一种基于访问控制权限的ASP知识库增量式验证方法

    公开(公告)号:CN106355252A

    公开(公告)日:2017-01-25

    申请号:CN201610748840.5

    申请日:2016-08-29

    CPC classification number: G06N5/022 G06F17/30289

    Abstract: 本发明为一种基于访问控制权限的ASP知识库增量式验证方法,ASP知识库P性质f为已验证性质,f1为待验证性质,f2是f1中的未验证性质。本法首先向ASP知识库中的规则加入访问控制权限,构造基于访问控制权限的ASP知识库模型;再根据权限依赖关系获得f的性质规则权限集M和f2的性质规则权限集N,判断M与N的关系,排除f1不成立的情况。最后利用f中的信息简化验证f2。本方法通过设置访问控制权限避免对已验证性质的重新验证,仅需对部分ASP知识库P进行增量式性质验证,有效地提高了性质验证效率;可以一次性验证多条性质,避免多次运行验证工具造成的大量上下文切换的开销。

    一种轻量化卫生用品缺陷检测的方法及装置

    公开(公告)号:CN116403042A

    公开(公告)日:2023-07-07

    申请号:CN202310368796.5

    申请日:2023-04-07

    Abstract: 本发明涉及轻量化卫生用品缺陷检测的方法,其方法包括:获取卫生用品的表面图像并输入到基于深度学习的轻量级的目标检测神经网络模型中,以对表面图像进行数据增强处理,进而获得初始的特征图,通过嵌有EVC模块的CSP模块对初始的特征图进行多尺度特征提取,通过FPV模块的特征金字塔法将不同尺度的特征图进行融合,通过PANet模块的路径聚合法将不同分辨率的特征图进行融合,通过CSConv模块的轻量级卷积操作对CSP模块、FPV模块和PANet模块的输出特征进行融合,以获得并输出最终的检测结果。本发明通过将GSConv和EVC模块融入到深度学习的目标检测神经网络模型中,提高目标检测的精度和效率,同时保持轻量化和快速的特性。

    基于数据生成的弱监督卫生用品缺陷检测方法及装置

    公开(公告)号:CN116385790A

    公开(公告)日:2023-07-04

    申请号:CN202310368809.9

    申请日:2023-04-07

    Abstract: 本发明涉及一种基于数据生成的弱监督卫生用品缺陷检测方法及装置,其中方法包括:训练缺陷检测模型;基于训练后的缺陷检测模型,检测新输入的测试图像是否为有缺陷图像;若检测新输入的测试图像为有缺陷图像,基于剪贴增强策略生成伪缺陷图像,所述伪缺陷图像与所述有缺陷图像对应;基于训练后的缺陷检测模型,对所述伪缺陷图像进行缺陷定位,得到缺陷位置信息。本发明通过剪贴增强策略引入不规则性,只利用正常图像进行训练,需要少量标注缺陷图像。在不同类型的表面缺陷检测任务中取得较高的准确性和鲁棒性,且需要少量标注数据和人工干预。

    一种基于ASP的CSP并发系统调试方法

    公开(公告)号:CN106201881B

    公开(公告)日:2019-02-01

    申请号:CN201610543275.9

    申请日:2016-07-12

    Abstract: 本发明为一种基于ASP的CSP并发系统调试方法,包括以下步骤:步骤1、根据描述CSP并发系统行为特征的ASP规则集,得到实例化性质规则集;步骤2、生成性质成立或不成立的原因;步骤3、生成反例迹并利用反例迹调试系统错误;步骤4、通过性质成立的原因生成ASP规则L,表示系统中使该性质成立的部分系统结构,分析系统修改后对已验证性质的影响,如果新系统满足规则L,性质依然成立,否则性质需要重新验证。本方法采用基于ASP的CSP并发系统的性质验证框架仅需两层模型即可完成性质验证,且两层模型间的差异较小;利用性质不成立时的反例迹实现针对CSP并发系统错误的调试,避免系统部分改变后,对仍成立的性质重复验证。

    一种基于ASP的CSP并发系统调试方法

    公开(公告)号:CN106201881A

    公开(公告)日:2016-12-07

    申请号:CN201610543275.9

    申请日:2016-07-12

    CPC classification number: G06F11/3604 G06F11/362

    Abstract: 本发明为一种基于ASP的CSP并发系统调试方法,包括以下步骤:步骤1、根据描述CSP并发系统行为特征的ASP规则集,得到实例化性质规则集;步骤2、生成性质成立或不成立的原因;步骤3、生成反例迹并利用反例迹调试系统错误;步骤4、通过性质成立的原因生成ASP规则L,表示系统中使该性质成立的部分系统结构,分析系统修改后对已验证性质的影响,如果新系统满足规则L,性质依然成立,否则性质需要重新验证。本方法采用基于ASP的CSP并发系统的性质验证框架仅需两层模型即可完成性质验证,且两层模型间的差异较小;利用性质不成立时的反例迹实现针对CSP并发系统错误的调试,避免系统部分改变后,对仍成立的性质重复验证。

Patent Agency Ranking