公开(公告)号：CN117634594A

公开(公告)日：2024-03-01

申请号：CN202410047317.4

申请日：2024-01-11

申请人： 齐鲁工业大学(山东省科学院)

发明人： 禹继国 ,  周润田 ,  董安明 ,  李明霞 ,  丁青艳 ,  曹志龙 ,  许清钰 ,  王桂娟 ,  张丽

IPC分类号： G06N3/098 ,  G06F18/23213 ,  G06F18/22

摘要： 本发明公开了一种具有差分隐私的自适应聚类联邦学习方法，属于联邦学习技术领域，要解决的技术问题为联邦学习易遭受成员推理攻击的影响、且在non‑iid数据分布情况下全局模型精度低。服务器基于本地模型参数相似性、服务器对客户端进行自适应分簇，得到多个簇，客户端划分至不同簇内，对于每个簇内客户端，服务器基于簇内所有客户端的本地模型参数进行簇内聚合计算，得到簇内全局模型，并对所有簇内全局模型进行交叉验证，筛选一个簇内全局模型作为最优簇内全局模型、其他簇内全局模型作为非最优簇内全局模型；对所有非最优簇内全局模型进行簇间聚合计算，得到簇间全局模型，并将簇间全局模型与簇内最优全局模型相加、得到全局模型。

公开(公告)号：CN117218159A

公开(公告)日：2023-12-12

申请号：CN202311227576.7

申请日：2023-09-22

申请人： 齐鲁工业大学(山东省科学院)

发明人： 董安明 ,  臧传浩 ,  禹继国 ,  周润田 ,  曹志龙 ,  许清钰 ,  韩玉冰 ,  张丽

IPC分类号： G06T7/246 ,  G06V40/10 ,  G06V10/82 ,  G06V10/94 ,  G06F9/50

摘要： 本发明公开了云边协同的斑马鱼三维轨迹跟踪方法及系统，属于水下视觉感知计算技术领域，要解决的技术问题为如何稳定且实时的对多个培养箱中的多条斑马鱼进行三维轨迹跟踪重建。包括如下步骤：基于YOLOv5算法构建目标识别模型，在边缘端执行如下：通过训练后的目标识别模型得到斑马鱼的位置信息，通过OC‑SORT跟踪算法将斑马鱼的位置信息和ID进行关联，实时的将当前视频图像的帧数以及视频图像中每个斑马鱼的ID和位置信息上传至云端；三维轨迹构建：通过构建有向图实现轨迹匹配的基础上、计算有向图中边的权重，通过多视角信息数据融合实现两个不同视角下斑马鱼运动轨迹的三维匹配。

公开(公告)号：CN117876322A

公开(公告)日：2024-04-12

申请号：CN202410041045.7

申请日：2024-01-11

申请人： 齐鲁工业大学(山东省科学院)

发明人： 禹继国 ,  许清钰 ,  董安明 ,  周润田 ,  曹志龙 ,  王桂娟 ,  张丽

IPC分类号： G06T7/00 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于感受野增大和特征信息补充的带钢缺陷检测方法，属于图像处理技术领域，要解决的技术问题为如何提高带钢缺陷检测的精度。包括：以YOLOv5s模型为基础模型，引入感受野增大模块C3RF替换基础模型中C3模块，引入注意力模块SCBAM替换基础模型中空间金字塔池化模块SPPF，并引入具有额外信息补充的特征金字塔结构EFPN替换基础模型中特征金字塔结构PAFPN，得到带钢缺陷检测模型；基于图像处理后训练集对带钢缺陷检测模型进行模型训练，并对训练后的带钢缺陷检测模型进行模型验证和测试；以待检测带钢图像为输入图像，通过最终带钢缺陷检测模型对输入图像进行缺陷检测，输出预测框以及缺陷类别。

公开(公告)号：CN117830283A

公开(公告)日：2024-04-05

申请号：CN202410047456.7

申请日：2024-01-11

申请人： 齐鲁工业大学(山东省科学院)

发明人： 许清钰 ,  禹继国 ,  董安明 ,  曹志龙 ,  周润田 ,  王桂娟 ,  张丽

IPC分类号： G06T7/00 ,  G06V10/80 ,  G06T7/73 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06T5/90 ,  G06V10/762 ,  G06T3/4038

摘要： 本发明公开了基于冗余特征重用和感受野增强的带钢缺陷检测方法，属于图像处理技术领域，要解决的技术问题为如何实现对带钢缺陷高效、准确的识别。包括：以YOLOv5s模型为基础模型，引入冗余特征重用模块RFR替换基础模型中C3网络结构的残差结构，在基础模型的颈部引入注意力模块SCBAM，并在基础模型的颈部和头部之间添加感受野增强模块RFE，得到带钢缺陷检测模型；基于标注框之间的交并比、通过K‑mean++算法对标注框进行聚类；将聚类后的标注框作为带钢缺陷检测模型的先验框，基于训练集对带钢缺陷检测模型进行模型训练；通过最终带钢缺陷检测模型进行缺陷检测，输出预测框以及对应缺陷类别。

公开(公告)号：CN117874816A

公开(公告)日：2024-04-12

申请号：CN202410044150.6

申请日：2024-01-11

申请人： 齐鲁工业大学(山东省科学院)

发明人： 周润田 ,  董安明 ,  禹继国 ,  李明霞 ,  丁青艳 ,  曹志龙 ,  许清钰 ,  王桂娟 ,  张丽

IPC分类号： G06F21/62 ,  G06F21/64 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/098

摘要： 本发明公开了一种基于本地随机差分隐私的联邦学习方法，属于联邦学习技术领域，要解决的技术问题为：联邦学习存在模型精度、训练效率与隐私保护水平之间的平衡性问题，且在训练过程中容易出现泛化能力差和准确性降低的问题。客户端基于构建的损失函数、通过随机梯度下降方法进行本地模型参数更新，并根据随机数的数值决定是否在本地模型参数上添加噪声，在每轮本地模型训练结束后、基于添加的噪声量计算隐私预算，K轮本地模型训练结束后，将本地模型参数上传服务器；服务器基于所有客户端上传的本地模型参数进行聚合计算，并将对应的全局模型参数广播至各客户端。