试集进行分析处理，从而判断物联网当前状态的入侵状况；S4、建立当前状态和同一时期历史状态物联网数据的直方图，利用自相似理论设定合适的数学模型，判断当前物联网数据是否存在异常现象。本发明主要结合了决策树算法和自相似模型，避免使用单独一种检测方法而未能检测隐藏的入侵行为，使得对物联网的入侵检测更加全面和准确。
-
公开(公告)号：CN110853630A
公开(公告)日：2020-02-28
申请号：CN201911043340.1
申请日：2019-10-30
申请人： 华南师范大学
摘要： 本发明公开了一种面向边缘计算的轻量级语音识别方法，包括下述步骤：S1、构建面向边缘计算设备的轻量级语音识别网络模型EdgeRNN，所述EdgeRNN包括声学特征提取层、密集块、最大池化层、RNN层、自我注意力层以及分类层；S2、将原始的语音音频输入到EdgeRNN进行处理，S21、从原始的音频中提取低级的声学特征；S22、设计一个面向边缘计算的密集块；S23、使用密集块使不断地对低级的声学特征进行高级的空间特征提取；S24、用最大池化层来消除语音特征中的噪声；S25、融合原先的声学特征和高级空间特征进入RNN层中提取时间序列的信息；S25、进入轻量级注意力机制层，获得话语级别最后的表示结果；S26、利用全连接层来分析语音的类别。本发明提高了语音识别的准确性和高效性。
-
公开(公告)号：CN110852214A
公开(公告)日：2020-02-28
申请号：CN201911043719.2
申请日：2019-10-30
申请人： 华南师范大学
摘要： 本发明公开了一种面向边缘计算的轻量级语面部别方法，包括下述步骤：S1、构建面向边缘计算设备的轻量级面部识别网络模型AntCNN，所述AntCNN的网络结构包括：第一卷积层、第一池化层、第一密集块、第二池化层、第二密集块、第三池化层、第三密集块以及第三池化层；S2、捕获面部图像，并将面部图像压缩为小尺寸像素，作为AntCNN的输入，并利用AntCNN进行特征提取和分类，S3、将获取的多维特征图经过全连接层得到各个类别的具体得分，最大的得分表示该图片的具体分类。本发明使用了传统机器学习的dlib库去寻找人脸的部分，并成功地运行在树莓派的边缘计算设备上，寻找人脸的视频非常流畅，完全满足了实时的要求。
-
公开(公告)号：CN110012009B
公开(公告)日：2021-05-28
申请号：CN201910264822.3
申请日：2019-04-03
申请人： 华南师范大学
摘要： 本发明公开了一种基于决策树和自相似模型结合的物联网入侵检测方法，包括：S1、选定合适的数据集；S2、生成决策树，首先创建一棵树，根节点包含所有的样本属性信息，采用最小损失函数策略，逐步深入决策树；使用同样的方法，生成K棵这样的决策树；S3、使用步骤S2生成的决策树，对步骤S1准备好的测试集进行分析处理，从而判断物联网当前状态的入侵状况；S4、建立当前状态和同一时期历史状态物联网数据的直方图，利用自相似理论设定合适的数学模型，判断当前物联网数据是否存在异常现象。本发明主要结合了决策树算法和自相似模型，避免使用单独一种检测方法而未能检测隐藏的入侵行为，使得对物联网的入侵检测更加全面和准确。
-
公开(公告)号：CN111276125B
公开(公告)日：2023-04-07
申请号：CN202010087131.3
申请日：2020-02-11
申请人： 华南师范大学
摘要： 本发明公开了一种面向边缘计算的轻量级语音关键词识别方法，包括下述步骤：信号预处理，剔除噪音信号；声学特征提取；构建采用了首层特征增强方法和轻量级组件的轻量级语音关键词识别模型EdgeCRNN，轻量级组件包括深度可分离卷积和残差结构；构造适合语音关键词识别任务的基础模块Base‑Block和下采样模块CRNN‑Block，并基于基础模块和下采样模块构造EdgeCRNN；将特征输入EdgeCRNN模型中进行语音识别。本发明采用特征增强方法、深度可分离卷积和深度残差结构设计了一种轻量级语音关键词识别模型，极大的减少了硬件资源消耗，使得模型能在资源受限的设备上平稳、流畅地运行，避免了用户隐私的泄露。
-
公开(公告)号：CN110008680B
公开(公告)日：2020-11-13
申请号：CN201910264832.7
申请日：2019-04-03
申请人： 华南师范大学
摘要： 本发明公开了一种基于对抗样本的验证码生成系统及方法，系统包括验证码采集层、预处理层、对抗样本生成层、样本拼接层、杂化层。验证码采集层将收集到的验证码数据集传入预处理层，预处理层将这些验证码图片进过灰度化、二值化、去燥字符分割等变成数个黑白字符图片，随机从对抗样本生成层选取构建好的神经网络和对抗样本算法，定向生成对抗样本。样本拼接层将单个对抗样本拼接层不同长度的验证码，最后经过杂化层逆预处理化，将其还原成彩色，生成基于对抗样本的验证码aeCAPTCHA。本发明具有成本低廉、部署难度小、抵抗攻击能力强的特点。不仅能够使网站在不用替换现有验证码系统的情况下，更加有效得抵抗网络攻击。
-
公开(公告)号：CN111428606A
公开(公告)日：2020-07-17
申请号：CN202010195045.4
申请日：2020-03-19
申请人： 华南师范大学
摘要： 本发明公开了一种面向边缘计算的轻量级人脸对比验证方法，包括下述步骤：构建轻量级神经网络模型MobileNetV3-PiFace，使用ArcFace损失函数和VGGFace2数据集对模型进行训练；从采集到的视频流中提取帧图像，对图像进行人脸检测，若有人脸存在，则进行人脸图像预处理；利用训练好的MobileNetV3-PiFace模型，对预处理后的人脸图像进行特征提取；判断不同人脸特征之间的向量夹角，实现人脸对比验证功能。本发明减少了模型的参数和规模，提高了模型在LFW数据集上的准确率，提高了在边缘计算设备上的运算速度。系统在终端采集人脸图像数据，在终端本地运行神经网络推理数据，这种模式减轻了云端服务器计算和网络传输的压力，降低了整体延时，同时保护了用户隐私。
-
公开(公告)号：CN111276125A
公开(公告)日：2020-06-12
申请号：CN202010087131.3
申请日：2020-02-11
申请人： 华南师范大学
摘要： 本发明公开了一种面向边缘计算的轻量级语音关键词识别方法，包括下述步骤：信号预处理，剔除噪音信号；声学特征提取；构建采用了首层特征增强方法和轻量级组件的轻量级语音关键词识别模型EdgeCRNN，轻量级组件包括深度可分离卷积和残差结构；构造适合语音关键词识别任务的基础模块Base-Block和下采样模块CRNN-Block，并基于基础模块和下采样模块构造EdgeCRNN；将特征输入EdgeCRNN模型中进行语音识别。本发明采用特征增强方法、深度可分离卷积和深度残差结构设计了一种轻量级语音关键词识别模型，极大的减少了硬件资源消耗，使得模型能在资源受限的设备上平稳、流畅地运行，避免了用户隐私的泄露。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.024 秒)
