-
公开(公告)号：CN119723333A
公开(公告)日：2025-03-28
申请号：CN202411771670.3
申请日：2024-12-04
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种高分辨率遥感图像滑坡识别方法和装置、系统、存储介质，包括：步骤S1、获取高分辨率遥感滑坡数据集；步骤S2、根据高分辨率遥感滑坡数据集，构建高分辨率遥感滑坡提取网络HRLE‑Net；步骤S3、划分高分辨率遥感滑坡数据集，得到训练集和测试集；步骤S4、根据训练集训练高分辨率遥感滑坡提取网络HRLE‑Net；步骤S5、将测试集输入到训练好的高分辨率遥感滑坡提取网络HRLE‑Net中，提取滑坡区域。采用本发明的技术方案，实现对滑坡区域的准确识别。
-
公开(公告)号：CN118332528B
公开(公告)日：2024-08-30
申请号：CN202410767432.9
申请日：2024-06-14
Applicant: 广东工业大学
IPC: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
Abstract: 本发明属于代码混淆技术领域，并公开了一种基于深度学习的代码混淆方法、系统、设备及介质，包括：对分支语句进行预处理，得到AST语法树的节点‑编号序列和叶子节点值‑编号序列；基于序列数据构建AST语法树中根节点到各叶子节点的路径集合；将路径集合输入代码混淆模型中，得到第一密文；基于DES算法对第一密文进行二次加密，得到第二密文；构建解密模型，基于解密模型构建解密函数；将第二密文输入解密函数中进行解密，先得到对应的第一密文，然后解密第一密文，最后得到对应分支语句的判断条件；将分支语句的判断条件替换为对解密函数的调用，实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性，提高程序抗逆向分析能力。
-
公开(公告)号：CN118469842A
公开(公告)日：2024-08-09
申请号：CN202410556401.9
申请日：2024-05-07
Applicant: 广东工业大学
IPC: G06T5/60 , G06T5/73 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06V10/80
Abstract: 本发明提供了一种基于生成对抗网络的遥感图像去雾方法，包括以下步骤：S1、构建用于训练的有雾遥感图像数据集；S2、搭建用于遥感图像去雾的注意力引导的残差融合对抗生成网络；S3、训练注意力引导的残差融合对抗网络；S4、应用注意力引导的残差网络对有雾遥感图像去雾；本发明通过提取的底层细节特征与高层全局特征相结合，提升了去雾图像的精细度，采用了对抗网络思想，降低了网络的训练难度，适合遥感图像去雾这类图生图任务，能够更精准地感受出雾霾的浓度和大小，有效地处理了以往方法面对真实雾霾情形下雾霾分布浓度不均匀导致全局去雾效果不好的问题，能够尽可能的在去雾的同时保留原有细节和颜色。
-
公开(公告)号：CN118332528A
公开(公告)日：2024-07-12
申请号：CN202410767432.9
申请日：2024-06-14
Applicant: 广东工业大学
IPC: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
Abstract: 本发明属于代码混淆技术领域，并公开了一种基于深度学习的代码混淆方法、系统、设备及介质，包括：对分支语句进行预处理，得到AST语法树的节点‑编号序列和叶子节点值‑编号序列；基于序列数据构建AST语法树中根节点到各叶子节点的路径集合；将路径集合输入代码混淆模型中，得到第一密文；基于DES算法对第一密文进行二次加密，得到第二密文；构建解密模型，基于解密模型构建解密函数；将第二密文输入解密函数中进行解密，先得到对应的第一密文，然后解密第一密文，最后得到对应分支语句的判断条件；将分支语句的判断条件替换为对解密函数的调用，实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性，提高程序抗逆向分析能力。
-
公开(公告)号：CN119360394B
公开(公告)日：2025-04-18
申请号：CN202411443028.2
申请日：2024-10-16
Applicant: 广东工业大学
IPC: G06V30/19 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开的属于计算机视觉图像处理技术领域，具体为一种基于深度学习的工业指针式仪表读数识别系统，包括：数据集构建与划分模块，用于构建并划分工业指针式仪表图像数据集；工业指针式仪表读数提取网络模块，用于提取工业指针式仪表指针与刻度的语义分割图像；工业指针式仪表读数识别模块，用于使用霍夫圆变换与角度法读取指针与刻度的语义分割图像。本发明基于深度学习的工业仪表指刻提取网络中的多残差小目标特征提取二级子模块，可以使分割提取模型在浅层网络时获得更丰富的特征信息，在提取指针与刻度这一类小目标时，提升提取小目标边缘信息的效果。
