-
公开(公告)号：CN110515826A
公开(公告)日：2019-11-29
申请号：CN201910594565.X
申请日：2019-07-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于次数频谱与神经网络算法的软件缺陷定位方法，本发明所提出的方法考虑了由于循环等过程的存在引起语句多次执行，使用程序分支计数频谱对覆盖信息进行扩展，并将其作为BP神经网络的输入，实现运用机器学习的方法实现软件缺陷定位的目标。基于覆盖的程序缺陷定位方法利用覆盖信息来定位程序的缺陷语句。然而，这些方法可能会受到代码偶然性正确性的不利影响。偶然性正确是指在执行缺陷语句后，并没有触发错误的测试用例执行过程。本方法将会发生偶然性正确的测试用例的执行结果统一修正为错误的方法，在最大程度上避免偶然性正确对程序定位性能的影响。
-
公开(公告)号：CN119559605A
公开(公告)日：2025-03-04
申请号：CN202510080711.2
申请日：2025-01-20
Applicant: 杭州电子科技大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开基于可学习线锚和KAN网络检测头的车道线检测方法。首先利用主干图像特征提取模型对输入的车道线图像进行多阶段的特征提取。在前几个阶段，专注于线锚的学习与调整，利用预定义的线锚对主干图像特征提取模型输出的特征图进行线锚池化，并利用基于KAN网络的检测头，生成车道线的初步预测结果，并调整线锚位置，用于对下一阶段的特征图进行线锚池化，并将前序阶段的池化结果作为全局信息进行融合。重复多次后，利用调整后的线锚，对最后一个阶段的特征图进行线锚池化，输出最终的车道线预测结果。并且在模型的训练过程中，提出分段交并比作为损失计算的一部分，更有效地监督模型学习。该方法能够提升车道线检测的速度与精度。
-
公开(公告)号：CN119149388A
公开(公告)日：2024-12-17
申请号：CN202410959453.0
申请日：2024-07-17
Applicant: 杭州电子科技大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于模板和代码语言模型融合的自动程序修复方法，该方法首先获取完美故障定位信息，设计通用掩码模板和匹配掩码模板。根据错误行的特征信息选择匹配掩码模板。将错误行的上下文与选中的匹配掩码模板以及所有通用掩码模板一同作为代码语言模型的输入，利用代码语言模型对掩码标记进行预测，生成补丁。根据掩码标记的条件概率以及模板系数对候选补丁进行重新排序并通过测试用例进行补丁验证。通过设计的通用掩码模板和匹配掩码模板，有助于模型更准确的进行补丁预测。考虑到不同掩码模板生成正确补丁的能力不同，还提出了模板系数来修正补丁排序，减少补丁验证花费的时间。实验证明了本方法对于错误的修复性能领先于现有的研究。
-
公开(公告)号：CN119105764A
公开(公告)日：2024-12-10
申请号：CN202411023524.2
申请日：2024-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于代码变更表示和查询返回的即时缺陷定位方法。该方法首先针对给定的代码变更进行对齐，获取变更信息。然后提取变更前后的序列特征，用于生成代码变更的特征表示，与变更前的代码特征序列结合，输入定位模型进行训练。将代码更改表示学习与目标任务上的分类器等特定于任务的组件进行联合训练，摆脱对标签监督的依赖。并设计一种“查询返回”机制，来突出显示已变更的代码，令已变更的代码片段与整个代码变更进行交互，从代码变更中自适应地选择重要信息，提高缺陷定位的准确性和可靠性。
-
公开(公告)号：CN116955191A
公开(公告)日：2023-10-27
申请号：CN202310940638.2
申请日：2023-07-28
Applicant: 杭州电子科技大学
IPC: G06F11/36 , G06F18/241 , G06F18/214
Abstract: 本发明公开了一种基于动态分类器选择的即时软件缺陷预测方法，该方法针对现有技术中存在的验证延迟、概念漂移和类不平衡问题，通过验证延迟框架，纠正数据标签。然后将项目内数据和跨项目数据过滤结合，缓解概念漂移的同时，避免跨项目数据导致的预测偏差。接着通过基于动态分类器选择方法集成分层AdaBoost，使用前序数据训练出的分类器预测后续数据的标签，迭代训练预测过程，解决数据流类分布不平衡的问题。最后使用处理后的数据集对即时软件缺陷预测模型进行训练，有效提高模型的预测性能。
-
Patent Agency Ranking
公开(公告)号：CN116012260B
公开(公告)日：2023-07-04
