-
公开(公告)号:CN108197580A
公开(公告)日:2018-06-22
申请号:CN201810020731.0
申请日:2018-01-09
申请人: 吉林大学
CPC分类号: G06K9/00355 , G06K9/00389 , G06N3/0454
摘要: 本发明涉及一种基于3d卷积神经网络的手势识别方法,属于手势识别方法。针对深度相机拍摄获取的普通视频和深度视频,进行一系列预处理,在应用预处理的普通处理方法的基础上,针对视频图像存在噪点的问题,采用卷积神经子网与反卷积神经子网相结合的去噪方法,针对视频中存在的时间空间关系,采用3d卷积神经网络进行处理。本发明大幅度提高了手势分类的速率,增强了识别依据的可靠性和结果的合理性。
-
公开(公告)号:CN107465507A
公开(公告)日:2017-12-12
申请号:CN201710877661.6
申请日:2017-09-24
申请人: 吉林大学
CPC分类号: H04L9/0819 , H04J3/0638 , H04L9/0861 , H04L63/0435 , H04L63/06 , H04L63/083 , H04L63/12 , H04L67/12
摘要: 本发明提供一种基于分级多层单向密钥链时间触发车载网络消息认证方法,属于车联网环境下时间触发车载网络上数据的认证方法。发送节点初始化,发送节点构建分级多层单向密钥链并分布初始密钥;发送节点多播验证的消息及密钥;接收节点验证接收的消息及密钥。本发明在分级多层密钥链延迟释放的理念基础上,最底层的密钥具有较短的释放延时和长度用来认证实时通信数据,每个高层密钥具有较长的释放延时和长度用来可信地分布其低一层密钥链的初始密钥,发送节点只需提前计算并且存储每层的第一个密钥链;在时间触发车载网络的资源约束、实时性和安全性之间提供一个恰当的权衡,大幅度降低了消息认证产生的带宽、存储和计算资源开销。
-
公开(公告)号:CN108197580B
公开(公告)日:2019-07-23
申请号:CN201810020731.0
申请日:2018-01-09
申请人: 吉林大学
摘要: 本发明涉及一种基于3d卷积神经网络的手势识别方法,属于手势识别方法。针对深度相机拍摄获取的普通视频和深度视频,进行一系列预处理,在应用预处理的普通处理方法的基础上,针对视频图像存在噪点的问题,采用卷积神经子网与反卷积神经子网相结合的去噪方法,针对视频中存在的时间空间关系,采用3d卷积神经网络进行处理。本发明大幅度提高了手势分类的速率,增强了识别依据的可靠性和结果的合理性。
-
公开(公告)号:CN109033862B
公开(公告)日:2019-04-30
申请号:CN201810912814.0
申请日:2018-08-12
申请人: 吉林大学
摘要: 本发明涉及一种分布式车载电子系统信息安全防护方法,属于车载系统信息安全技术领域。包括系统初始化,系统内部的电子控制单元通过安全通道加载预置的长期密钥;会话密钥生成与分发,基于所加载的长期密钥和生成的临时密钥,网关电子控制单元按固定顺序分别与每个其他电子控制单元执行会话密钥的推导和分发;数据帧加密与认证,在会话密钥分发完成后,每个电子控制单元执行数据帧的加密和认证。本发明在各阶段均采用计算和通信开销较小的对称加密算法与哈希函数,并将更多任务分配到车载系统中具备更高计算性能的网关上,能够同时满足车载系统对其内部信号传输安全性和实时性的需求,易于实际应用和部署。
-
-
公开(公告)号:CN110399828A
公开(公告)日:2019-11-01
申请号:CN201910665065.0
申请日:2019-07-23
申请人: 吉林大学