-
Patent Agency Ranking
公开(公告)号：CN119723332A
公开(公告)日：2025-03-28
申请号：CN202411770154.9
申请日：2024-12-04
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种遥感图像地表水体提取方法和装置、系统、存储介质，包括：步骤S1、获取遥感地表水体数据集；步骤S2、根据遥感地表水体数据集，构建遥感地表水体提取网络RSWE‑Net；步骤S3、划分遥感地表水体数据集，得到训练集和测试集；步骤S4、根据训练集训练遥感地表水体提取网络RSWE‑Net；步骤S5、将测试集输入到训练好的遥感地表水体提取网络RSWE‑Net中，提取遥感图像中的地表水体。采用本发明的技术方案，提高水体提取的准确性。
-
公开(公告)号：CN119723036A
公开(公告)日：2025-03-28
申请号：CN202411770734.8
申请日：2024-12-04
Applicant: 广东工业大学
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种输电网绝缘子缺陷检测方法和装置、系统、存储介质，包括：步骤S1、获取输电网绝缘子缺陷数据集；步骤S2、对输电网绝缘子缺陷数据集进行预处理，并对预处理后的输电网绝缘子缺陷数据集进行划分，得到训练集和测试集；步骤S3、根据预处理后的输电网绝缘子缺陷数据集，构建输电网绝缘子缺陷检测模型；步骤S4、根据训练集训练输电网绝缘子缺陷检测模型；步骤S5，将测试集输入到训练好的输电网绝缘子缺陷检测模型中对当前输电网区域的绝缘子进行识别，得到缺陷类型和位置。采用本发明的技术方案，在处理复杂背景、噪声干扰的环境下，可以大大提高检测效率和精度。
-
公开(公告)号：CN119169488B
公开(公告)日：2025-03-21
申请号：CN202411224092.1
申请日：2024-09-03
Applicant: 广东工业大学
IPC: G06V20/17 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，涉及识别方法技术领域。本发明包括以下步骤：Step1：构建雾霾场景下的输电线路缺陷数据集；Step2：采用图像雾化算法对输电线路缺陷数据集进行数据预处理；Step3：构建一种雾霾场景下的输电线路缺陷识别算法，用于识别雾霾场景下输电线路的模糊缺陷目标和小尺寸缺陷目标；Step4：在步骤Step3中构建的输电线路缺陷识别算法基础上进行算法训练和验证。本发明通过在采集输电线路缺陷数据集后，对图像数据进行加雾的数据预处理，模拟雾霾场景下的输电线路缺陷数据。
-
公开(公告)号：CN118314053B
公开(公告)日：2024-10-15
申请号：CN202410741565.9
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06T5/73 , G06N3/0464 , G06N3/082 , G06T5/60
Abstract: 本发明公开了一种基于神经网络的对无人机巡检航拍图像去雾方法，属于图像处理领域，该方法包括以下步骤：基于无人机巡检航拍图像构建图像数据集；构建启发式感知去雾神经网络，基于图像数据集对启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络；将待去雾处理的无人机巡检航拍图像输入训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像。本发明能够在去雾的同时尽可能地保留原始图像中的细节和纹理，给巡检工作人员对去雾图像的分析工作带来便利。
-
公开(公告)号：CN118334351B
公开(公告)日：2024-08-30
申请号：CN202410749519.3
申请日：2024-06-12
Applicant: 广东工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/776 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的指针仪表读数识别方法，包括：获取原始指针仪表图像并进行预处理，获得处理后的指针仪表数据集；构建初始指尺提取网络模型，基于处理后的指针仪表数据集对指尺提取网络模型进行训练，获得目标指尺提取网络模型；基于训练后的指尺提取网络模型对待识别指针仪表图像进行识别，获得无背景指针与尺度仪表的图像识别结果。本发明采用深度学习机器视觉技术代替人工阅读，不仅提高了工作场所的安全性，降低了人力资源的耗费，而且通过自动化数据收集过程提高了效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.023 seconds)
