-
公开(公告)号：CN117808656A
公开(公告)日：2024-04-02
申请号：CN202311855021.7
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06F21/60 , G06N3/0464
Abstract: 本申请提供了一种使用重建信息归属的无载体图像隐写方法、存储介质及电子装置，主要包括以下步骤：对目标图片进行预处理，采用识别算法基于语义特征检测数据集中的所有图像，通过检测到的标签列表逐一获得其原生特征值Ki，并形成所述目标图片的原生特征集合K；确定所述目标图片的归属重建算法，将所述秘密信息嵌入所述目标图片，得到含秘图片，并传送给接收方；所述接受方接收到所述含秘图片，将所述含秘图片代入所述识别模型进行所述秘密信息的提取。在图像本身特征的基础上重新归属，建立新的映射规则，在保证不同特征的基础上能够包含所需要的特征数量，将图片本身的高级语义特征通过归属信息重新分配的映射规则，更易构建全覆盖的CID。
-
公开(公告)号：CN114491289A
公开(公告)日：2022-05-13
申请号：CN202111674925.0
申请日：2021-12-31
Applicant: 南京信息工程大学
IPC: G06F16/9536 , G06F40/268 , G06F40/30 , G06F16/33 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种双向门控卷积网络的社交内容抑郁检测方法，获取社交内容中的文本和图像，对文本进行矢量化处理，得到单词向量序列；根据单词向量序列构造词性位置注意力特征矩阵，计算卷积网络的输入矩阵，再经多尺度滤波器卷积得到多通道卷积特征；使用Bi‑GRU对单词向量序列进行编码得到单词表示，通过词向量情感注意力机制在单词间分配权重，得到句子表示；通过残差注意网络对图像进行编码，再通过视觉注意力机制学习图像特定注意力权重，与句子表示聚合成图像特定文本表示；图像特定文本通过学习图像特定文本重要性权重聚合得到最终文本表示；将多通道卷积特征与最终文本表示进行特征拼接，再通过softmax分类器获得是否抑郁及抑郁严重程度。
-
公开(公告)号：CN114491289B
公开(公告)日：2024-09-17
申请号：CN202111674925.0
申请日：2021-12-31
Applicant: 南京信息工程大学
IPC: G06F16/9536 , G06F40/268 , G06F40/30 , G06F16/33 , G06V10/764 , G06V10/82 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种双向门控卷积网络的社交内容抑郁检测方法，获取社交内容中的文本和图像，对文本进行矢量化处理，得到单词向量序列；根据单词向量序列构造词性位置注意力特征矩阵，计算卷积网络的输入矩阵，再经多尺度滤波器卷积得到多通道卷积特征；使用Bi‑GRU对单词向量序列进行编码得到单词表示，通过词向量情感注意力机制在单词间分配权重，得到句子表示；通过残差注意网络对图像进行编码，再通过视觉注意力机制学习图像特定注意力权重，与句子表示聚合成图像特定文本表示；图像特定文本通过学习图像特定文本重要性权重聚合得到最终文本表示；将多通道卷积特征与最终文本表示进行特征拼接，再通过softmax分类器获得是否抑郁及抑郁严重程度。
-
公开(公告)号：CN115965898A
公开(公告)日：2023-04-14
申请号：CN202310079381.6
申请日：2023-02-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了情感分类领域的多级分支卷积与膨胀交互采样结合的视频情感分类方法，包括以下步骤：将帧序列转化为张量，并使用一层大核卷积进行覆盖下采样，将张量中每一帧图像的尺寸减少；使用多级分支卷积算法进行空间特征提取，并进一步减小空间维度尺寸；使用膨胀交互采样算法进行时间序列提取，通过采样后的并行膨胀卷积缩短计算时间；最后对视频情感进行分类。本发明通过三组不同尺度的条状大核深度卷积，来提取不同大小、位置的信息，并通过元素相乘来唤起空间注意力，同时通过多级非覆盖小核下采样聚合这些局部信息之间的联系；采用奇偶二叉树的结构下采样时间序列，同时结合非因果膨胀卷积以及序列间的交互学习。
-
公开(公告)号：CN114494770B
公开(公告)日：2025-05-06
申请号：CN202210035384.5
申请日：2022-01-12
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种结合多级特征依赖与多尺度上下文特征的抑郁识别方法，包括：搭建并改进ResNet101，获得C2、C3、C4及C5四个代表不同级别语义信息和细节信息的情感表征；将多级情感表征输入到多层双向门控网络，提取多级特征间的依赖关系；将多级情感表征发送到多尺度自适应上下文模块，提取相应的多尺度上下文特征，通过跨级融合得到各级的多尺度情感表示O3、O4和O5；将C5级情感表征导入卷积注意力模块，获得带有显著情感区域的情感表示D；通过特征融合得到多线索情感特征E，通过分类网络进行抑郁识别。本发明同时结合级内关联与级间关联来获取更深层更全面的情感，并且对噪声具有鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117237175A