摘要: 本发明公开了一种基于多角度的深度卷积神经网络的车辆再识别方法,所述方法包括将车辆图像数据集作为输入通过共享层输出处理后特征图集;所述特征图集经过三个不同的流,分别从度量、视觉、属性三个角度进行分类;将三个分类结果进行联合学习实现车辆再识别。其中所述三个不同的流为基于簇的三元组流、基于互补学习的外观流和基于车辆属性的属性流。本发明纠正了随机三元组采样带来的冗余性和误导性问题,有效地缓解了现有方法不能很好区分相似图像或网络不收敛的问题,降低了训练时间成本,能够获得更准确的车辆再识别结果。
-
公开(公告)号:CN105825752A
公开(公告)日:2016-08-03
申请号:CN201610256622.X
申请日:2016-04-22
申请人: 吉林大学
IPC分类号: G09B23/28
CPC分类号: G09B23/28
摘要: 本发明公开了一种基于力反馈设备的虚拟眼角膜手术培训系统,包括力反馈设备、计算机、计算机内嵌的培训系统,培训系统包括眼球模型建立模块、手术工具建立模块、虚拟环境模块、碰撞力反馈模块、专家数据存储模块、力比较模块、数据库。通过本发明操作者可:学习执行角膜移植手术过程,即单独进行虚拟角膜移植手术过程;计算机记录学习者每项操作的力觉信息,与这项操作中的标准力度进行比对,通过权重赋值和量化考评,对表现着的每一步进行打分,最后得出综合评分;事先录制经验丰富的医生执行角膜移植手术时的力觉信息,学习者通过播放这些录制信息,感受在每项操作中应该施加的力的大小,以达到学习的目的。
-
公开(公告)号:CN115512132A
公开(公告)日:2022-12-23
申请号:CN202211250323.7
申请日:2022-10-12
申请人: 吉林大学
摘要: 本发明涉及一种基于点云数据与多视图图像数据融合的3D目标检测方法,属于计算机视觉技术领域。包括从Nuscenes数据集中获取点云数据及多视图图像数据;生成点云BEV特征和图像BEV特征,输入图像及点云融合网络处理生成图像和点云融合特征,得到初始预测边界框及生成最终的目标边界框。优点是通过将图像及点云数据转化为统一的BEV表示,能较大程度的保留物体的几何结构和语义密度,方便的进行图像和点云的融合处理;基于注意力机制自适应软关联的二次融合,能获得对于图像质量退化的鲁棒性。
-
公开(公告)号:CN110399828B
公开(公告)日:2022-10-28
申请号:CN201910665065.0
申请日:2019-07-23
申请人: 吉林大学
摘要: 本发明公开了一种基于多角度的深度卷积神经网络的车辆再识别方法,所述方法包括将车辆图像数据集作为输入通过共享层输出处理后特征图集;所述特征图集经过三个不同的流,分别从度量、视觉、属性三个角度进行分类;将三个分类结果进行联合学习实现车辆再识别。其中所述三个不同的流为基于簇的三元组流、基于互补学习的外观流和基于车辆属性的属性流。本发明纠正了随机三元组采样带来的冗余性和误导性问题,有效地缓解了现有方法不能很好区分相似图像或网络不收敛的问题,降低了训练时间成本,能够获得更准确的车辆再识别结果。
-
公开(公告)号:CN110022422B
公开(公告)日:2020-02-07
申请号:CN201910322024.1
申请日:2019-04-19
申请人: 吉林大学
摘要: 本发明涉及一种基于密集连接网络的视频帧序列生成方法,属于计算机视觉领域以及视频信号处理技术领域。以生成对抗网络为本发明方法的结构的基线,使用密集连接网络构建本发明的生成器模型,对输入视频帧序列的后续视频帧序列进行生成。本发明充分考虑输入视频帧序列内容的分布差异性,对具有特殊运动特点的部分增加权重。根据这种方式设计的损失函数能够为本发明中的生成器模型提供注意力机制,使得生成器模型能够对后续视频帧序列的不同部分有针对性地生成,实现对同一后续视频帧不同部分的差异性处理,在保证生成的后续视频帧序列与输入视频帧序列具有连续运动信息的同时,能够有效提升生成的后续视频帧序列的图像质量。
-
-
-
-
-
-
-
-
-