-
公开(公告)号:CN111027270B
公开(公告)日:2023-05-16
申请号:CN201911174900.7
申请日:2019-11-26
申请人: 西安电子科技大学
IPC分类号: G06F30/38 , G06F30/3312 , G06F115/12
摘要: 本发明公开了一种用于集成电路设计流程可信设计的方法及电路,包括:获取集成电路的门级网表;其中,所述集成电路门级网表包括工艺偏差信息;获取所述集成电路中的待测路径;将所述待测路径配置成环形振荡器;在所述集成电路的门级网表中增加片上检测电路的门级网表以完成新电路的版图设计;对所述新电路进行第一次动态仿真,得到所述环形振荡器的频率阈值范围;根据所述频率阈值范围利用所述检测电路对所述新电路进行可信设计验证。本发明提供的可信设计方法将木马对侧信道信息的影响直接反映在路径延迟上,省去了对木马进行建模的过程,降低了测试难度;同时检测电路结构简单,易于整合进集成电路设计流程,保证了测量的精确。
-
公开(公告)号:CN114554497A
公开(公告)日:2022-05-27
申请号:CN202210271164.2
申请日:2022-03-18
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于LSTM优化DQN网络的多约束频谱分配方法,在前处理阶段获取系统内各项设备参数指标与频段资源数据并计算各功能矩阵;初始化DQN网络并完成前期预处理结果与网络元素的映射;设置仿真阶段数episode并记为e,将网络的训练过程分为多个e;更新搜索概率pt;在集中式分配的基础上采用局部分布方式依次对环境内设备Di进行动作,即频段的选取工作,并最终汇总为整体动作at;整体网络迭代学习;收集并更新历史最优整体动作at,并将其作为最优的频谱分配方案输出,将依次为各设备分给具体频段资源。本发明在满足不同设备优先顺序的约束下,对允许资源复用的无模型随机环境内所有设备各项信息进行综合分析。
-
公开(公告)号:CN114329010A
公开(公告)日:2022-04-12
申请号:CN202111638030.1
申请日:2021-12-29
申请人: 杭州电子科技大学
摘要: 本发明公开了一种基于知识图谱的图像场景图生成方法,本发明首先使用OPENIE模型将图像描述转化成三元组,并转化成实体和实体对应关系,导入NEO4J中,构建COCO和VisualGenome数据集的知识图谱;其次模型结合知识图谱,对输入的图像进行目标检测,识别出对应的对象类别和对象属性,以及两两候选框之间有交集的关系。将得到的对象属性放入知识图谱中,作为检索关键点,并调用NEO4J数据库得到标记权重的关系节点以及对应的另一个实体节点;同理,将关系属性特征放入到知识图谱中,得到节点属性组;将通过知识图谱得到的指定数量的三元组放入排列模块;放入到场景图生成的网络中,最终生成基于知识图谱的场景图。本发明针对图像目标识别和关系检测的问题,提出了优化方案。
-
公开(公告)号:CN112926669B
公开(公告)日:2022-03-08
申请号:CN202110259286.5
申请日:2021-03-09
申请人: 杭州电子科技大学
IPC分类号: G06V10/774 , G06N3/04
摘要: 本发明公开了一种基于特征增强的隧道裂缝快速检测方法。本发明步骤:(1)使用特征提取模块、特征融合模块和注意力机制模块,构建初始卷积神经网络LFDNet;(2)在MSCOCO数据集上对初始卷积神经网络LFDNet进行预训练得到基础检测模型;(3)收集多种场景下的隧道裂缝图片,标注所有收集的裂缝图片中的裂缝,从而形成一个专门的隧道裂缝数据集;使用隧道裂缝数据集对基础检测模型进行训练得到最终的裂缝检测网络LFDNet;(4)将测试裂缝图片输入最终的裂缝检测网络LFDNet,检测出该裂缝图片中是否存在裂缝以及裂缝的位置信息。本发明能够较为快速、准确的检测出隧道内的裂缝,可用性强。
-
公开(公告)号:CN114092964A
公开(公告)日:2022-02-25
申请号:CN202111215371.8
申请日:2021-10-19
申请人: 杭州电子科技大学
IPC分类号: G06V40/10 , G06V20/52 , G06V10/42 , G06V10/44 , G06V10/62 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于注意力引导和多尺度标签生成的跨域行人重识别方法。本发明提出了一种基于注意力引导和多尺度标签生成的渐进式学习框架。首先,设计了一个注意力机制引导的背景约束模块,旨在突出图像中有用的前景行人信息,减轻背景杂波的干扰。这有利于引导模型学习更多与行人身份相关的判别特征,从而提高行人特征的辨识度。其次,为了挖掘图像中的细节特征信息,该模型从全局到局部、从浅层到深层挖掘潜在的相似性,从不同的视角为行人生成伪标签。结果表明,这种方法具有更好的鲁棒性和自适应能力,有效的增强了模型的泛化能力。