公开(公告)日：2023-12-15
申请号：CN202311231864.X
申请日：2023-09-22
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于CSPNet的动态稀疏大容量鲁棒水印方法，包括将水印图像分离出水印近似图像与水印细节图像；将水印近似图像与载体图像输入编码器中生成载密图像，计算载体图像与载密图像的损失并更新编码器参数；将载密图像与载体图像输入鉴别器中，判别是否为含密图像，将载密图像添加噪声后输入解码器中，得到载体解码图像与水印近似解码图像，经过逆离散小波变换得到水印解码图像，根据载体图像与载体解码图像以及水印图像与水印解码图像计算损失函数，更新参数；本方法通过结合CSPNet网络架构和动态稀疏卷积技术，在图像中实现大容量水印的高效嵌入，并保持水印的鲁棒性，从而确保图像的版权保护和数据安全。
-
公开(公告)号：CN118053100A
公开(公告)日：2024-05-17
申请号：CN202410245105.7
申请日：2024-03-05
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种多模态情感识别方法、系统、装置及存储介质，方法包括获取有声视频，分解有声视频得到视频模态数据、音频模态数据和文本模态数据；对三个模态数据的局部特征进行位置编码和段编码，分别得到三个模态数据的输出特征；在三个模态中任选两个为一组，利用模态对齐注意力分支对每一组的输出特征进行跨模态融合，得到跨模态特征；利用调距注意力分支扩大输出特征与平均特征的距离，得到各组的调距特征；基于得到的输出特征、跨模态特征和调距特征，拼接后得到跨模态融合特征，将其输入分类器进行识别后输出情感类别。本发明通过模态对齐注意力分支，对齐视频、音频和文本之间的对应关系；通过调距注意力分支缓解了特征相似的问题。
-
公开(公告)号：CN116992735B
公开(公告)日：2024-02-23
申请号：CN202311088990.4
申请日：2023-08-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于线性有限元和能量正则化的软组织形变模拟方法，包括：根据软组织的形态和特性，将未知的杨氏模量和搜索节点的位移构成迭代向量；引入最小形变能原理，将其作为正则化项，设计得到正则化参数；动态测量局部表面位移数据，将其与线性有限元模型预测的位移进行比较，定义约束条件；利用局部表面位移测量数据，通过最小化估计误差的方法来估计未知的边界条件；利用估计得到的边界条件，结合线性有限元模型，计算生物组织的变形情况。本发明能够在进行虚拟手术的关节置换手术时，不需要事先了解软组织的边界条件，就可以提高软组织的形变模拟精度。
-
公开(公告)号：CN116992735A
公开(公告)日：2023-11-03
申请号：CN202311088990.4
申请日：2023-08-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于线性有限元和能量正则化的软组织形变模拟方法，包括：根据软组织的形态和特性，将未知的杨氏模量和搜索节点的位移构成迭代向量；引入最小形变能原理，将其作为正则化项，设计得到正则化参数；动态测量局部表面位移数据，将其与线性有限元模型预测的位移进行比较，定义约束条件；利用局部表面位移测量数据，通过最小化估计误差的方法来估计未知的边界条件；利用估计得到的边界条件，结合线性有限元模型，计算生物组织的变形情况。本发明能够在进行虚拟手术的关节置换手术时，不需要事先了解软组织的边界条件，就可以提高软组织的形变模拟精度。
-
公开(公告)号：CN114494770A
公开(公告)日：2022-05-13
申请号：CN202210035384.5
申请日：2022-01-12
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种结合多级特征依赖与多尺度上下文特征的抑郁识别方法，包括：搭建并改进ResNet101，获得C2、C3、C4及C5四个代表不同级别语义信息和细节信息的情感表征；将多级情感表征输入到多层双向门控网络，提取多级特征间的依赖关系；将多级情感表征发送到多尺度自适应上下文模块，提取相应的多尺度上下文特征，通过跨级融合得到各级的多尺度情感表示O3、O4和O5；将C5级情感表征导入卷积注意力模块，获得带有显著情感区域的情感表示D；通过特征融合得到多线索情感特征E，通过分类网络进行抑郁识别。本发明同时结合级内关联与级间关联来获取更深层更全面的情感，并且对噪声具有鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
