摘要：本发明提出一种基于全卷积网络集成学习的道路提取方法，旨在得到道路连贯，路网结构完整，查全率高的道路提取结果。实现步骤为：首先在现有遥感数据库中选取样本集并划分测试样本和训练样本，其次训练一个以交叉熵为损失函数的全卷积神经网，接着改变损失函数正样本惩罚权值，在前一个网络的网络模型参数基础上进行调优，得到不同惩罚权值损失函数的全卷积神经网络，再利用训练得到全卷积神经网络进行道路提取，得到不同全卷积网络的道路提取结果，最后依据空间一致性原则，对不同的提取结果按照基于空间一致性的集成策略进行集成，输出最终的结果图。本发明能够改善道路提取结果的查全率，鲁棒性强。

摘要：本发明提出一种基于特征金字塔结构全卷积神经网络的遥感船舶检测方法，主要解决现有技术存在水平轮廓包围框互相重叠、覆盖及检出率低的问题。其实现方案为：1.在现有遥感数据集中选取样本图片并裁剪，划分为训练样本和测试样本；2.使用由带像素距离边框最小值约束的类别损失函数和形状损失函数构成的整体损失函数，训练全卷积神经网络；3.将测试样本输入训练好的全卷积网络，输出为各像素点的特征矩阵，并进行坐标变换获得轮廓包围框的坐标；4.对各像素轮廓包围框进行筛选、合并，得到检测结果图及坐标文件。本发明能对遥感船舶图像生成带有角度的轮廓边界框，检出率高，边界准确，可用于从光学传感器拍摄的遥感图像中提取船舶目标。

摘要：【中文】本发明公开了一种基于轻量化语义分割网络的遥感图像地物分类方法，主要解决现有方法由于图像空间和通道特征信息利用不足且模型庞大，而导致的对遥感图像地物分类精度不高、训练速度较慢的问题。其方案为：在遥感图像地物分类数据集中获取训练样本和测试样本；构建引入可拓宽通道分解空洞卷积的轻量化遥感图像地物分类模型，设计关注地物边缘的整体损失函数；将训练样本输入到所构建的地物分类模型中训练，得到训练好的模型；将测试样本输入训练好的模型中，预测输出遥感图像中地物分类结果。本发明提升了特征的表达能力，减少了网络参数，提高了遥感图像地物分类的平均精度和训练速度，可用于获取一幅遥感图像的地物分布情况。 【EN】The invention discloses a remote sensing image ground feature classification method based on a lightweight semantic segmentation network, which mainly solves the problems of low precision and low training speed of remote sensing image ground feature classification caused by insufficient utilization of image space and channel characteristic information and huge model in the existing method. The scheme is as follows: acquiring a training sample and a test sample in a remote sensing image ground object classification data set; constructing a lightweight remote sensing image ground object classification model introducing the convolution of the widened channel decomposition cavity, and designing an integral loss function concerning the edge of the ground object; inputting the training sample into the constructed ground feature classification model for training to obtain a trained model; and inputting the test sample into the trained model, and predicting and outputting the ground feature classification result in the remote sensing image. The invention improves the expression capability of the characteristics, reduces the network parameters, improves the average precision and the training speed of the ground feature classification of the remote sensing image, and can be used for obtaining the ground feature distribution condition of one remote sensing image.

摘要：本发明公开了一种基于模糊核分类与注意力机制的遥感图像超分辨重建方法，首先给定某一地区对应的高、低分辨率光学遥感图像并划分测试样本和训练样本，其次对数据中所有低分辨率图像进行模糊核估计，接着使用训练集所有样本的模糊核进行K均值聚类，再利用聚类的模型对测试集高、低分辨率图像对进行分类，然后构建基于注意力机制的神经网络模型，并设定高、低分辨率图像的绝对值误差作为损失函数，根据测试集重建结果得到最优模型，最后根据该模型对输入图像进行重建，输出最终的结果图。本发明能够提升重建图像的峰值信噪比，鲁棒性强，且图像边缘细节清晰度有改善。

摘要：本发明属于密码学领域，涉及基于身份的签名机制和格密码等领域。为了抵抗量子计算机的攻击，实现前向安全和后向安全的签名机制，本发明提供了一种基于格密码的强前向安全签名方法。本方法通过基于格密码的陷门生成算法和格基委派算法生成安全密钥，使得该方法能够抵抗量子计算机的攻击；通过格基委派技术和哈希函数对密钥进行更新，保证不必每次检测出密钥泄露就撤销当前密钥系统，提高了签名的效率和安全性。

摘要：本发明属于机器学习及密码学领域。为了解决联邦学习过程中的数据孤岛和隐私泄露问题，本发明提供了一种安全的纵向联邦宽度学习方法。本发明将矩阵加密技术引入纵向联邦宽度学习系统，提出一种安全的纵向联邦宽度学习方法。与现有的宽度学习系统相比，纵向联邦宽度学习系统可以在保护数据隐私的条件下协同计算存储能力有限特征数据持有者构建性能更佳的宽度学习系统，从而推进宽度学习系统的应用和发展。

摘要：本发明属于区块链及密码学领域。为了解决区块链下支付通道网络中传输发送方和接收方的隐私泄露问题，本发明提供了一种基于Hub的高效茫然传输方法。本发明提出茫然谜题传输协议，使得Hub等节点不可链接发送方和接收方的传输关系，即在只经过Hub一个节点传输信息时，Hub也无法得知发送方对应的是哪一个接收方，以此保护传输双方的隐私信息。与现有的多支付通道节点之间的传输方法相比，本发明比以往方法的计算时间节省了0.2秒，提高了传输吞吐量。