申请号：CN202310155602.3
申请日：2023-02-23
Applicant: 杭州电子科技大学
IPC: G06T5/00 , G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度Retinex的低光图像增强方法，该方法根据Retinex理论，利用层分解网络将低光、正常光图像分解为反射图像和照度图像；然后，将低光照度图像和低光反射率图像作为反射率恢复网络的输入，学习低光反射图像到正常光反射图像的映射，得到反射率恢复图像。接着，将低光照度图像作为照度调节网络的输入，学习低光照度图像到正常光照度图像的映射，得到照度增强图像。然后融合反射率恢复图像和照度增强图像，得到初步增强图像；最后使用感知强化网络学习初步增强图像到正常光图像的映射，得到最终增强图像。本方法可以有效地恢复输入图像的纹理细节和增强色彩信息，使图像的亮度分布更加自然，并且具备更低的噪声。
-
公开(公告)号：CN115841625A
公开(公告)日：2023-03-24
申请号：CN202310154107.0
申请日：2023-02-23
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于改进U‑Net模型的遥感建筑物影像提取方法。使用U‑Net模型作为骨干网络，在模型的跳跃连接阶段，加入协调注意力门控模块，以更好定位建筑物主体信息并有效整合不同级别语义信息。在模型的桥梁连接部分，引入了高效连续金字塔模块，使用分组的小尺度空洞卷积进行特征提取，并在组内进行特征分层叠加，强化了模型对于捕获建筑物主体间可能存在的空间上下文关系的能力。在模型的解码器部分，引入双向联级深度监督模块，按照从深到浅和从浅到深两个方向依次融合相邻解码器阶段所得的预测图，以实现对不同网络层特定监督，有效提升了模型的多尺度建筑物主体提取能力。
-
公开(公告)号：CN114253849A
公开(公告)日：2022-03-29
申请号：CN202111564014.2
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明提出基于流形组合特征和联合分布的跨项目软件缺陷预测方法，本发明选择在流形特征空间中考虑使用具有域适应的全局边缘化降噪自动编码器提取全局可转移特征和具有域适应的局部子集边缘化降噪自动编码器提取局部可转移特征，然后将提取的全局可转移特征和局部可转移特征线性组合为新的组合特征并应用实现联合分布匹配；其次，该方法引入一种迭代学习的伪标签策略，通过在循环中多次更新伪标签来提高伪标签准确率，该策略通过利用新的组合特征实现联合分布匹配，然后通过联合分布匹配获取实例权重训练模型并再次更新标签，并使更新后的标签进行新一轮的组合特征提取、伪标签更新和联合分布匹配，直至最终的预测结果收敛。
-
公开(公告)号：CN114092926A
公开(公告)日：2022-02-25
申请号：CN202111222652.6
申请日：2021-10-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种复杂环境下的车牌定位和识别方法，本发明采用循环生成对抗网络对合成车牌图像进行风格迁移，生成更接近真实的车牌图像以丰富训练样本集，并解决样本不均衡问题，采用一种MF‑RepUnet车牌定位方法，将改进的VGG结构和特征金字塔融入U‑Net模型，提高模型特征提取能力，成功弥补了车牌定位中小目标车牌和倾斜车牌等容易漏检的缺陷，用基于卷积循环神经网络和注意力机制的车牌识别方法，通过注意力自适应加权协助循环神经网络改善因图像质量退化导致的语义特征模糊问题，进一步提高字符识别的准确率。
-
公开(公告)号：CN114092785A
公开(公告)日：2022-02-25
申请号：CN202111222645.6
申请日：2021-10-20
Applicant: 杭州电子科技大学
IPC: G06V20/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种野外火灾烟雾检测方法，现有技术中烟雾检测在不同环境下自身颜色、形状、透明度等特征不同，边缘模糊难以界定，导致较难提取烟雾的共性特征，且视频拍摄角度距离不一，导致烟雾图像尺度多变，尤其是较小的烟雾显著性更低，检测难度较大。本发明基于MD‑Cascade‑R CNN模型将特征金字塔融合方式从深至潜改为由浅至深融合，提高了小尺度烟雾的检测效果。同时，使用多支路空洞卷积下采样替代了普通的下采样以进一步增强模型对不同尺度烟雾的检测能力，并使用多IOU阈值级联检测器进一步提高了对边缘模糊烟雾的检测能力。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.027 seconds)
