-
公开(公告)号：CN117574364B
公开(公告)日：2024-05-10
申请号：CN202310929813.8
申请日：2023-07-27
Applicant: 广东工业大学
IPC: G06F21/56 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/776 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于PSEAM‑MobileNet神经网络的安卓恶意软件检测方法及系统。具体实现步骤如下：（1）读取安卓软件数据集中每一个安卓软件的安卓应用安装包，获取classes.dex、AndroidManifest.xml、resources.arsc二进制文件；然后提取classes.dex二进制文件的数据部分，另存为data_section.dex二进制文件；接着将data_section.dex、AndroidManifest.xml、resources.arsc二进制文件可视化为RGB图像；最后构建和划分安卓软件RGB图像数据集；（2）构建并训练基于PSEAM‑MobileNet神经网络的安卓恶意软件检测模型；（3）运用安卓恶意软件检测模型对安卓软件进行检测，判断安卓软件是否为安卓恶意软件。
-
公开(公告)号：CN106528111A
公开(公告)日：2017-03-22
申请号：CN201610939664.3
申请日：2016-10-25
Applicant: 广东工业大学
IPC: G06F9/44
CPC classification number: G06F8/751
Abstract: 本发明公开了一种数据结构作业程序相似性度量方法，能对数据结构作业程序从多个角度进行相似性度量，避免了现有度量方案单一、陈旧的问题，且本方法还可以和程序动态测试结合起来，产生更多参考答案完备集，为识别答案和程序理解提供一些新的思路。本发明方法包括通过从数据结构作业程序中获取词法分析矩阵，并分别根据不同的词法分析矩阵计算三个相似度，再将三个相似度中的一个或者至少一个或者三个相似度与神经网络结合进行长期的学习，使度量结果更准确。
-
公开(公告)号：CN119905174A
公开(公告)日：2025-04-29
申请号：CN202411989199.5
申请日：2024-12-31
Applicant: 广东工业大学
IPC: G16C20/70 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开的属于生物医学技术领域，具体为一种基于多视图堆叠跳级图卷积网络的药物重定位方法，包括具体步骤如下：获取药物疾病关联数据，分别构成药物和疾病的邻接矩阵A、关联图G、药物和疾病的相似度矩阵Sr、Sd，并使用多层图卷积编码器块，将药物和疾病的相似度矩阵编码成高阶特征表示；构建双层级子图自注意力网络，结合节点层级和子图层级的特征，与图拓扑结构进行结构级融合。本发明在使用高阶节点信息时，能够提取到高阶节点的上下文信息，缓解了局部信息和全局信息的不一致性；本发明能够更全面利用深层信息，解决了网络在多层后无法区分药物疾病节点从而导致模型预测能力下降的问题。
-
公开(公告)号：CN119862275A
公开(公告)日：2025-04-22
申请号：CN202411933203.6
申请日：2024-12-26
Applicant: 广东工业大学
IPC: G06F16/335 , G06F16/334 , G06F16/35 , G06F40/30 , G06N3/048 , G06N3/0499
Abstract: 本发明公开的属于知识追踪技术领域，具体为一种结合难度特征和时间相关性特征的知识追踪方法，包括具体步骤如下：筛选学生数据，构建学生答题数据集，对学生数据进行预处理；构建知识追踪模型，用于预测学生答题情况并输出学生知识掌握水平；训练知识追踪模型；应用模型，为学生个性化推荐问题，本发明通过问题与各知识点的关联权重和问题难度，增强了题目嵌入的难度特征信息，并根据不同学生的知识掌握水平，给出了符合学生知识水平的个性化问题难度；通过学生做题用时、做题时间间隔和答题情况得到学生答题表现，再结合个性化问题难度计算学生的知识获取程度，丰富了知识获取程度的语义信息。
-
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：CN118887543B
公开(公告)日：2025-04-11
申请号：CN202410957334.1
申请日：2024-07-17
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开的属于输电走廊山火识别技术领域，具体为一种基于深度学习的输电走廊山火识别方法，包括具体步骤如下：构建输电走廊山火图像数据集；对输电走廊山火图像数据集中的输电走廊山火图像进行特征增强；构建了一种基于深度学习的输电走廊山火识别模型，将输电走廊山火图像输入模型中，模型自动识别输电走廊图像中的山火；划分输电走廊山火图像数据集，训练并验证输电走廊山火识别模型；应用输电走廊山火识别模型，本发明通过多层次特征图信息提取，使得模型能够更准确地提取山火特征从而有效提升了在复杂的输电走廊环境下的山火识别准确率，并且通过不断的学习和训练，可以进一步提高山火识别的准确性和效率。
-
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：CN119723060A
公开(公告)日：2025-03-28
申请号：CN202411911290.5
申请日：2024-12-24
Applicant: 广东工业大学
IPC: G06V10/25 , G06N3/0464 , G06V10/82 , G06V10/774 , G06V10/776 , G06V10/80 , G06V20/17
Abstract: 本发明公开的属于深度学习目标检测与输电线遥感图像结合技术领域，具体为一种基于ATP‑YOLOv8的输电线通道隐患遥感图像目标检测算法，包括具体步骤如下：无人机航拍获取输电线通道隐患遥感数据集，按照8：1：1的比例划分为训练集、验证集和测试集；设计MAM网络替代原有模型的C2f模块，扩充模型上下文感受野；构建一种混合注意力MHA模块，在通道和空间上对特征进行权重调整；设计更加适用于遥感目标的TBD模块，减少下采样过程中输电线隐患大小目标的特征损失。本发明通过设计MAM网络、MHA模块和TBD模块，显著增强了模型从图像特征图中捕获多尺度目标特征的能力。这些改进使模型在处理复杂背景下的输电线通道隐患遥感图像检测时具有更强的感知能力。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.023 seconds)