-
公开(公告)号:CN111507182B
公开(公告)日:2021-03-16
申请号:CN202010167698.1
申请日:2020-03-11
申请人: 杭州电子科技大学
摘要: 本发明公开了一种基于骨骼点融合循环空洞卷积的乱丢垃圾行为检测方法。本发明采集包含乱丢垃圾行为的图像集进行预训练;获取预训练后图像集中乱丢垃圾行为个体的图像训练集,并对其中图像人工定义乱丢垃圾行为的人体骨骼点分布;基于人体骨骼点分布制作图像训练集中每个图像的骨骼点热图;构建基于骨骼点融合循环空洞卷积的乱丢垃圾行为检测网络;将预训练后图像集输入乱丢垃圾行为检测网络,使用梯度下降法迭代更新网络获取最优乱丢垃圾行为检测网络;将测试集中连续几帧的检测图像输入最优乱丢垃圾行为检测网络中,获取相应的骨骼点分布序列,并进行相似度计算,判断是否为乱丢垃圾行为。本发明能够在复杂场景中十分准确地检测乱丢垃圾行为。
-
公开(公告)号:CN111507359A
公开(公告)日:2020-08-07
申请号:CN202010159455.3
申请日:2020-03-09
申请人: 杭州电子科技大学
摘要: 本发明公开了一种图像特征金字塔的自适应加权融合方法。本发明步骤:1.首先在计算机视觉有名的超大规模数据库ImageNet上预训练神经网络模型;2.将二次训练用的训练集数据输入预训练神经网络模型;3.针对训练集中的目标检测任务,重复步骤4-8继续训练神经网络模型,直至网络能够准确的检测训练集中的图片;4.使用步骤(1)预训练后的神经网络模型提取图片的特征图;5.把获得的特征图按分辨率建立特征图金字塔模型;6.计算每一层特征图在整个金字塔模型中的重要程度;7.根据特征图在金字塔模型中的重要程度,对每一层特征图分配不同的权重;8.对特征图按照所分配的权重进行融合,然后进行检测。本发明提高目标定位和分类的准确性。
-
公开(公告)号:CN111507183A
公开(公告)日:2020-08-07
申请号:CN202010167699.6
申请日:2020-03-11
申请人: 杭州电子科技大学
摘要: 本发明公开了一种基于多尺度密度图融合空洞卷积的人群计数方法。本发明步骤如下:获取人群图像数据集,并且进行预处理;建立基于多尺度密度图融合空洞卷积的人群计数网络;将预处理之后的人群图像输入该人群计数网络中提取特征数据,输出对应图像的低分辨率密度图;将低分辨率密度图融合空洞卷积网络,输出对应图像的高分辨率密度图;对人群计数网络输出的高分辨率密度图进行积分,得到对应人群图像中的人群总数;将最后输出的高分辨率密度图与人工标注的真实密度图进行损失计算,不断迭代更新人群计数网络;将测试图片输入最终确认的人群计数网络,生成人群分布密度图并且进行人群计数。本发明具有很好的自适应能力和很高的预测精度。
-
公开(公告)号:CN111353306A
公开(公告)日:2020-06-30
申请号:CN202010109601.1
申请日:2020-02-22
申请人: 杭州电子科技大学
IPC分类号: G06F40/289 , G06F40/295 , G06F40/30 , G06F16/951 , G06K9/62 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于实体关系和依存Tree-LSTM的联合事件抽取的方法。本发明步骤:1、对原始文本以及文本标注信息进行编码。2、将步骤1的结果输入双向LSTM。获取具有时序的前向和向后隐含状态向量。3、首先将输入句子解析成依存树形结构,然后将步骤1结果输入构建的依存Tree-LSTM,获取树根节点隐含状态向量和每个时刻的隐含状态向量。4、获取保存实体关系句子信息特征向量。同时连接双向LSTM t的前向、向后隐含状态向量以及依存Tree-LSTM t时刻的隐含状态向量 5、进行触发词识别和分类;6、进行事件论元的识别和分类。
-
公开(公告)号:CN111353029A
公开(公告)日:2020-06-30
申请号:CN202010109598.3
申请日:2020-02-22
申请人: 杭州电子科技大学
IPC分类号: G06F16/332 , G06F16/35 , G06N3/04 , G06N3/08 , G06F40/30
摘要: 本发明公开了一种基于语义匹配的多轮对话口语理解方法。本发明利用基于词级别的attention卷积神经网络和树状循环神经网络联合提取语句语义信息,并通过语义匹配对历史语句进行合理的权重值分配,结合上述产生的历史语句语义表示和对应的权重值,输入对应角色双向LSTM模型得到角色历史影响向量,结合2个角色历史影响向量得到最终历史语义影响向量,结合该向量对当前语句做意图检测,并通过损失函数优化模型参数结构。这种方法具有更好的鲁棒性和自适应能力。其中具体发明的基于语义匹配的多轮对话口语理解模型训练流程图如图2。
-
-
-
-
-
-
-
-
-